一种新的舌癌图像快速自动分割方法

发布时间：2021-09-19 04:15

　　目的:研究一种新的舌癌图像自动分割算法以实现对舌癌肿瘤的快速准确分割。方法:通过引入一种基于局部均方差的自适应尺度算子实现演化曲线在演化过程中的自动调整,从而更高效率地向真实目标边界运动,并且克服舌癌肿瘤图像中目标边界不清和图像灰度不均匀等不良因素带来的影响。此外,为加快曲线的收敛速度,本文提出了一种新的能量项评估演化曲线轮廓内部和轮廓外部区域灰度的分布差异,以此引导曲线自适应地调整演化速度,减少完成分割任务所需的迭代次数。结果:使用本方法对22幅舌癌肿瘤MRI图像进行分割,分割结果与真实结果之间的重叠率Dice值为0.82,豪斯多夫距离HD值为1.732 mm。结论:将本文算法与其它现有的几种活动轮廓模型进行定性和定量对比分析,实验结果表明本文算法在对细节及弱边缘灰度的处理上表现更加优异,可用于舌癌肿瘤的精确分割,为临床分析提供辅助信息。 

【文章来源】：中国医学物理学杂志. 2020,37(08)CSCD

【文章页数】：8 页

【部分图文】：

目标边界和演化曲线边界数据分布关系图

共收集了22幅舌癌肿瘤的MRI图像，其中包含5幅冠状面成像和17幅横断面成像。使用本文所提出的ASLSD模型对该数据集进行分割，并将结果与一些典型的活动轮廓模型进行比较。此外，通过将ASLSD结果与未引入局部均方差的结果进行比较，以此评估ASLSD模型的性能。在本文中采用两个广泛使用的指标：重叠率（Dice）和豪斯多夫距离（HD），进一步定量评估各模型的分割性能。本文实验是在IntelRCoreTM3.60 GHz CPU、8.0 GB RAM的PC机上使用Matlab R2017b平台实现的。2.1 与未引入均方差模型分割结果的比较

为验证本文模型在分割舌癌肿瘤图像上的优越性，将ASLSD模型分别与DRLSE、LBF、RSF模型比较，图5显示了不同模型调整到最优参数后的分割结果，不同行代表对不同MRI图像的分割结果。a为医生勾画肿瘤区域的金标准；b、c、d、e分别对应DRLSE模型[8]、LBF模型[7]、RSF模型[12]和本文所提出ASLSD模型的分割结果；f为各模型分割结果的重叠显示。从f图可以看出，与金标准轮廓最接近的是本文所提出的ASLSD模型。DRLSE模型在对一些灰度不均匀和边界模糊的区域，并没有实现准确的分割，其分割结果未包含所需要分割的全部目标区域。LBF模型的分割结果相对DRLSE模型在灰度不均匀区域的分割方面性能更好，但是对于边界模糊的区域其最终的演化曲线并没有停留在目标区域真实边界上。RSF模型也没有克服灰度不均匀和边界模糊带来的不良影响，其分割结果大部分都包含了非目标区域。本文所提出的ASLSD模型对目标均进行了准确分割，且在模糊边缘的处理上保持鲁棒。图4 引入LMD前后LVD1的变化曲线及分割过程中LVD1、LVD2的变化曲线


本文编号：3400995