[發(fā)明專利]顱內(nèi)血腫體積的測(cè)量方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 200810238655.7
• 申請(qǐng)日: 2008-12-19
• 公開（公告）號(hào): CN101756710A
• 公開（公告）日: 2010-06-30
• 發(fā)明（設(shè)計(jì)）人: 曹淑蘭
• 申請(qǐng)（專利權(quán)）人: 曹淑蘭
• 主分類號(hào): A61B6/03
• 分類號(hào): A61B6/03;G06T7/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明顱內(nèi)血腫體積測(cè)量方法的研究，是將顱內(nèi)血腫體積測(cè)量的臨床需求轉(zhuǎn)變?yōu)閳D像的血腫分割問(wèn)題，提出一種新的分割算法，屬于臨床應(yīng)用軟件領(lǐng)域。

背景技術(shù)

顱腦損傷導(dǎo)致顱內(nèi)出血，血液在顱腦內(nèi)積聚達(dá)到一定體積時(shí)形成顱內(nèi)血腫。通常，小腦幕上血腫在20ml以上，幕下血量在10ml以上，即可引起急性顱腦受壓癥狀，危及生命。而30ml以上的高血壓腦出血是中老年人病率、致殘率極高的疾病，一般小腦幕上的血腫在30ml以上，幕下血腫在10ml以上，并結(jié)合其它臨床癥狀及指標(biāo)，應(yīng)采取手術(shù)治療(顳葉血腫易致腦疝，手術(shù)指征應(yīng)放寬，血腫量在20ml以上應(yīng)手術(shù))，對(duì)于非手術(shù)治療的適應(yīng)癥(幕上者＜30ml，幕下者＜10ml)可視情況采取藥物治療或微創(chuàng)清除術(shù)。由以上可見，顱內(nèi)血腫的大小是一重要臨床治療指標(biāo)，能否準(zhǔn)確和精確測(cè)量該血腫的體積意義重大。

當(dāng)前臨床上顱內(nèi)血腫的測(cè)量主要是人工分割和人工計(jì)算。所謂人工分割是指解剖學(xué)家手工地描繪出醫(yī)學(xué)圖像中各種器官的邊界。人工計(jì)算是對(duì)人工畫出的ROI(Region?of?interest)區(qū)域，由計(jì)算機(jī)自動(dòng)測(cè)量面積，然后人工相加得到體積。目前手工分割的效果一般而言是較好的，但卻是極其費(fèi)時(shí)和費(fèi)力的。人工分割的另一個(gè)問(wèn)題就是分割的結(jié)果會(huì)因人而異，即使同一個(gè)人不同時(shí)間分割的結(jié)果也不能保證完全相同。據(jù)報(bào)道5名專家在分割腦腫瘤時(shí)會(huì)產(chǎn)生15％-22％的誤差。在醫(yī)學(xué)研究尤其是神經(jīng)系統(tǒng)科學(xué)的研究中結(jié)果的可重復(fù)性和精確性是極其重要的，所以人工分割的方法不能勝任這種需求。

與人工分割相對(duì)應(yīng)的就是自動(dòng)分割。自動(dòng)分割結(jié)果的可重復(fù)性是不用考慮的，因?yàn)閹缀跛兴惴ǖ慕Y(jié)果都不會(huì)因?yàn)檫\(yùn)行次數(shù)的不同而改變。自動(dòng)分割的難點(diǎn)在于如何將人工分割中解剖學(xué)家的知識(shí)運(yùn)用到自動(dòng)分割中來(lái)，這種知識(shí)之所以難以表示是因?yàn)獒t(yī)學(xué)圖像形狀和外表的復(fù)雜性。所謂醫(yī)學(xué)圖像形狀復(fù)雜就是指解剖結(jié)構(gòu)沒(méi)有規(guī)則的形狀，因此也不容易用簡(jiǎn)單的方法來(lái)表示。醫(yī)學(xué)圖像外表復(fù)雜原因是不同的組織可能具有相同或相近的灰度，例如頭皮、肌肉、皮下血種等與顱內(nèi)血腫的灰度相近，又如腦灰質(zhì)和腦低度膠質(zhì)瘤的灰度也很相象，而同一組織卻由于成像設(shè)備的原因而表現(xiàn)出不同的灰度。由于自動(dòng)分割的難度和深度，其進(jìn)展比較緩慢。近幾年國(guó)內(nèi)外在此領(lǐng)域出現(xiàn)了大量的研究成果，從人工智能技術(shù)到模式識(shí)別技術(shù)以及神經(jīng)網(wǎng)絡(luò)、小波變換、模糊聚類等的應(yīng)用涉及到眾多的學(xué)科。但由于醫(yī)學(xué)圖像的復(fù)雜性及不同個(gè)體之間的差異性等，目前，沒(méi)有一種分割算法能對(duì)所有的圖像產(chǎn)生滿意的分割效果，同時(shí)也找不到一種特定類型的圖像使所有的算法能獲得同樣好的分割結(jié)果。對(duì)于一個(gè)具體的應(yīng)用，如CT顱腦圖像的分割，從目前圖像分割技術(shù)在臨床上的應(yīng)用情況來(lái)看，絕大部分方法還停留在實(shí)驗(yàn)研究階段，真正能應(yīng)用于臨床的還為數(shù)不多。本項(xiàng)目正是在此背景下對(duì)CT圖像的處理與自動(dòng)分割問(wèn)題進(jìn)行研究的。

發(fā)明內(nèi)容

1、針對(duì)顱內(nèi)血腫圖像的特點(diǎn)，對(duì)其采用二步圖像分割處理。

2、對(duì)圖像的預(yù)處理采用非線性各向異性擴(kuò)散濾波，有效去除了噪聲、偽影，且滿足醫(yī)學(xué)圖像處理的實(shí)際性要求。

3、圖像的第一步分割中，對(duì)同一圖像二值化進(jìn)行“異或”運(yùn)算，巧妙去除了顱骨及顱骨外非腦組織，并且不需要圖像配準(zhǔn)等工作，這是本項(xiàng)目的一個(gè)重要部分。

4、將熵的概念引入圖像分割，實(shí)現(xiàn)了二維熵閾值化，用像素灰度及其鄰域灰度為參數(shù)來(lái)分割圖像。它不僅反映了灰度信息分布，而且反映了圖像象素鄰域空間相關(guān)信息，因此有效的抑制噪聲，排除干擾和不需要的細(xì)小結(jié)構(gòu)。這是本項(xiàng)目的一個(gè)重點(diǎn)和難點(diǎn)。

具體實(shí)施方式

1、采用非線性各向異性擴(kuò)散濾波器對(duì)顱腦圖像進(jìn)行濾波處理。

2、對(duì)圖像二步分割：

1)利用閾值法和圖像“異或”、“乘”邏輯運(yùn)算，得到只有腦組織與血腫的圖像，去除了顱骨及顱骨外非腦組織。

2)采用二維熵閾值化的方法，用像素灰度及其鄰域灰度為參數(shù)來(lái)分割圖像，去除腦組織，得到只有血腫的圖像。這里為防止計(jì)算量龐大，采用分層遺傳算法搜尋最優(yōu)閾值，并提出了“自適應(yīng)的大變異算子”理論。

3、測(cè)量血腫體積：其中：n血腫圖像層數(shù)，V_i＝S_i×層厚，S_i＝像素大小×個(gè)數(shù)。