[發明專利]基于交互式字典遷移的序列醫學圖像快速分割方法

有效

• 申請號: 201210332192.7
• 申請日: 2012-09-10
• 公開（公告）號: CN102831614A
• 公開（公告）日: 2012-12-19
• 發明（設計）人: 緱水平;馬麗敏;周治國;劉芳;張曉鵬;唐磊;王之龍;王云利
• 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，主要可用于多幅腹部CT序列圖像的胃癌病變區域分割。

背景技術

醫學圖像分割是醫生根據需要把感興趣的目標區域，即將可能存在病變區域、重要組織和器官等從背景中分離出來的過程。它是現代醫學圖像處理中的一個重要的研究領域，也是病變區域提取、檢測和跟蹤等后續醫學圖像處理的基礎。由于這些操作都需要以一個準確的分割結果為前提，然后才能進行準確地定位分析，所以醫學圖像分割結果的準確性對于醫生對病情的診斷并做出正確治療方案具有非常重要的意義。

圖像特征是圖像的重要屬性，圖像分割過程中提取特征是重要的一步，常用的圖像特征有灰度共生矩陣，小波變換特征等。由于圖像分割方法都要對圖像進行特征提取，特征提取雖然是線下過程，但是由于需要對圖像的每一個像素點分別進行特征提取，所以這一過程十分耗時。

交互式分割方法是現在應用最熱門和最廣泛的處理醫學圖像的方法。它結合了自動分割與手動分割的優點，既允許人工參與提供一些先驗信息，但又不完全依賴于人工參與。由于醫學圖像有復雜的背景，自動分割運算量大，在沒有人工指導的情況下準確率很難保證。而交互式分割在允許人工參與的情況下保證了準確率。它的具體做法是由用戶標記出圖像中感興趣區域的大致范圍，從而提供部分先驗信息，然后分割算法再根據這些信息對圖像進行分割。雖然交互式分割有以上優點，但它也存在缺點，由于交互式分割方法一次只能分割一幅圖像，用戶必須對每幅待分割的圖像標記出目標和背景，然后一幅一幅分割。對于CT序列圖像，一個病人的序列圖有上百幅，如果單幅分割，則極大的增加了工作量。

目前交互式分割方法主要有Live?wire方法和活動輪廓模型方法等。Live?wire方法是通過搜索邊緣來進行圖像分割的方法，它將圖像看成是一個連通圖，通過構造代價函數和選擇關鍵點，在全圖范圍內尋找給定兩點間的最優路徑作為物體的邊緣。這個方法的缺點是它對交互者要求較高，輸入交互點位置的偏移可能導致分割結果出錯，而且在多幅序列圖像中如果出現分割結果不好的圖像時也不能及時修正分割結果。活動輪廓模型方法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，其缺點是對初始曲線的位置比較敏感，而且它不能收斂到凹性邊緣。這兩種方法都是基于邊緣的方法。對于上百幅的醫學序列圖像，感興趣區域的邊緣變化很大，這些方法在分割多幅醫學圖像時的分割準確率較低。

發明內容

本發明的目的在于針對上述已有技術的不足，提出一種基于交互式字典遷移的序列醫學圖像快速分割方法，以減少單幅交互式分割的工作量，節省時間，降低對交互者的要求，并采用二次修正的方法提高分割準確率。

實現本發明上述目的技術方案，包括如下步驟：

(1)輸入腹部CT序列圖像I={I⁽¹⁾,I⁽²⁾,…,I⁽ⁿ⁾}，n為從序列圖像的數量，n最大值為300；

(2)對每幅圖像I(q)以每個像素點為中心提取5×5的塊作為每個像素的特征，則該圖像所有像素的特征向量集合為X_N×25^(q)，N為每幅圖像的大小，其中1≤q≤n；

(3)用mean?shift方法對CT序列圖像I進行初始分割，則CT序列圖像I^(q)的初分割圖像為S^(q)，并統計初分割圖像S^(q)中的區域數目m；

(4)選取CT序列圖像I⁽¹⁾，進行交互式分割：

首先，在序列圖像I⁽¹⁾對應的初分割圖像S⁽¹⁾上的區域進行手動標記部分目標區域M_O和部分背景區域M_B，剩余的區域為未標記區域N；

然后，根據合并準則，重復合并未標記區域N中與標記背景M_B中相似性最大的區域，直到所有區域都合并后，得到CT序列圖像I⁽¹⁾的全部目標區域和背景區域，即得到分割結果，其中該目標區域代表腹部CT圖像中的胃癌病變區域；

(5)提取步驟(4)中的目標區域內對應像素點的特征向量X_O，并用K-SVD算法對目標特征向量X_O進行訓練學習，生成一個目標字典D_O；