[發(fā)明專利]一種超聲圖像分割方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201210590387.1
• 申請日: 2012-12-31
• 公開（公告）號(hào): CN103903255B
• 公開（公告）日: 2016-08-31
• 發(fā)明（設(shè)計(jì)）人: 陳墾;李志成;秦文健;李凌;辜嘉
• 申請（專利權(quán)）人: 中國科學(xué)院深圳先進(jìn)技術(shù)研究院
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 深圳中一專利商標(biāo)事務(wù)所 44237
• 代理人: 梁珣

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種超聲圖像分割方法和系統(tǒng)。

背景技術(shù)

圖像分割技術(shù)在圖像導(dǎo)航、疾病診斷等多方面有著重要的意義。在圖像導(dǎo)航中，只有較為精確的圖像分割結(jié)果數(shù)據(jù)才能為導(dǎo)航過程提供良好的三維可視化環(huán)境，并且后續(xù)的路徑規(guī)劃功能等也立足于良好的分割結(jié)果。

在疾病診斷中，精確的分割結(jié)果能夠讓醫(yī)生更好的觀察臟器的形狀，以及能提供臟器的某些特征指標(biāo)以輔助醫(yī)生診斷。目前的分割技術(shù)可以分為手動(dòng)、半自動(dòng)、全自動(dòng)三類。手動(dòng)分割依靠醫(yī)生個(gè)人經(jīng)驗(yàn)，需對三維圖像數(shù)據(jù)的每一幀進(jìn)行手動(dòng)勾勒指定臟器的邊緣，費(fèi)時(shí)費(fèi)力，工作負(fù)擔(dān)重，而且由于主觀性較強(qiáng)，就可能導(dǎo)致精確性太低的問題。半自動(dòng)分割技術(shù)依賴較好的初始化，因此通常需要醫(yī)生提供額外的信息，然后經(jīng)由算法給出分割結(jié)果。雖然不需要大量的勾勒邊緣之類的工作，但其依賴初始化，仍然需要人機(jī)交互，有可能對正常的手術(shù)流程造成干擾。而全自動(dòng)分割技術(shù)則完全依靠算法處理圖像得到指定臟器的分割結(jié)果，但是全自動(dòng)技術(shù)往往存在準(zhǔn)確性和穩(wěn)定性等方面的問題，在圖像質(zhì)量差的情況下很難達(dá)到滿意的分割效果。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明的目的在于提供一種超聲圖像分割方法。

本發(fā)明是這樣實(shí)現(xiàn)的，一種超聲圖像分割方法，所述方法包括以下步驟：

將統(tǒng)計(jì)形狀模型和采集到的指定器官的三維超聲數(shù)據(jù)進(jìn)行粗配準(zhǔn)，得到初始化坐標(biāo)變換參數(shù)；

根據(jù)初始化坐標(biāo)變換參數(shù)，利用基于粒子濾波的圖像分割算法對三維超聲數(shù)據(jù)進(jìn)行迭代分割，

所述統(tǒng)計(jì)形狀模型是通過對多個(gè)高清晰度三維圖像數(shù)據(jù)的手動(dòng)分割結(jié)果進(jìn)行訓(xùn)練得到的平均值與表征變化模態(tài)的一組特征向量的組合。

進(jìn)一步地，所述統(tǒng)計(jì)形狀模型的建立包括以下步驟：

通過高清晰度成像方法采集多個(gè)志愿者的指定器官部位的三維圖像數(shù)據(jù)，并由專業(yè)人士進(jìn)行手動(dòng)分割；

對于每一個(gè)分割結(jié)果，進(jìn)行表面重建，并網(wǎng)格化；

對于網(wǎng)格化后的每一個(gè)網(wǎng)格，從其頂點(diǎn)中各選取設(shè)定數(shù)量的頂點(diǎn)構(gòu)成訓(xùn)練點(diǎn)集，所述訓(xùn)練集需滿足：訓(xùn)練集中擁有相同下標(biāo)的點(diǎn)一一對應(yīng)；

