基于多图谱主动形状模型的DTI分割算法

【摘要】：图像分割是将感兴趣区域提取出来,使其尽可能接近真实结构,为图像分析提供依据。对于脑部扩散张量磁共振图像(DT-MRI,简称DTI),由于其解剖结构类型多、形状不规则、灰度差异小且数据量大,传统分割方法在利用底层数据信息进行分割时难以达到理想的分割效果。此时,引入专家手动分割的形状先验信息将能够简化分割问题。为此,提出了一种基于多图谱主动形状模型(Multi-AtlasActive Shape Model,简称MA-ASM)的DTI分割算法,将多图谱中多个受试者的分割区域形状作为训练集,在训练集的每个形状上标出能够表达目标区域边界的特征点。之后,对所有的形状进行对齐,获得对齐形状的统计信息,建立统计形状模型,然后分析训练集中每个形状的灰度信息,建立局部灰度纹理模型。对待分割图像进行目标区域搜索时,通过计算特征点的调整量,并更新形状参数和姿态参数,重复迭代,直到形状轮廓不再变化。该算法既保留了多图谱底层灰度信息,同时将多图谱的目标形状先验信息引入主动形状模型,从而实现有效分割。仿真实验对20个受试者的7个部位进行分割,实验结果表明,与传统基于多图谱的STAPLE(SimultaneousTruth Performance Level Estimation)算法相比,基于MA-ASM的DTI分割算法主观视觉效果更加光滑,分割结果重叠率更高、误检率更低。