《一种基于主动轮廓模型分割乳腺DCEMRI病灶的方法.pdf》由会员分享，可在线阅读，更多相关《一种基于主动轮廓模型分割乳腺DCEMRI病灶的方法.pdf（13页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103337074 A (43)申请公布日 2013.10.02 CN 103337074 A *CN103337074A* (21)申请号 201310247617.9 (22)申请日 2013.06.18 G06T 7/00(2006.01) (71)申请人 大连理工大学 地址 116024 辽宁省大连市凌工路 2 号大连 理工大学专利中心 (72)发明人 刘惠 柳怡萍 (74)专利代理机构 大连理工大学专利中心 21200 代理人 赵连明 (54) 发明名称 一种基于主动轮廓模型分割乳腺 DCE-MRI 病 灶的方法 (57) 摘要 一种基于主动轮廓模型分割乳腺。
2、 DCE-MRI 病 灶的方法， 属于医学图像分割领域， 包括由 MRI 扫 描设备获取乳腺 DCE-MRI 影像序列数据， 人工选 取感兴趣区域、 自动获取减影后感兴趣体积、 主动 轮廓分割病灶和可视化显示病灶。本发明充分利 用乳腺 DCE-MRI 影像背景统计分布一致病灶内部 分布多样这一特点设计主动轮廓模型的边缘停止 函数， 实现了病灶的可靠分割， 有效地避免了边界 泄漏现象。模型演化过程中无需重新初始化符号 距离函数， 使系统的实时性更高。 本发明的实施对 人工操作要求低、 智能化程度高、 数据存储空间的 需求量低、 处理速度快， 并且三维角度的分割可以 有效获得病灶全面立体的空间信息。
3、， 方便医生多 角度观察分析病灶。 (51)Int.Cl. 权利要求书 2 页 说明书 6 页 附图 4 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书6页 附图4页 (10)申请公布号 CN 103337074 A CN 103337074 A *CN103337074A* 1/2 页 2 1. 一种基于主动轮廓模型分割乳腺 DCE-MRI 病灶的方法， 由 MRI 扫描设备获取乳腺 DCE-MRI 影像序列数据， 影像预处理工作站对影像序列进行筛选， MRI 影像存储服务器保存 所有被检查者的影像序列， 由 MRI 影像后处理工作站从影像存储服务器获。
4、取待处理的影像 序列进行分析和计算得到病灶分割结果并显示在 MRI 影像后处理工作站的计算机显示屏 上 ； 其特征在于， 在 MRI 影像后处理工作站中设置有人工选取感兴趣区域模块、 自动获取 减影后感兴趣体积模块、 主动轮廓模型分割病灶模块和可视化显示病灶模块， 具体方法如 下 ： 步骤一、 在人工选取感兴趣区域模块中， 人工选取感兴趣区域模块接收从 MRI 影像存 储服务器传来的待分割乳腺 DCE-MRI 影像序列， 在可以自由浏览选择乳腺 DCE-MRI 影像序 列的交互式环境下操作者在增强后的影像序列中选择病灶增强明显的一帧断层影像， 利用 可以调节大小的矩形窗选取包含目标病灶的感兴趣。
5、区域， 由系统自动记录所选断层影像在 整个影像序列中的位置以及感兴趣区域在所选断层影像中的位置 ； 步骤二、 在自动获取减影后感兴趣体积模块中， 利用步骤一中记录的人工选取的断层 影像位置， 结合待分割乳腺 DCE-MRI 影像序列中每个时相的扫描层数自动确定在哪些断层 影像序列上进行感兴趣区域的提取， 然后， 在所选的断层影像序列中， 依据记录的感兴趣区 域位置， 自动获得感兴趣区域序列， 获得感兴趣区域序列后， 利用各时相增强后的感兴趣区 域序列减增强前序列再取平均值得到减影后的感兴趣体积， 即分割算法实际处理的体数 据 ； 步骤三、 在主动轮廓模型分割病灶模块中， 对步骤二获得的减影后的。
