[發明專利]一種基于自適應學習的CT圖像分割方法

無效

• 申請號: 201210187464.9
• 申請日: 2012-06-07
• 公開（公告）號: CN102737379A
• 公開（公告）日: 2012-10-17
• 發明（設計）人: 林倞;江波;楊巍;林夢溪
• 申請（專利權）人: 中山大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

技術領域

本發明涉及醫學圖像的分割領域，具體涉及CT圖像的分析，CT圖像分割模型的建立與求解推理，在線機器學習技術，人機交互技術等。?

技術背景

隨著數字化成像技術、影像處理技術的進步，醫療領域中對基于數字影像處理技術的計算機輔助診斷系統的需求量也越來越大。基于數字影像處理的計算機輔助診斷系統能夠倚靠當前先進的計算機處理技術，可視化醫療問題，自動化處理醫學上的許多繁雜事物，不僅為醫務人員做出合理診斷提供可靠手段，為病人的生命提供保障，還大大提高了醫務診療的效率，使醫務人員能夠更易于獲得診斷所需的病理狀態與數據，更專注于醫療的專業問題而非繁瑣的其他事物。因而醫學圖像處理技術逐漸成為了當前世界計算機界研究的熱門課題之一。?

醫學圖像處理技術涵蓋了很多方面，如圖像分割、圖像配準、三維重建等。其中圖像分割是醫學圖像處理的重要環節，它是對正常組織或病變組織進行特征提取、定量分析、三維重建、體積顯示等后續操作必不可缺少的步驟。另外，圖像引導手術、腫瘤放射治療、治療評估等應用研究的順利進行，需要以圖像被準確分割為前提，所以圖像分割的效果及實時性會直接影響后續處理的質量和效率，對醫生正確診斷疾病并做出合理的治療方案起著至關重要的作用。?

醫學圖像分割的最終目的是把感興趣的組織器官或病變區域從背景中提取出來，其中自動化或半自動化地對CT成像中的病變區進行分割的需求最大。CT?成像技術，其成像結果以序列的形式存在，一個部分的序列掃描圖一般包括幾十張或上百張的醫學圖像。要將這些掃描結果成功應用在臨床診斷上，需要對序列中盡可能多的圖像進行盡可能準確的分割。如果單純地采用人工分割，無疑會耗費大量的人力物力。?

因此，實現CT圖像的自動化或半自動化分割，將能幫助醫務人員從繁重枯燥的工作中解脫出來，投入到更有意義的醫療活動與醫療研究中，從根本上提高醫務體系的效率問題以及大幅降低醫學圖像診斷的成本問題。另外，人工分割通常對醫務人員提出較高的知識與經驗要求，一些模糊不清的病例分割需要醫務人員具有很高的辨別水準。然而準確的自動化或半自動化病變區分割，能夠在一定程度上消除醫務人員人工分割的主觀性，在客觀層面上為醫務人員辨明病例分割提高寶貴參考。因此，開發一種高效的自動化或半自動化的CT圖像分割方法與系統能夠在很大程度上推動醫學，特別是醫學影像學診斷的發展。?

CT圖像的分割至今仍然是未能完美解決的問題。這主要是因為CT圖像的復雜性和多樣性。CT圖像往往具有較豐富的細節特征，另外器官組織成像的形狀變化大且不規則，在成像過程中容易引入噪聲，并且某些器官組織的對比度不夠強。再加之人體解剖個體的差異較大，病變種類與病變位置的繁多，使得CT圖像的病變區分割異常困難。除此之外，病變區的邊界往往模糊不清，如何有效精確地處理分割的邊緣問題，也成為了該分割問題的一大難點。?

當前已經有相當多的工作投入到了CT圖像的病變區分割研究當中，但不同的方法都有其各自的優點與缺點，能夠對所有或絕大部分可能情況進行處理的穩健方法并不多見。目前CT圖像的病變區分割主要還是采用半自動交互式的分割方法，這主要是因為完全自動化的分割方法目前還難以應對CT圖像中復雜的變化，分割的平均效果并不能達到臨床應用需求，而半自動化交互式分割方法?通過用戶少量的介入操作，能夠大大提高分割的準確度。?

從CT圖像分割智能化所使用的方法來看，大致可以分為兩大類，一類是基于區域的分割，一類是基于邊緣的分割。?

從分割智能化所使用的方法來看，當前已有相當多的方法被用在了CT圖像分割問題中，包括閾值分割法，區域增長法，活動輪廓分割法。近年來由于統計學理論以及計算機視覺、機器學習、神經網絡、函數優化領域的快速發展，涌現了許多更復雜但更有效的處理方法，包括基于分類器與聚類的分割方法、基于馬爾可夫隨機場的分割方法以及綜合應用許多新的理論進行分割的方法。?

閾值分割法是較簡單的分割方法，用戶通過設立閾值，把圖像灰度大于閾值與小于閾值的部分分開。該方法的優勢在于計算簡單，易于實現，但其是否能夠很好運作很大程度上取決于CT圖像的灰度可分性，然而不幸的是大部分CT圖像中病變區與許多非病變區在灰度上是難以區分的，因此該方法并不能很好地應對這些情況。?