融合高斯混合模型的测地线脑肿瘤分割方法.pdf

《融合高斯混合模型的测地线脑肿瘤分割方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第40卷第2期计算机工程2014年2月Vbl_40NO．2ComputerEngineeringFebruary2014·图形图像处理-文章编号：100o__3428(20l4)02—Il256-__03文献标识码：A中图分类号：TP911．73融合高斯混合模型的测地线脑肿瘤分割方法杨红吉占，赵立辉(1．北京理工大学计算机学院，北京100081；2．辽宁工业大学电气工程学院，辽宁锦州121001)摘要：脑肿瘤分割是计算机辅助脑病诊断的基础。为提高脑肿瘤分割精度，提出一种融合高斯混合模型的测地线脑肿瘤分割方法。根据相邻2个像素点间互相到达时问构造

2、离散且带有权重的网格图，通过高斯混合模型估计每个像素点属于目标物体的罚度，并融合高斯混合模型的概率密度差异表示区域属性与边缘属性构成能量函数，利用快速最短路径算法求解前景与背景间的测地线距离，并根据该距离最小化能量函数，得到脑肿瘤的分割结果。利用10组脑部核磁共振图像数据对算法进行评估，结果表明，该算法分割结果与金标准的重叠率在0．60-0．85之间，可有效避免局部最优解的情况，对非匀质区域具有较好的分割效果。关键词：测地线距离；高斯混合模型；期望值最大化算法；最短路径快速算法；脑肿瘤图像；图像分割BrainTumorSegmentationM

3、ethodUsingGeodesicCombinedwithGaussianMixedModelYANGHong-zhe．ZHAOLi-hui(1．SchoolofComputer，BeijingInstituteofTechnology,Beijing100081，China；2．SchoolofElectricEngineering，LiaoningUniversityofTechnology,Jinzhou121001，China)[Abstract]Braintumorsegmentationplaysanimportroleincom

4、puter-aideddiagnosis．Inordertoimprovetheprecisionofbraintumorsegmentation，thispaperproposesabraintumorsegmentationmethodusinggeodesiccombinedwithGaussianMixedModel(GMM)．Adiscreteweightedgraphwhichtheedge—weightspresentthearrivaltimebetweentheneighborsisconstructed，thepenaliz

5、ationthatthepixelbelongstothetargetobjectiscomputed．Thecostenergyfunctionconsistsoftheregionandedgeterms．Thegeodesicdistanceiscomputedbyusingtheshortestpathfastalgorithm．Thebraintumorisdetectedbytheminimizingtheenergyfunctionaccordingtothegeodesic．distance．Thealgorithmistest

6、edontensetsofMRimagedatasetsandtheoverlapvaluesbetweenthesegmentationresultoftheproposedalgorithmandthegroundtruthis0．60-0．85．Experimentalresultsillustratethatthealgorithmcanreducethelocalminimizationandithashigheficiencyinheterogeneousregions．【Keywords】geodesicdistance；Gaus

7、sianMixedModel(GMM)；ExpectationMaximization(EM)algorithm；theshortestpathfastalgorithm；braintumorimage；imagesegmentationD0h10．3969~．issn．1000—3428．2014．02．055少局部边缘信息J。为了融合基于边缘与基于区域算法的优1概述点，文献【6-8]提出混合边缘和区域项的水平集方法来提高近年来，脑肿瘤的发病率呈上升趋势，稳定可靠的脑分割的准确性。相对于连续的求解方法，最近很多新能量肿瘤分割和定位方法对图像辅

8、助诊断、治疗具有重要意义。框架被提出，连续的问题被约等于一个离散网格，用图论大量的研究文献提出很多肿瘤分割算法，大致分为2类：理论求解全局能量最小化。