6、感兴趣体积利用 Gamma 分布建模影像背景分布， 采用水平集理论实现主动轮廓模型方法进行病灶分割， 分割 算法的流程如下 ： 1) 向计算机输入待分割数据， 水平集函数 初始化成二值函数 0如下所示 ： 其中， c 0 是一个常数， 通常为 1, 影像表示影像区域， 0影像表示影像区域 的 子集，表示 0的边界 ； 2) 设置迭代阈值 即 t+1-t ， 取很小的数， 高斯核 G的参数， 置初始迭代 次数 t 0 ； 3) 设置累积分布概率 p， p 的范围一般取 0.951 ； 4) 利用) 估计 Gamma 分布的尺度参数 t和利用 估 )A 计 2lGoagmma 分布的形状参数 t，。
7、 其中， I(x,y,z) 表示减影后感兴趣体积函数， background表示感兴趣体 积的背景区域， A 为 background区域内的体素个数 ； 5) 利用p 计 算边缘停止阈值 tht， 其中 权 利 要 求 书 CN 103337074 A 2 2/2 页 3 是 Gamma 累积分布函数 ； 6) 利用计算边缘停止函数 bdspft(I) ； 7) 根据更新水平集函数， 其中 为一常数用以加快演化速度 ； 8) 判断是否满足收敛条件， 如果满足则停止迭代， 输出分割结果， 否则转向步骤 9） ， 若 演化曲面越界则转向步骤 3） 重新设置累积分布概率 ； 9) 重设水平集函数 。
8、t， 如果 t 0， t c， 否则 t -c ； 10) 使用高斯核 G光滑水平集函数 t， 即 G*t转向步骤 4） ； 步骤四、 在可视化显示病灶模块中， 利用步骤三得到的病灶分割结果在原始断层影像 上标记病灶， 利用表面绘制算法生成病灶的三维立体图像， 并将二维和三维结果显示在计 算机屏幕上供放射科医师分析、 或存储到硬盘上供其它影像分析软件进行进一步分析。 权 利 要 求 书 CN 103337074 A 3 1/6 页 4 一种基于主动轮廓模型分割乳腺 DCE-MRI 病灶的方法 技术领域 0001 本发明涉及医学影像分割技术领域， 特别涉及一种基于水平集理论的快速可靠分 割乳腺动。
9、态对比增强磁共振影像序列中三维病灶的主动轮廓模型方法。 背景技术 0002 近年来， 乳腺 DCE-MRI 扫描已经成为一种检测乳腺疾病最具潜力的影像技术之 一， 在早期乳腺癌的临床诊断和医学研究中发挥着重要的作用。同时， 基于 DCE-MRI 的计算 机辅助诊断 （computer aided diagnosis,CAD） 系统因其能够检出病灶继而生成有意义的 诊断建议， 能够辅助放射科医师提高诊断效率减轻诊断工作量， 已被逐渐应用到临床实践 中。 精确可靠的病灶分割不仅标志着病灶的检出， 而且制约其后形态学特征、 纹理特征和血 流动力学特征提取的精度进而影响诊断结论的正确性， 因此病灶分割。
10、是 CAD 的基础环节。 临床中， 医师通常依据经验手工分割病灶， 该过程繁琐、 存在主观性、 可重复性差， 且不易实 现三维分割也无法形成病灶完整的空间立体表示， 所以实现高效的乳腺 DCE-MRI 三维病灶 分割功能以提高 CAD 系统的可操作性及诊断性能势在必行。 0003 由于主动轮廓模型对具有噪声和边界间隙的图像具有较强的鲁棒性， 可得到光 滑连续的目标边界， 且边界表达能够达到亚像素级精度等特点被广泛应用于解决乳腺 DCE-MRI 病灶分割问题。其中， Jiazheng Shi 等人在他们乳腺肿瘤治疗反馈估计的研究中， 将模糊 C 聚类和水平集方法结合来分割病灶， 模糊 C 聚类获。
