分割多发性硬化症白质病灶的新方法

开篇：润墨网以专业的文秘视角，为您筛选了一篇分割多发性硬化症白质病灶的新方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：多发性硬化症（MS）是一种慢性的中枢神经系统疾病，其病灶可由常规脑部核磁共振成像（cMRI）进行检测。为提高图像处理的效率，提出了一种自动分割cMRI图像中的MS白质病灶（WML）的新方法。首先将模糊核聚类（KFCM）用于预处理后的T1加权像，得到白质图像；然后利用一个种子点的区域生长处理白质图像，提取出一个二值模板。该模板与对应的T2加权像进行乘积，得到一幅仅包含白质、病灶及背景的图像；最后再次利用KFCM分割图像，得到病灶的核心部分。实验结果表明，所提出的方法能快速、有效地分割出低噪声仿真图像中的WML，且Dice相似性系数平均值在80%以上。

关键词：多发性硬化症；模糊核C 均值聚类；常规磁共振成像；分割；白质

0引言

多发性硬化症（MultipleSclerosis，MS）是一种慢性致残性的中枢神经系统脱髓鞘病变，是脑和脊髓脱髓鞘病变中最常见的一种疾病[1]。磁共振成像（MagneticResonanceImaging，MRI）一直被认为是MS最有价值的临床检查方法。典型的多发性硬化症白质病灶（WhiteMatterLesion，WML）在常规磁共振图像（conventionalMRI，cMRI）中能清楚可见。这些典型的WML在T2加权像中呈现高信号而在T1加权像中呈现低信号。病灶的数量和体积可用于评价MS的程度，跟踪疾病的发展以及评估新药在临床中的应用。但是由于MS病灶位置、大小和形状的易变性，使得精确识别MRI中的MS病灶很困难。手动分割病灶需要专业解剖知识，也非常耗时，且不同专家的分割带有主观性，所以自动分割方法的研究是迫切需要的[2]。Lladó等总结了从脑部MRI中分割出MS病灶的不同方法，其中无监督全自动的方法主要是基于全局聚类技术，例如模糊C 均值（FuzzyC Means，FCM）[3]或是高斯混合模型[4]。但是FCM仅适用于球形或椭球型聚类，且对噪声及其野值极为敏感，而模糊核C 均值（KernelFuzzyC Means，KFCM）聚类能解决上述问题[5-7]。余学飞等[8]把KFCM与形态学方法相结合，提出了一种仅利用T2加权图像来分割多发性硬化症病灶的算法。

cMRI中T1加权像和T2加权像带有不同的信息，有着不同的应用。由于T1加权像中的三种主要组织，即白质（WhiteMatter，WM）、灰质（GreyMatter，GM）、脑脊液（CerebralSpinalFluid，CSF）的灰度有较大反差，因此广泛用于组织分割。T2加权像则更多地用于MS病灶检测，并且T1加权像的组织分割结果有助于最终MS病灶的提取[1]。具体分析可知：T1加权图像中，白质呈现最高的灰度，脑脊液的灰度最低，而MS和灰质的灰度较接近。T2加权图像中，MS和脑脊液的灰度最高且较接近，白质的灰度最低，即MS和白质的灰度有很大的区别。因此可以先准确分割出T1加权像中的白质区域，再利用此白质区域分割出T2加权像中的白质区域。即去除T2图像中其他组织，主要是去除与MS灰度相似的脑脊液，只保留白质和病灶两种组织，就能准确提取出WML。

根据上述分析，本文提出一种无监督的基于KFCM的自动分割方法。首先对T1加权像进行预处理，仅保留脑实质部分；然后将KFCM用于预处理后的T1加权像，分割出白质图像；接下来利用一个种子点的区域生长处理白质图像，提取出一个二值模板。该模板中白质像素的值为1而其他像素的值为0。该模板与对应的T2加权像（同一断层，并已与T1加权像配准）进行乘积，得到一幅仅包含白质、病灶及背景的图像。最后再次利用KFCM分割图像，得到病灶的核心部分。