基于差分搜索优化最大类间方差的脑组织分割方法

摘要：

目的 研究一种基于差分搜索的最大类间方差法,寻找多阈值对脑部磁共振图像进行有效分割.方法 通过BET(brain extraction tool)算法去除原始磁共振图像的非脑组织部分,使用BFC(best-fit with coalescing)算法去除强度不均匀性,使用差分搜索算法对图像进行最大类间方差寻优,找出最优阈值,从而对磁共振图像进行多阈值分割.使用BrainWeb提供的仿真磁共振脑部图像数据对方法进行验证.结果 对于不同噪声水平、强度不均匀性条件下的磁共振图像,所提出的基于差分搜索的最大类间方差法的分割效果均优于脑功能磁共振成像软件库(FSL)、统计参数图(SPM)和Brainsuite方法.结论 基于差分搜索的最大类间方差法有较好的分割精度与强健性,尤其对脑脊液有很好的分割效果.

关键词：磁共振图像、差分搜索、图像分割、多阈值、最大类间方差

所属期刊栏目：42

分类号：TP3;TN9

资助基金：国家自然科学基金81560296;云南省应用研究基础计划项目2017FB097National Natural Science Foundation of China81560296;Applied Fundamental Research Project of Yunnan Province2017FB097

在线出版日期：2020-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：409-413,440