11、得演化初始轮廓并作为一项外 力来控制水平集演化。L.Bahreini 等人利用梯度矢量流方法分割二维乳腺病灶， 梯度矢量 流是一种参数主动轮廓模型， 分割过程需调节大量参数， 因此若应用于临床， 将对人工理论 知识要求较高。 Shannon C.Agner等人提出了一种混合主动轮廓模型方法分割二维病灶， 该 算法结合流形学方法将图像空间转换到谱空间以改善病灶在原始空间中边缘模糊的问题， 由于计算谱空间中的张量梯度耗时长， 会限制其处理复杂影像的实时性。 此外， 多数基于主 动轮廓模型的方法中为了保证算法数值计算的稳定性， 曲线或曲面演化过程中需要重复进 行符号距离函数初始化工作， 耗时长， 这。
12、很大程度上限制了算法的实时性应用。 0004 总结目前动态对比增强乳腺磁共振影像病灶的分割研究， 可发现存在以下几个难 点 ：（1） 病灶与正常组织毗邻， 且病灶边界存在模糊， 若不能有效区分， 分割容易引起边界 泄漏现象 ；（2） 病灶内部灰度分布多样， 这是进行病灶分期及诊断的有效信息， 不具有一致 的统计特征， 常规建模往往不能涵盖病灶的全面情况 ；（3） 病灶形状多样， 无法利用基于先 验形状的方法对其进行分割 ；（4） 为获得病灶全面立体的空间信息， 三维角度分割十分必 要， 然而 DCE-MRI 影像数据量大， 不合理的分割过程会造成分割运算的时间长效率低。因此 在考虑病灶多样性分。
13、布并有效建模正常组织基础上， 进行病灶三维快速自动分割系统的研 究是非常必要的。 0005 鉴于上述原因， 本发明统计分析了影像中病灶周围正常组织的灰度分布和病灶内 部的灰度分布， 发现 ： 病灶周围正常组织灰度分布具有一致性而病灶内部灰度分布多样。 这 一 DCE-MRI 影像表征的统计分析结果与病理学解释相吻合 ： 乳腺癌 DCE-MRI 扫描的病理学 说 明 书 CN 103337074 A 4 2/6 页 5 基础研究指出， 肿瘤的生长依赖于肿瘤内血管的生成， 肿瘤内脉管系统往往比正常组织更 具有渗透性， 当对比剂进入静脉后， 会因为不同性质的肿瘤间血管的生成、 微血管密度、 肿 瘤内。
14、毛细血管的通透性和组织细胞外间隙的不同而在影像中反映出不同的灰度分布， 而正 常组织则不会具有这种多样的变化。在上述病理学研究的有力支持下， 我们发明了一种基 于乳腺 DCE-MRI 背景信息的主动轮廓模型方法分割乳腺三维病灶。 发明内容 0006 本发明提供了一种基于主动轮廓模型分割乳腺 DCE-MRI 病灶的方法， 所要解决的 技术问题是， 提供一种对操作者要求低、 分割病灶性能可靠、 基于水平集理论能够快速识别 乳腺 DCE-MRI 病灶边界的主动轮廓模型方法。该方法只需操作者在病灶增强明显的断层影 像中进行简单的框选操作， 之后便可由系统自动快速分割出病灶， 在二维断层影像上标记 病灶。
15、和三维可视化显示病灶。 0007 本发明的技术方案是 ： 由MRI扫描设备获取乳腺DCE-MRI影像序列数据， 影像预处 理工作站对影像序列进行筛选， MRI 影像存储服务器保存所有被检查者的影像序列， 由 MRI 影像后处理工作站从影像存储服务器获取待处理的影像序列进行分析和计算得到病灶分 割结果并显示在 MRI 影像后处理工作站的计算机显示屏上 ； 在 MRI 影像后处理工作站中设 置有人工选取感兴趣区域模块、 自动获取减影后感兴趣体积模块、 主动轮廓模型分割病灶 模块和可视化显示病灶模块。 0008 人工选取感兴趣区域模块， 用于接收从 MRI 影像存储服务器传来的待分割乳腺 DCE-M。
