Question

对于我的项目，我必须分割CT脑图像中的异常。我想通过比较大脑的右侧和左侧来做到这一点。这可以做到通过使用图像的强度差异。例如，血液比脑组织更亮 CT图像。由于大脑的右侧和左侧几乎是对称的，因此是可能的通过将其与另一侧进行比较来发现一侧的异常。使用Matlab，我想工作使用CT图像的Dicom文件。我想通过比较大脑的两侧来分割异常区域。在对2D中的异常进行分割之后，我想要注册2D图像并创建3D重建。有没有人知道，用于比较Dicom图像的左侧和右侧的最佳编码方法是什么（在Matlab中）？

Answer 1

也许看看这篇论文：http://www.sciencedirect.com/science/article/pii/S0167865503000497 它解释了如何在三维MRI图像中找到对称平面，但该方法也适用于CT。首先，搜索图像中的质心。接下来，计算惯性椭球的轴并评估对称性。最后，您可以使用下坡单纯形法改进对称平面。

希望这有帮助！

编辑：我将如何解决这个问题：

搜索质心R

ind = find(ones(size(image)));
ind = reshape(ind, size(image,1), size(image,2), size(image,3)); %for a 3D volume
[x,y,z] = ind2sub(size(image), ind); %for a 3D volume
Rx = image.*x;
Ry = image.*y;
Rz = image.*z;
Rx = round(1/sum(image(:)) * sum(Rx(:)));
Ry = round(1/sum(image(:)) * sum(Ry(:)));
Rz = round(1/sum(image(:)) * sum(Rz(:)));

Rx, Ry和Rz现在包含图像质心的位置。代码很容易适应2D。

现在，寻找惯性椭球的轴：

for p=0:2
    for q=0:2
        for r=0:2
            if p+q+r==2
                integr = image.*(x-Rx).^p.*(y-Ry).^q.*(z-Rz).^r;
                m = sum(integr(:));
                if p==2, xx=1; yy=1;  
                elseif p>0 && q>0, xx=1; yy=2;
                elseif p>0 && r>0, xx=1; yy=3;
                elseif q==2, xx=2; yy=2;
                elseif q>0 && r>0, xx=2; yy=3;                    
                elseif r==2, xx=3; yy=3; 
                end
                M(xx,yy) = m;
                M(yy,xx) = m;
            end
        end
    end
end

[V,~] = eig(M);

矩阵V包含惯性椭圆体轴的方向。这些是对称平面的第一个猜测。

评估对称性。这是困难的部分，因为您必须围绕所有三个（或两个，2D）可能的对称平面旋转图像。我使用了affine3D和imwarp命令，但它非常繁琐。确保通过之前找到的质心定义不同的轴。对称性的可能度量是mu = 1 - ||image - mirrored_ image||^2 / (2*||image||^2)。具有最高mu值的轴是最佳对称平面。
如果您对对称轴不满意，可以使用下坡单纯形法改进它，参见例如https://en.wikipedia.org/wiki/Nelder%E2%80%93Mead_method
现在你有原始图像和midsagittal平面周围的镜像。减去两者都可以让你了解异常情况。

我希望这很清楚。有关更多信息，请查看Tuzikov等人的优秀论文。上文提到的。

在MATLAB中比较Dicom图像（在一个文件中）

1 个答案: