留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于水平集的人脑MR图像分割方法

张荣国 高静雅 李富萍 刘小君

张荣国, 高静雅, 李富萍, 刘小君. 基于水平集的人脑MR图像分割方法[J]. 机械工程学报, 2017, 43(2): 244-250. doi: 10.11936/bjutxb2016050082
引用本文: 张荣国, 高静雅, 李富萍, 刘小君. 基于水平集的人脑MR图像分割方法[J]. 机械工程学报, 2017, 43(2): 244-250. doi: 10.11936/bjutxb2016050082
ZHANG Rongguo, GAO Jingya, LI Fuping, LIU Xiaojun. Human Brain MR Image Segmentation Based on Level Set Method[J]. JOURNAL OF MECHANICAL ENGINEERING, 2017, 43(2): 244-250. doi: 10.11936/bjutxb2016050082
Citation: ZHANG Rongguo, GAO Jingya, LI Fuping, LIU Xiaojun. Human Brain MR Image Segmentation Based on Level Set Method[J]. JOURNAL OF MECHANICAL ENGINEERING, 2017, 43(2): 244-250. doi: 10.11936/bjutxb2016050082

基于水平集的人脑MR图像分割方法

doi: 10.11936/bjutxb2016050082
基金项目: 国家自然科学基金资助项目(51375132);晋城市科技局资助项目(201501004-5);太原科技大学研究生创新项目(20151030)
详细信息
    作者简介:

    作者简介: 张荣国(1964—), 男, 教授, 主要从事图形图像处理、模式识别、计算机辅助设计与图形学方面的研究, E-mail:rg_zh@163.com

  • 中图分类号: TP391

Human Brain MR Image Segmentation Based on Level Set Method

  • 摘要: 为了更好地对解剖结构和形状复杂的非均匀分布人脑图像进行分割,在水平集Chan-Vese模型的基础上引入Otsu技术,给出了基于水平集的人脑磁共振(magnetic resonance,MR)图像分割方法. 该方法利用 Heaviside 函数描述区域内图像分布信息,通过最大类间方差来反映区域间图像分布方差信息,2部分信息经融合后构建新的能量函数,以引导图像分割过程,最终得到所期望的人脑图像分割结果. 采用2个数据集提供的人脑图像数据进行实验,结果表明:所提方法在相似性度量和正误率度量方面,与其他方法相比都有明显的优势,可以很好地实现人脑图像的分割.

     

  • 图  BrainWeb数据集中大脑白质分割结果

    Figure  1.  Brain white matter segmentation results in BrainWeb datasets

    图  IBSR18数据集中大脑白质的分割

    Figure  2.  Brain white matter segmentation results in IBSR18 datasets

    图  IBSR20数据集中的大脑白质的分割

    Figure  3.  Brain white matter segmentation results in IBSR20 datasets

    图  BrainWeb数据集5种方法关于Dice系数对比的点线图

    Figure  4.  Dice coefficient dot line graphs of five methods in BrainWeb datasets

    图  2个数据集5种方法Dice、Jaccard系数柱状对比

    Figure  5.  Dice and Jaccard coefficient bar graphs of five methods in two datasets

    表  1  5种分割方法5种指标的白质分割评估结果

    Table  1.   Brain white matter segmentation results in five kinds of methods

    数据集 方法 Dice系数 Jaccard系数 敏感性 特异性 时间/s
    Brainweb CV 0.70 0.54 0.99 0.17 17.80
    Otsu 0.68 0.51 0.99 0.06 0.17
    Fclsm 0.80 0.66 0.84 0.90 9.04
    Lif 0.71 0.55 0.98 0.22 42.48
    CVO 0.83 0.71 0.84 0.97 26.37
    IBSR20 CV 0.60 0.43 0.89 0.06 17.80
    Otsu 0.60 0.43 0.90 -0.03 0.17
    Fclsm 0.46 0.30 0.50 0.82 8.01
    Lif 0.60 0.42 0.88 0.06 42.48
    CVO 0.65 0.48 0.70 0.85 26.37
    IBSR18 CV 0.54 0.37 0.92 -0.43 16.93
    Otsu 0.20 0.11 0.25 0.50 0.18
    Fclsm 0.66 0.49 0.66 0.99 9.45
    Lif 0.53 0.36 0.89 -0.32 47.21
    CVO 0.68 0.51 0.72 0.88 21.45
    下载: 导出CSV
  • [1] SALEHA M, MUHAMMAD S, AFIFA M, et al.A survey on medical image segmentation[J]. Current Medical Imaging Reviews, 2015, 11(1): 3-14.
    [2] CHAIRA T, PANWAR A.An atanassov’s intuitionistic fuzzy kernel clustering for medical image segmentation[J]. International Journal of Computational Intelligence Systems, 2014, 7(2): 360-370.
    [3] MA Y Z, CHEN J X. A new medical image segmentation method based on Chan-Vese model[J]. Applied Mechanics & Materials, 2014, 513/514/515/516/517: 3750-3756.
    [4] GHOSH P, MITCHELL M, TANYI J A, et al.Incorporating priors for medical image segmentation using a genetic algorithm[J]. Neurocomputing, 2016, 195: 181-194.
    [5] LI B N, CHUI C K, CHANG S, et al.Integrating spatial fuzzy clustering with level set methods for automated medical image segmentation[J]. Computers in Biology & Medicine, 2011, 41(1): 1-10.
    [6] ZHANG K, SONG H, ZHANG L, et al.Active contours driven by local image fitting energy[J]. Pattern Recognition, 2010, 43(4): 1199-1206.
    [7] ZHANG R G, LIU X J, DONG L, et al.Superpixel graph cuts rapid algorithm for eextracting object contour shapes[J]. PR&AI, 2015, 28(4): 344-353. (in Chinese)
    [8] TONY F, LUMINITA A.Active contours without edges[J]. IEEE Trans on Image Processing, 2001, 10(2): 266-277.
    [9] OTSU N.A threshold selection method from gray-level histograms[J]. IEEE Transactions on System Man and Cybernetic, 1979, 9(1): 62-66.
    [10] ARRIAGA-GARCIA E F, SANCHEZ-YANEZ R E, GARCIA-HERNANDEZ M G. Image enhancement using bi-histogram equalization with adaptive sigmoid functions[J]. International Conference on Electronics, 2014, 24(5): 28-34.
    [11] McGill University. Montreal Neurological Institue. Mcconnell Brain Imaging Ceutre. BrainWeb[EB/OL].[2016-03-09]. http://brainweb.bic.mni.mcgill.ca/brainweb. http://brainweb.bic.mni.mcgill.ca/brainweb.
    [12] Massachusetts General Hospital.Center for Morphometric Analysis. The Internet brain segmentation repository (IBSR)[EB/OL].[2016-02-02]. http://www.cma.mgh.harvard.edu. http://www.cma.mgh.harvard.edu.
    [13] KAZEMI K, NOORIZADEH N.Quantitative comparison of SPM, FSL, and Brainsuite for brain MR image segmentation[J]. J Biomed Phys Eng, 2014, 4(1): 13-26.
  • 加载中
图(5) / 表(1)
计量
  • 文章访问数:  115
  • HTML全文浏览量:  115
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-05-31
  • 网络出版日期:  2022-09-13
  • 刊出日期:  2017-02-01

目录

    /

    返回文章
    返回