16、RI 影像序列， 操作者自由浏览该序列选择病灶增强明显的一帧断层影像框选包含病 灶的感兴趣区域， 并将所选断层影像和区域位置传送给自动获取减影后感兴趣体积模块。 0009 自动获取减影后感兴趣体积模块， 利用记录的人工选取的断层影像和感兴趣区域 位置自动获取减影后的感兴趣体积， 将感兴趣体积作为分割算法实际处理的体数据传送给 主动轮廓模型分割病灶模块。 0010 主动轮廓模型分割病灶模块， 采用本发明提供的基于影像背景信息利用水平集理 论设计的主动轮廓模型分割来自自动获取减影后感兴趣体积模块的体数据， 并将分割结果 传送给可视化显示病灶模块。 0011 可视化显示病灶模块， 用于将从主动轮廓模。
17、型分割模块获得的分割结果进行二维 标记和三维可视化显示， 并将结果显示在计算机屏幕上供放射科医师分析或存储到硬盘， 供其它影像分析软件进行进一步分析。 0012 具体方法如下 ： 0013 步骤一、 在人工选取感兴趣区域模块中， 人工选取感兴趣区域模块接收从 MRI 影 像存储服务器传来的待分割乳腺 DCE-MRI 影像序列， 在可以自由浏览选择乳腺 DCE-MRI 影 像序列的交互式环境下操作者在增强后的影像序列中选择病灶增强明显的一帧断层影像， 利用可以调节大小的矩形窗选取包含目标病灶的感兴趣区域， 由计算机自动记录所选断层 影像在整个影像序列中的位置以及感兴趣区域在所选断层影像中的位置。。
18、 0014 步骤二、 在自动获取减影后感兴趣体积模块中， 利用步骤一中记录的人工选取的 断层影像位置， 结合待分割乳腺 DCE-MRI 影像序列中每个时相的扫描层数自动确定在哪些 断层影像序列上进行感兴趣区域的提取， 然后， 在所选的断层影像序列中， 依据记录的感兴 说 明 书 CN 103337074 A 5 3/6 页 6 趣区域位置， 自动获得感兴趣区域序列， 获得感兴趣区域序列后， 利用各时相增强后的感兴 趣区域序列减增强前序列再取平均值得到减影后的感兴趣体积， 即分割算法实际处理的体 数据。 0015 步骤三、 在主动轮廓模型分割病灶模块中， 对步骤二获得的减影后的感兴趣体积 利用 。
19、Gamma 分布建模影像背景分布， 采用水平集理论实现本发明提出的主动轮廓模型方法 进行病灶分割， 分割算法如下 ： 0016 （1） 本发明对初始轮廓的要求较低， 采用二值水平集函数实现。 初始轮廓面的位置 可以根据减影后的感兴趣体积情况自适应调整， 初始轮廓面形状可以任意选取。初始水平 集函数为 ： 0017 0018 其中， c0是一个常数， 通常为1,表示影像区域， 0表示影像区域的子集， 表示 0的边界。 0019 （2） 考虑到影像背景的实际分布和乳腺癌 DCE-MRI 扫描的病理学基础， 以及两个 参数的分布如 Gamma 分布比一个参数的分布如 Rayleigh 分布或 Poi。
20、sson 分布对来自不同 设备的变化较大的影像数据有更好的适应性。本发明提出利用 Gamma 分布建模感兴趣体积 背景的灰度分布。设计新的边缘停止阈值 th 的计算公式如下 ： 0020 th F-1(p|,) th:F(th|,) p (2) 0021 其中是 Gamma 累积分布函数， 和 分别是 Gamma 分布的尺度参数和形状参数， 利用最大似然法结合 Choi 等人的理论估计 Gamma 分布 的参数， 得到的估计公式如下 ： 0022 0023 0024 其中， I(x,y,z) 表示减影后感兴趣体积函数， background表示感兴趣体积的背景区 域， A 为 backgrou。
