磁共振图像中脑组织分割的多网格非局部高斯混合模型

我们提出了一种基于区域和非局部信息的新颖分割方法，以克服图像强度不均匀性和噪声在人脑磁共振图像中的影响。 考虑到大脑图像中不同组织的空间分布，我们的方法不需要针对强度不均匀性和噪声进行预先估计或预先校正的过程。 为了减少噪声的影响，提出了一种基于非局部信息的高斯混合模型（NGMM）。 为了减少强度不均匀性的影响，提出了一种多网格非局部高斯混合模型（MNGMM）来分割使用新的多网格生成方法生成的每个不重叠的多网格中的脑部MR图像。 因此，提出的模型可以同时克服噪声和强度不均匀性的影响，并将2D和3D MR数据自动分类为白质，灰质和脑脊髓液的组织。 为了保持分割的统计可靠性和空间连续性，采用融合策略对不同网格的聚类结果进行积分。 在合成和临床大脑MR图像上进行的实验表明，与几种最新算法相比，该模型具有优越的性能。