科研成果详情

本发明公开了一种基于空间混合模型的颅脑磁共振图像分割方法,包括：对输入的颅脑磁共振图像进行预处理,得到剔除非脑部组织后的图像；将预处理后的图像数据转换成行向量作为输入向量；对向量化后的图像数据利用基于空间关系的Inverted Dirichlet混合模型进行建模,并采用k-means方法进行模型的初始化；采用贝叶斯变分推导技术估算混合模型的相关参数；通过计算后验概率从而确定各个像素点的所属类别,并得到新的标签向量；将标签向量作为输出向量并转换成灰度矩阵,从而得到最终的分割结果。本发明的技术方案对颅脑磁共振图像的分割效果出色、鲁棒性强,能够提高医学影像诊断的准确性。

主权项：

1.一种基于空间混合模型的颅脑磁共振图像分割方法,其特征在于,包括：对待分割的原颅脑磁共振图像进行预处理操作：利用分水岭算法去除非脑部组织,获得预处理图像；将所述预处理图像转换成行向量；采用K-means方法对所述行向量进行初始聚类,并设置聚类数K＝3,分别表示灰质、白质和脑脊液；基于空间关系的Inverted Dirichlet混合模型对行向量建立模型,并将所述行向量作为建立模型的输入向量；利用贝叶斯变分推导方法计算所述建立模型的参数；利用贝叶斯最大后验概率准则得到输入向量对应的标签向量的后验概率矩阵；将后验概率矩阵转换成标签向量,然后转换成与原颅脑磁共振图像相同的矩阵形式,得到最终分割结果；所述标签向量表示所述预处理图像中某一像素点属于白质、灰质或脑脊液的概率；基于空间关系的Inverted Dirichlet混合模型对向量数据建立的模型用如下方式表示：  其中,K为3；ξ_ij表示第i个像素属于第j类的概率,即第i个像素点属于白质、灰质以及脑脊液的概率；表示对应的参数,其定义如下：  其中,表示输入向量,即所述行向量；D表示数据的维度大小；0≤X_il≤∞。