稀疏形状先验的脑肿瘤图像分割

目的 在脑部肿瘤图像的分析过程中，准确分割出肿瘤区域对于计算机辅助脑部肿瘤疾病的诊断及治疗过程具有重要意义。然而，由于脑部图像常存在结构复杂、边界模糊、灰度不均以及肿瘤内部存在明暗区域的问题，使得肿瘤图像分割工作面临严峻挑战。为了克服上述困难，更好地实现脑部肿瘤图像分割，提出一种基于稀疏形状先验的脑肿瘤图像分割算法。方法 首先，研究脑部肿瘤图像的配准与形状描述，并以此为基础构建脑部肿瘤的稀疏形状先验约束模型；继而，将该稀疏形状先验约束模型与区域能量描述方法相结合，构建基于稀疏形状先验的能量函数；最后，对能量函数进行优化及迭代，输出脑部肿瘤区域分割结果。结果 本文使用脑胶质瘤公开数据集BraTS2017进行算法测试，本文算法的分割结果与真实数据之间的平均相似度达到93.97%，灵敏度达到91.3%，阳性预测率达到95.9%。本文算法的实验准确度较高，误判率较低，鲁棒性较强。结论 本文算法能够结合水平集方法在拓扑结构描述和稀疏表达方法在复杂形状表达方面的优势，同时由于加入了形状约束，能够有效削弱肿瘤内部明暗区域对分割结果造成的影响，从而更准确和稳定地实现脑部肿瘤图像分割。

Brain tumor segmentation based on prior sparse shapes