[發明專利]基于最大相似性區域合并的胃部CT圖像交互式分割方法

有效

• 申請號: 201110353282.X
• 申請日: 2011-11-10
• 公開（公告）號: CN102509296A
• 公開（公告）日: 2012-06-20
• 發明（設計）人: 緱水平;王云利;周治國;馬麗敏;侯彪;張曉鵬;唐磊;王之龍
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于圖像處理技術領域，特別是醫學圖像的處理，主要可用于胃部CT圖像的交互式分割。

背景技術

由于成像技術的不同，醫學圖像可分為計算機斷層掃描(CT)、正電子放射層析成像技術(PET)、單光子輻射斷層攝像(SPECT)、MR(磁共振成像)、Ultrasound(超聲)及其它醫學影像設備所獲得的圖像等。醫學圖像分割是正常組織和病變組織的三維重建、定量分析等后續操作的基礎，也是臨床應用的瓶頸，同時也是可視化實現的預處理步驟和前提。分割后的圖像被廣泛應用于各種場合，如組織容積的定量分析，診斷，病變組織的定位，解剖結構的學習，治療規劃，功能成像數據的局部體效應校正和計算機指導技術。分割的準確性對醫生判斷疾病的真實情況并作出準確的診斷計劃至關重要。

醫學圖像分割技術的發展是一個從人工分割到半自動分割再到自動分割逐步發展的過程。雖然人工分割的精度極高，但該方法費時、費力，其分割結果的優劣完全取決于操作者的經驗知識，且分割結果難以重現。半自動分割是通過人機交互的形式完成圖像分割的全過程。半自動方法與人工分割相比，分割速度明顯提高，但分割結果很大程度上仍然依賴于操作者的經驗知識。自動分割則完全脫離了人為干涉，但其算法復雜，運算量較大，有些情況下仍需要人工干預。因此，交互式分割方法是近年來圖像分割研究的熱點。目前主要的交互式分割方法主要有Live?wire方法、基于幾何形變模型方法、基于活動輪廓模型的方法等，其中，Live?wire是一種通過邊緣提取來進行圖像分割的方法，它基于動態規劃圖搜索算法，合理的構造代價函數和選擇目標點和起始點，在全圖范圍內尋找給定兩點間的最優路徑，用于提取物體的邊緣。這個方法的缺點是對于每一個給定邊界點，都要進行全局搜索找出到這個點的最短路徑的點，這樣運行速度非常慢，而且分割結果對代價函數和參數的依賴性比較強，每次分割之前都需要訓練來選擇代價函數和參數，使得操作很復雜；幾何形變模型方法是以曲線演化為理論基礎，而用水平集方法實現曲線的演化，它用高維符號距離函數演化代替了參數曲線演化，具有很好的拓撲變化能力，此方法的不足是在演化過程中須非周期性的重新初始化水平集函數為一符號距離函數，這樣既增加了計算量也影響了分割的速度，重新初始化的好壞也會影響圖像分割的效果；活動輪廓模型是在圖像中定義一個曲線，使其在曲線本身決定的內能和由圖像數據決定的外能的推動下向物體邊緣靠近，這種方法對初始曲線的位置比較敏感，而且它不能收斂到凹性邊緣。

綜上，現有的交互式分割方法都要求對待分割的目標有一個初始化的逼近，無論是Live?wire中的代價函數還是活動輪廓模型和幾何形變模型中的初始曲線，都在無形中為圖像分割的效果埋下了隱患，而且這些基于像素的方法運行速度不滿足醫學圖像實時性處理的要求。

發明內容

本發明的目的在于克服上述醫學圖像分割存在的缺陷，提出一種基于最大相似性區域合并的胃部CT圖像交互式分割方法，以避免繁冗的代價函數和初始曲線的選擇，提高醫學圖像分割的有效性和準確性。

為實現上述目的，本發明包括如下步驟：

(1)輸入胃部CT原始圖像，并用分水嶺方法進行初始分割，得到初分割圖；

(2)由用戶在初分割圖上劃不同的線段分別對目標和背景進行標記，例如用實線段標記目標區域，記為M_B，用虛線段標記背景區域，記為M_O，剩余的未標記區域，記為N。

(3)統計初分割圖中所有區域的數目，計算每一個區域的灰度梯度共生矩陣作為其區域特征；

(4)設定區域間的最大相似性準則，即對于不同的兩個區域R1和R2，且R2為R1的鄰域，如果R1的區域特征和R2的區域特征的乘積在R2與其鄰域的區域特征的乘積中是最大的，則認為R1與R2相似；

(5)基于最大相似性準則進行如下兩次區域合并：

5a)第一次區域合并：對于背景M_B中每一個區域B，設B的8鄰域為A_i，i＝1，…8，分別計算A_i與A_i的8鄰域的相似性，如果B與A_i的相似性大于A_i與其8鄰域中任意一個的相似性，則將背景B的鄰域A_i合并到M_B中；