對訓(xùn)練點(diǎn)集進(jìn)行主成分分析，得到訓(xùn)練集的平均值點(diǎn)集u以及其協(xié)方差矩陣的特征空間；

將構(gòu)成所述特征空間的特征向量按特征值大小排列，按順序選擇對應(yīng)特征值大的多個(gè)特征向量，使得其對應(yīng)特征值之和達(dá)到設(shè)定的閾值要求，所述訓(xùn)練集平均值點(diǎn)集u以及被選取的特征向量v_i共同構(gòu)成統(tǒng)計(jì)形狀模型。

進(jìn)一步地，所述將統(tǒng)計(jì)形狀模型和采集到的指定器官的三維超聲數(shù)據(jù)進(jìn)行粗配準(zhǔn)，得到初始化坐標(biāo)變換參數(shù)的步驟包括：

在三維超聲數(shù)據(jù)中手動(dòng)選取一個(gè)目測最接近感興趣器官幾何中心的點(diǎn)；

統(tǒng)計(jì)形狀模型中訓(xùn)練集平均值的幾何中心與該點(diǎn)之間的平移關(guān)系作為粗配準(zhǔn)。

進(jìn)一步地，所述根據(jù)初始化坐標(biāo)變換參數(shù)，利用基于粒子濾波的圖像分割算法對三維超聲數(shù)據(jù)進(jìn)行迭代分割的步驟包括：

步驟A、以初始化坐標(biāo)變換參數(shù)為中心，在參數(shù)空間中選取多個(gè)點(diǎn)，作為粒子；

步驟B、對每一個(gè)粒子，按其所代表的坐標(biāo)變換參數(shù)，對訓(xùn)練點(diǎn)集的平均值以及特征向量進(jìn)行坐標(biāo)變換，將變換后的特征向量乘以各自對應(yīng)的權(quán)重，與變換后的訓(xùn)練點(diǎn)集平均值相加，得到對應(yīng)于每個(gè)粒子的先驗(yàn)?zāi)Ｐ停诘谝淮窝h(huán)中，各特征向量對應(yīng)的權(quán)重均為0，以每個(gè)粒子對應(yīng)的先驗(yàn)?zāi)Ｐ蜑榉N子點(diǎn)集，分別根據(jù)三維超聲圖像的灰度值信息，建立圖，應(yīng)用圖形分割算法，通過最小化給定目標(biāo)函數(shù)，對圖進(jìn)行分割，并取得分割結(jié)果的表面點(diǎn)集；

步驟C、對于每個(gè)粒子的表面點(diǎn)集，分別與相應(yīng)的先驗(yàn)?zāi)Ｐ瓦M(jìn)行配準(zhǔn)，并計(jì)算其與相應(yīng)先驗(yàn)?zāi)Ｐ偷南嗨贫龋瑢⑺械牧Ｗ痈鶕?jù)相似度排序并進(jìn)行重采樣，選擇出一個(gè)最佳的粒子，將最佳的粒子所對應(yīng)的表面點(diǎn)集與對應(yīng)的先驗(yàn)?zāi)Ｐ椭衅骄档牟钔队暗綄?yīng)的特征向量構(gòu)成的空間上，計(jì)算出各特征向量的權(quán)重；

步驟D、計(jì)算前后兩次循環(huán)得到的最佳粒子之間的變動(dòng)率，如果小于設(shè)定閾值，就認(rèn)為算法收斂，或循環(huán)超過設(shè)定次數(shù)，結(jié)束循環(huán)，否則，以最佳粒子作為步驟A中的初始化坐標(biāo)變化參數(shù)，以步驟C中得到的權(quán)重作為步驟B中的各特征向量對應(yīng)權(quán)重，回到步驟A重新執(zhí)行。

本發(fā)明的另一目的在于提供一種超聲圖像分割系統(tǒng)，所述系統(tǒng)包括采集病人的指定器官的三維超聲圖像的超聲圖像采集系統(tǒng)以及對采集到的三維超聲圖像進(jìn)行處理的圖像處理系統(tǒng)，所述圖像處理系統(tǒng)包括：

粗配準(zhǔn)模塊，用于將統(tǒng)計(jì)形狀模型和采集到的指定器官的三維超聲數(shù)據(jù)進(jìn)行粗配準(zhǔn)，得到初始化坐標(biāo)變換參數(shù)；