摘要：目的医学图像分割结果可帮助医生进行预测、诊断及制定治疗方案。医学图像在采集过程中受多种因素影响，同一组织往往具有不同灰度，且伴有强噪声。现有的针对医学图像的分割方法，对图像的灰度分布描述不够充分，不足以为精确的分割图像信息，且抗噪性较差。为实现医学图像的精确分割，提出一种多描述子的活动轮廓（MDAC）模型。方法首先，引入图像的熵，结合图像的局部均值和方差共同描述图像的灰度分布。其次，在贝叶斯框架下，引入灰度偏移因子，建立活动轮廓模型的能量泛函。最后，利用梯度下降流法得到水平集演化公式，演化的最后在完成分割的同时实现偏移场的矫正。结果利用合成图像和心脏、血管和脑等医学图像进行了仿真实验。利用MDAC模型对加噪的灰度不均图像进行分割，结果显示，在完成精确分割的同时实现了纠偏。通过对比分割前后图像的灰度直方图，纠偏图像只包含对应两相的两个峰，且界限更加清晰；与经典分割算法进行对比，MDAC在视觉效果和定量分析中，分割效果最好，比LIC的分割精度提高了30％多。结论实验结果表明，利用均值、方差和局部熵共同描述图像灰度分布，保证了算法的精度。局部熵的引入，在保证算法精度的同时，提高了算法的抗噪性。能泛中嵌入偏移因子，保证算法精确分割的同时实现偏移场纠正，进一步提高分割精度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社