21、nd区域内的体素个数。 0025 （3） 本发明提出的边缘停止函数 bdspf(I) 的设置公式如下 ： 0026 0027 bdspf(I) 又 可 称 为 基 于 影 像 背 景 分 布 的 符 号 压 力 函 数 （background distribution-based signed pressure function） ， 该函数利用影像区域信息满足归一化 的要求， 并且符号可正可负。 0028 （4）本发明提出的曲面演化函数是在测地线活动轮廓模型 （geometric active contour,GAC） 框架下重新设计的， 并结合 KaihuaZhang 等人的理论， 通过将。
22、新的边缘停止 说 明 书 CN 103337074 A 6 4/6 页 7 函数取代 GAC 水平集演化式中的边缘停止函数形成新的演化式如下 ： 0029 0030 其中， 为水平集函数， 为一常数用以加快演化速度。 0031 本发明提出的主动轮廓模型算法可采用 C 语言或其它计算机编程语言实现， 具体 可按照如下步骤进行 ： 0032 1) 向计算机输入待分割体数据， 水平集函数 初始化成二值函数 0如公式 （1） 所示， c 通常设置为 1 ； 0033 2) 设置迭代阈值 即 t+1-t ， 取很小的数， 设置高斯核 G的参数， 置 初始迭代次数 t 0 ； 0034 3) 设置累积分布。
23、概率 p， p 的范围一般取 0.951 ； 0035 4) 利用公式 （3） 估计 Gamma 分布的尺度参数 t和利用公式 （4） 估计 Gamma 分布 的形状参数 t； 0036 5) 利用公式 （2） ， 计算边缘停止阈值 tht； 0037 6) 利用公式 （5） 计算边缘停止函数 bdspft(I) ； 0038 7) 根据公式 （6） ， 更新水平集函数 ； 0039 8) 判断是否满足收敛条件， 如果满足则停止迭代， 输出分割结果， 否则转向步骤 9） ， 若演化曲面越界则转向步骤 3） 重新设置累积分布概率 ； 0040 9) 重设水平集函数 t， 如果 t 0， t c，。
24、 否则 t -c ； 0041 10) 使用高斯核 G光滑水平集函数 t， 即 G*t转向步骤 4） 。 0042 步骤四、 在可视化显示病灶模块中， 利用步骤三得到的病灶分割结果在原始断层 影像上标记病灶， 利用表面绘制算法生成病灶的三维立体图像， 并将二维和三维结果显示 在计算机屏幕上供放射科医师分析、 或存储到硬盘上供其它影像分析软件进行进一步分 析。 0043 本发明的有益效果是 ： 0044 本发明充分考虑了病灶多样性分布并对正常组织进行有效建模， 较好地解决了复 杂、 大数据量的乳腺 DCE-MRI 影像序列中三维病灶的分割问题。采用人工选取感兴趣区域 的操作可以排除具有明显亮度变。
25、化的心脏等组织器官对后续病灶分割过程的影响， 极大地 降低计算机处理的数据量， 加快计算机处理的速度。各时相影像序列间的减影操作可以简 化影像， 减弱有明显对比剂变化的大血管等结构的影响， 使影像背景简单病灶目标明确， 从 而降低病灶分割的复杂度。本发明提供的主动轮廓模型采用水平集理论实现， 水平集演化 函数简单， 轮廓演化过程中无需重复初始化符号距离函数降低了算法实现的难度， 减少耗 时， 增加了算法的实时性。 利用影像的背景信息设计驱动力可以排除由于病灶多样、 内部分 布不一致等因素造成的分割误差， 进而使得本发明能够准确识别病灶模糊边界， 避免边界 泄漏现象的产生， 分割可靠精度高。本发。
26、明的系统框架完整、 分割过程合理， 对所进行的每 一步处理都充分考虑了计算的复杂性和对数据存储空间的需求量， 使分割快速稳定。本发 明要求的人工操作简单、 智能化程度高。 附图说明 说 明 书 CN 103337074 A 7 5/6 页 8 0045 图 1 是本发明从获取影像数据到输出分割结果的流程图 0046 图 2 是本发明乳腺三维病灶分割系统模块的流程图 0047 图 3 是本发明主动轮廓模型算法实施的程序框图 0048 图 4 是本发明用不同初始轮廓分割乳腺 DCE-MRI 病灶的分割效果图 0049 图 5 是本发明用于乳腺 DCE-MRI 断层影像序列的分割效果图 0050 图。
27、 6 是本发明用于乳腺 DCE-MRI 三维病灶分割过程中表面绘制效果图 具体实施方式 0051 下面结合实例和附图对本发明的实现方法做进一步详细说明。 0052 为实施本发明提出的乳腺 DCE-MRI 三维病灶分割方法需要按照如图 1 所示的过 程， 从MRI扫描设备获取被检查者的乳腺MRI影像序列数据经影像预处理工作站筛选， 将筛 选后的数据保存到用来保存所有被检查者影像序列的 MRI 影像存储服务器中， 再由 MRI 影 像后处理工作站从 MRI 影像存储服务器获取待处理的影像序列进行分析和计算。MRI 影像 后处理工作站中的乳腺三维病灶分割系统构建包括人工选取感兴趣区域模块、 自动获取。
28、减 影后感兴趣体积模块、 主动轮廓模型分割病灶模块和可视化显示病灶模块。这些模块的工 作需要按照如图 2 所示的步骤进行 ： 0053 第 1 步， 接收从 MRI 影像存储服务器中传来的某位被检查者的待分割的乳腺 DCE-MRI 影像序列， 根据实际情况， 获取的乳腺 DCE-MRI 三维影像序列的扫描时相数一般为 7-9 个时相， 每个时相可能包含 76-184 幅断层影像。也就是说至少会有 500 张左右的断层 影像需要处理。 0054 第 2 步， 考虑到待处理影像巨大的数据量， 以及存在大量的冗余信息， 并且为了 简化操作， 降低处理对象的复杂度， 采用人工选取感兴趣区域的方式。在交。
29、互式操作环境 下， 操作者浏览增强后的影像序列， 选择病灶动态增强明显的断层影像， 在此断层影像中框 选出包含病灶的感兴趣区域。矩形窗大小可根据具体情况调节。在实例分割中我们选择 8080 像素 （该尺寸远大于病灶的大小） 固定大小的矩形窗。计算机自动记录该断层影像 在整个序列中的位置和人工选取的感兴趣区域在断层影像中的位置， 如被选取的感兴趣区 域位于第 4 增强时相第 100 帧影像从左上角坐标 （301， 301） 到右下角坐标 （380， 380） ， 在此 采用图像坐标。 0055 第 3 步， 考虑到早期乳腺癌病灶比较小、 MRI 存在容积效应， 使得病灶在同一时相 仅可见于几幅断。
30、层影像， 例如图 5 第二行良性病灶仅可见于 6 帧断层影像。计算机根据每 个时相扫描的层数以及人工选取感兴趣区域影像所在的位置自动确定对哪些断层影像进 行分割。计算机根据记录感兴趣区域位置， 自动计算出所选断层影像序列所有该位置的感 兴趣区域序列。对获得感兴趣序列进行减影操作。所采用的方式是将各时相增强影像序列 取平均， 再减去增强前影像序列， 得到减影序列， 即包含病灶的感兴趣体积。 0056 第 4 步， 利用主动轮廓模型算法分割包含病灶的感兴趣体积提取病灶， 程序流程 如图 3 所示。 0057 第 5 步， 在断层影像序列中标记病灶， 可视化显示三维病灶， 以供医师进行分析， 或将最。
