[發明專利]一種腹部軟組織核磁圖像分割的方法和系統

有效

• 申請號: 201310400311.2
• 申請日: 2013-09-05
• 公開（公告）號: CN103473767A
• 公開（公告）日: 2013-12-25
• 發明（設計）人: 秦文健;羅清;辜嘉
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 宋鷹武;沈祖鋒

技術領域

本發明涉及腹部核磁圖像的器官組織分割算法領域，尤其涉及一種腹部軟組織核磁圖像分割的方法和系統。

背景技術

磁共振成像（magnetic?resonance?imaging，MRI）是利用射頻（radio?frequency，RF）電磁波對置于磁場中的含有自旋不為零的原子核的物質進行激發，發生核磁共振（nuclear?magnetic?resonance，NMR），用感應線圈采集磁共振信號，按一定數學方法進行處理而建立的一種數字圖像。核磁共振信號強度與樣品中氫核密度有關，人體2/3的重量為水分，不同組織還有水分子比例不同，則NMR信號強度也有差異，根據這個差異作為特征量來區分不同組織器官。MRI不僅能夠提供軟組織高對比度、高分辨率的圖像，還可以得到任意層面斷層，從而獲得三維空間的虛擬人體；而且由于MRI不使用對人體有害的X射線和易引起過敏反應的造影劑，因此對人體沒有損害，已經逐漸成為術前采集圖像的主流成像設備。

由于核磁圖像大部分存在噪聲大、組織間邊界模糊或缺失、灰度不均勻等特點，要分割出精確的組織邊界很難。對于腹部的核磁圖像，由于腹部器官大多是軟組織，不同器官組織之間的灰度變化不大，個體之間臟器的形狀差異加上呼吸運動和器官的蠕動等因素影響，存在非線性的形變，所以分割任務顯得更加困難。

用基于核函數的圖切割（kernel?Graph?cuts，KGC）方法直接分割核磁圖像時，也分割出了其他器官的邊界，器官內部的血管也對分割結果產生了一定的影響，存在許多誤分割，并不能得到完整的組織器官邊界。加入了初始輪廓后，將分割限定在一定的區域范圍之內，但是由于噪聲和弱邊界的影響，分割得到的結果并不理想。

基于圖割（Graph?cuts）的分割技術將圖像映射為網絡圖，把圖像分割問題轉化為對圖的不同操作，利用最大流/最小切割定理，通過對網絡圖最小割的求解，實現對圖像的分割。Boykov對Graph?cuts算法作了詳細的描述，并將其擴展到N維圖像的分割中。Graph?cuts算法多項式時間內的計算復雜度，可以快速有效的計算出能量函數的全局最小割。Graph?cuts算法計算效率高，數學理論完備等優勢，使其成為一種日益流行的新興的分割工具。但是在Graph?cuts算法分割執行之前需要手動選擇前景/背景種子點，這個局限性影響了其應用范圍。Boykov提出了一種全自動的Graph?cuts算法，利用K均值聚類算法產生Graph?cuts需要的數據項的參數，然后通過核函數將其映射到高維核空間，再用Graph?cuts算法來分割圖像。該算法抗噪效果很好，能多區域無監督地分割圖像，是一種通用型全自動分割算法。

但是，在核磁圖像中，不同的器官組織往往具有相似的灰度特性，全自動的僅僅依靠灰度信息來分割圖像，很難區分出單獨的目標組織，致使分割結果不能達到臨床要求。Ning?Xu等人提出了基于活動輪廓的圖割算法（Graph?cuts?based?active?contours）。該算法在目標邊界附近給定一條初始輪廓線，采用形態學膨脹腐蝕操作得到一個環狀區域，并以環狀區域為界，內邊界的所有像素點為源點，外邊界對應圖的匯點，運用多源多匯最小割原理把多源多匯最小割問題轉化為單源單匯最小割問題。這樣能針對圖像中的感興趣的區域分割目標對象，彌補了圖割算法全局優化分割時的不足。當分割對象為核磁圖像中的器官組織時，單純依靠圖像灰度信息的圖割算法往往不能準確的分割出組織邊界，因為核磁圖像的邊界有時很模糊，會出現邊界泄露和大量的誤分割，采用統計先驗形狀信息能很好的克服這個缺點。Malcolm等介紹了一種將基于核主成分分析（KPCA）的先驗形狀信息融入圖割算法的分割模型。該模型能將圖像中的多個相似目標中的某個特定的目標獨立的分割出來，而不會產生干擾，在有遮擋情況下也不會發生邊界泄露和誤分割的現象，魯棒性得到了很大的提高。KPCA方法訓練出的形狀先驗知識不但能處理一般的形變，而且對非線性的形變也能起到較好的效果，加入KPCA后分割的效果已然很好的逼近了真實的邊界。除此之外，在核磁圖像中人為的加入大量的噪聲，甚至是邊界缺失或存在遮擋物的情況下也能正確引導分割算法，得到準確的結果。和PCA相比，KPCA是一種非線性的方法，能提取數據的非線性特征，以及高階的統計信息。應用該模型能分割出復雜的或有非線性形變的目標。