廖 苗 赵于前 曾业战 黄忠朝 邹北骥



基于图割和边缘行进的肝脏CT序列图像分割

廖 苗①赵于前*①②曾业战①黄忠朝①邹北骥②

①(中南大学地球科学与信息物理学院 长沙 410083)②(中南大学信息科学与工程学院 长沙 410083)

提出一种新的基于图割和边缘行进的腹部CT序列图像肝脏分割方法。首先，针对输入序列的数据特征，建立肝脏亮度和外观模型，突出肝脏区域抑制非肝脏区域；然后，将肝脏亮度、外观模型以及相邻切片之间的位置信息有效融入图割能量函数，实现CT序列肝脏的自动初步分割；最后，针对血管欠分割问题，提出了一种基于边缘行进的结果优化方法。通过对XHCSU14和SLIVER07数据库提供的30个病人肝脏序列的分割实验，以及与其他多种肝脏分割方法的比较，表明该方法能完整有效地分割肝脏，准确性高，鲁棒性强。

医学图像分割；图割；边缘行进；高斯拟合；主成分分析

1 引言

从腹部CT序列图像中准确完整地分割肝脏是实现肝脏疾病辅助诊断和术前规划的前提。目前，肝脏分割方法一般可分为基于图像和统计模型两大类。单纯基于图像的分割方法是指运用图像亮度、梯度或纹理等可直接从图像中获取的信息进行分割的方法，主要包括阈值、聚类[1]、区域生长[2,3]、活动轮廓模型[4,5]和图割[6,7]等。文献[1]提出运用阈值、形态学操作、K-means聚类和多层感知神经网络(Multi-Layer Perceptron Network, MLP)对肝脏进行分割。文献[2]提出了一种基于区域生长的肝脏CT图像分割方法，通过运用拟蒙特卡洛(Quasi-Monte Carlo)算法获取感兴趣区域的种子点和设计区域生长准则。……