31、终分割的结果存储到硬盘中， 供其它影像分析软件进行进一步处理。 0058 本发明采用 1.5T 或 3.0T 的 MRI 扫描设备获取的 DCE-MRI 影像序列数据实验。被 说 明 书 CN 103337074 A 8 6/6 页 9 检查者采取俯卧位， 双侧乳腺充分暴露， 自然垂入扫描床中的专用线圈内。 采用乳腺容积扫 描成像序列进行轴位扫描， 3.0T 设备上的重复时间 （TR） 为 4.0ms， 回波时间 （TE） 为 2.1ms， 1.5T 设备上的 TR 为 4.2ms， TE 为 2.0ms， 层扫无间隔， 帧影像矩阵大小为 512512， 层厚为 2mm 或 2.2mm。对比剂。
32、采用钆喷酸葡胺 (Gd-DTPA)。对比剂注入 57 秒后开始不间断增强扫 描。扫描层数从 76-184 不等。为了泛化本发明中影像特征研究的意义， 不限制 DCE-MRI 的 时相数， 如 ： 病例数据可以是 7 时相、 8 时相或 9 时相的影像序列。因此， 一个病例的总影像 数据量为扫描层数与时相序列数的乘积。 0059 人工选取感兴趣区域模块、 自动获取减影后感兴趣体积模块、 主动轮廓模型分割 病灶模块和可视化显示病灶模块所在的 MRI 影像后处理工作站要求的最低配置为 ： 硬件 ： CPU:intel i3530,主频2.93G， 双核心四线程， DMI总线2.5GT/s， 二级缓存。
33、2256K， 三级缓 存4M， 倍频22倍， 外频133M， 主板 ： 英特尔H55芯片组， 内存 ： 2G， DDR3,1333MHz， 硬盘 ： 500GB 以上， 5400-7200 转 / 分， SATA 接口， 数据传输率 300M/ 秒， 显卡 ： 核心频率 750MHz， GDDR3 显存 512M， 位宽 128bit 以上， 显示器 ： 19.1 英寸， 分辨率 1440900， 软件 ： Windows XP 或 Windows7 操作系统。 0060 图 4 为本发明用不同初始轮廓分割乳腺 DCE-MRI 病灶的分割效果图， 图中分别利 用了不同初始轮廓来分割良恶性病灶。。
34、取 p=0.98， =10-8， 初始轮廓位于目标影像的不同 位置， 经过若干次迭代后均收敛到病灶边缘。前三列为恶性病灶， 后三列为良性病灶。由图 可见， 采用本发明提出的主动轮廓模型进行分割时， 初始轮廓的选择更加灵活。 0061 图 5 是本发明用于乳腺 DCE-MRI 断层影像序列的分割效果图， 取 p=0.98， =10-8。 其中， 第一行表示恶性病灶， 第二行表示良性病灶， 由效果图可知， 恶性病灶边缘模糊， 形状 不规则， 良性病灶边缘光滑， 形状规则。图 6 是本发明用于乳腺 DCE-MRI 三维病灶分割过程 中表面绘制效果图。其中， 第一列表示初始轮廓面， 第二列表示中间迭代。
35、分割结果， 第三列 表示最终的分割结果。图 5 第一行与图 6 第一行对应是恶性病灶， 图 5 第二行与图 6 第二 行对应是良性病灶。由图 5 和图 6 可见， 本发明提供的主动轮廓模型可以很好地分割出乳 腺三维病灶。 说 明 书 CN 103337074 A 9 1/4 页 10 图 1 说 明 书 附 图 CN 103337074 A 10 2/4 页 11 图 2 说 明 书 附 图 CN 103337074 A 11 3/4 页 12 图 3 图 4 说 明 书 附 图 CN 103337074 A 12 4/4 页 13 图 5 图 6 说 明 书 附 图 CN 103337074 A 13 。