基于CV模型的肝脏核磁共振序列图像自动分割方法

北部战区总医院 放射及核医学科，辽宁 沈阳 110055

引言

图像处理过程中图像分割具有重要作用，通过将图像中感兴趣部分提取，有助于后续图像数据分析。医学图像分割在患者精确量化诊断中发挥着关键性作用，因此对感兴趣部位做到快速、准确提取，对患者来说具有重要意义。但大部分医学图像结构相对复杂，并且其灰度差异较小，采取传统的分割方法提取图像的效果不理想[1]。无边缘主动轮廓（Chan-Vese，CV）模型是一种较为经典的模型，主要是根据图像全局信息，在目标、背景两个不同均值区域对比度图像分割过程中发挥着重要作用，通过探测图像模糊、离散边缘，在噪声干扰应用中具有较强的适应性[2-3]。CV模型以定位边界的方式选择图像全局信息，其缺点体现在复杂场景中计算效率相对较低，造成能量函数加权因子调节困难，具有局限性。李淑玲[4]研究指出，CV模型在灰度不均匀、边界不明显、噪声多等医学图像分割中效果不理想。肝脏图像变化较复杂，不同肝脏MR图像灰度特征存在不同的表现，因为组织、器官等灰度特征不具有单一性，成为腹部医学图像肝脏分割研究的难点[5]。CV模型改进引入轮廓线图像局部信息，在图像目标边缘处控制曲线演化，减少迭代次数，促进轮廓收敛效能提高[6]。本文旨在研究基于CV模型的肝脏核磁共振序列图像自动分割方法，为临床医学图像分割选择理想的方法提供理论依据。

1 基本原理

1.1 传统CV模型

CV模型属于一种经典的活动轮廓模型，以曲线演化和水平集方法为基础，将活动轮廓线间接表达为水平集函数的零水平集形式。……