基于高斯_马尔科夫随机场模型的脑血管分割算法研究.pdf

《基于高斯_马尔科夫随机场模型的脑血管分割算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第36卷第9期电子与信息学报Vol.36No.92014年9月JournalofElectronics&InformationTechnologySept.2014基于高斯-马尔科夫随机场模型的脑血管分割算法研究①①*①①①①②曹容菲张美霞王醒策武仲科周明全田沄刘新宇①(北京师范大学信息科学与技术学院北京100875)②(中国科学院计算技术研究所北京100190)摘要：由于脑血管具有分枝众多、形态细小以及位置特殊和形态复杂等特性，在医学图像中精确地提取脑血管成为一项比较棘手的问题。该文提出了一种新颖的统计学分割方法，有效地实现了脑血管的精确分割。首先，充分利用各血管像素的空间邻域信息，

2、将马尔科夫随机场信息加入到统计学模型的方法中，提出了新的马尔科夫统计模型；然后，利用随机期望最大化(StochasticversionsoftheExpectationMaximization,SEM)算法来对统计模型中的多个参数进行估计，寻找最优解，进而实现了脑血管的3维分割。实验结果表明，该方法不仅能够分割出较大的血管分支，而且因其考虑了血管邻域信息，对细小血管的分割也有较好的效果，因此对脑血管疾病的临床预防和诊断具有深远的意义。关键词：脑血管分割；马尔科夫随机场；统计模型；随机期望最大化算法中图分类号：TP391;R445.2文献标识码：A文章编号：1009-5896(2014)

3、09-2053-08DOI:10.3724/SP.J.1146.2013.01534ANovelCerebrovascularSegmentationAlgorithmBasedonGauss-MarkovRandomFieldModel①①①①CaoRong-feiZhangMei-xiaWangXing-ceWuZhong-ke①①②ZhouMing-quanTianYunLiuXin-yu①(CollegeofInformationScienceandTechnology,BeijingNormalUniversity,Beijing100875,China)②(Institut

4、eofComputingTechnology,ChineseAcademyofScience,Beijing100190,China)Abstract:Inordertosolvethethornycerebrovascularsegmentationproblemsaboutcerebralvesselsofmanybranches,smallshape,specialpositionandcomplexpatterns,thispaperpresentsanovelstatisticalmethodtoachieveeffectivelytheaccuratesegmentatio

5、nofcerebralvessels.Firstly,theMarkovrandomfieldinformationisaddedtothestatisticalmodelwhichmakesthefulluseofthespatialneighborhoodinformationofeachpixelandanewMarkovstatisticalmodelisproposed;thenStochasticversionsoftheExpectationMaximization(SEM)algorithmisusedtoestimateparametersoftheMarkovmod

6、elandtheoptimalsolutionisfound,whichfinishesthethree-dimensionalcerebrovascularsegmentation.Experimentalresultsshowthattheproposedmethodcannotonlysegmentthelargevesselbranches,butalsohaveagoodeffectonsmallvesselssegmentationbecauseofconsideringneighborhoodinformationofeachpixel.Therefore,theprop

7、osedmethodalsohasthefar-reachingsignificancetotheclinicalpreventionanddiagnosisofcerebrovasculardiseases.Keywords:Cerebrovascularsegmentation;MarkovRandomField(MRF);Statisticalmodel;StochasticversionsoftheExpectationMaximiza