基于動態(tài)增強(qiáng)核磁共振時(shí)間序列腎臟圖像的動態(tài)輪廓分割.pdf

1、越來越多的人受到腎臟疾病的困擾，而臨床醫(yī)生需要各類腎臟組織參數(shù)來評估疾病的嚴(yán)重程度。腎臟體積作為其中重要的一項(xiàng)，用來估計(jì)潛在的合適的腎臟捐贈者，表示機(jī)體殘余容量等。因而腎臟的分割很重要。除了耗時(shí)耗力的手動勾勒組織輪廓之外，計(jì)算機(jī)輔助的非模型與基于模型的算法極大地簡化了分割圖像提取輪廓的過程。
　　本文中，基于三維的動態(tài)增強(qiáng)的腎臟核磁共振時(shí)間序列數(shù)據(jù)，我們實(shí)現(xiàn)了一種全自動的基于模型的分割算法來得到每一層切片的腎臟輪廓，繼而得到每一個(gè)

2、三維數(shù)據(jù)的腎臟體積的估計(jì)值。
　　普通的單一腎臟核磁共振圖像中，皮層、髓質(zhì)與骨盆的部分會由于體液含氫的濃度相近而導(dǎo)致較低的對比度。在注入某種造影劑之后，它隨著時(shí)間分別進(jìn)入皮層、髓質(zhì)與骨盆，最后經(jīng)由尿道排出。造影劑改變了信號強(qiáng)度，所以腎臟時(shí)間序列圖像在皮層、髓質(zhì)與骨盆部分會隨著時(shí)間而呈現(xiàn)不同的灰度值變化，從而增強(qiáng)了圖像的對比度。
　　基于這種特性，我們采用了k均值（k-means）的聚類算法將腎臟分成了皮層、髓質(zhì)骨盆與背景三個(gè)

3、部分，并經(jīng)過后續(xù)處理得到了腎臟的初始外圍輪廓，它在參數(shù)化離散“動態(tài)輪廓”模型作用下，逐漸變形并最終?？吭谡_的腎臟輪廓位置上。在動態(tài)輪廓模型中，我們移除了所謂的“連續(xù)性”能量成分，添加了兩個(gè)距離圖像的能量成分，目的是確保最終的輪廓能盡可能地貼近正確的位置。
　　我們測試了八個(gè)腎臟體數(shù)據(jù)，相對于手動勾勒的結(jié)果，我們的算法得到的腎臟體積估計(jì)值在四個(gè)左腎臟數(shù)據(jù)的偏離率分別是6.14％，5.05%，8.04%和6.40%，在四個(gè)右腎臟數(shù)據(jù)