[發明專利]基于小波的多邊形輪廓演化醫學CT圖像交互式分割方法

在審

• 申請號: 201410009385.8
• 申請日: 2014-01-08
• 公開（公告）號: CN103745470A
• 公開（公告）日: 2014-04-23
• 發明（設計）人: 王陽萍;黨建武;楊旭;杜曉剛;趙庶旭;楊景玉;王松;陳永;楊艷春;李積英;郝旗;鄧沖;蔣佩釗;王冰;郭志誠;翟鳳文;沈瑜;張鑫
• 申請（專利權）人: 蘭州交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京中恒高博知識產權代理有限公司 11249
• 代理人: 姜萬林

技術領域

本發明涉及圖像處理技術領域，具體地，涉及基于小波的多邊形輪廓演化醫學CT圖像交互式分割方法。

背景技術

交互式分割方法在醫學圖像分割中的地位：

圖像分割就是根據圖像信息的某種特性（如邊緣、灰度分布、紋理等），把圖像分成不同的區域，并提取目標區域的技術和過程。醫學圖像分割有其自身特殊的技術復雜性，成為近年圖像分析中的熱點和難點問題。隨著計算機技術的普及，圖像分割技術有了很大的發展。人們在傳統分割思路的基礎上不斷實踐、優化和改進，產生了半自動的交互式分割方法和自動分割方法。

但是從目前圖像分割技術在臨床上的應用情況來看，由于醫學圖像的復雜性，醫學圖像分割一般要用到醫學領域中的知識和醫師的主觀經驗。在機器視覺領域較成熟的各種自動分割算法對于醫學圖像也不能取得理想的效果。對于復雜的醫學圖像，交互式分割能夠充分利用醫師的主觀經驗，可以說這種人為參與對醫學圖像的分割來說是必需的。目前交互式分割算法由于其具有高精度、實用性較強等特點成為國內外醫學圖像分割的研究重點。

分割算法本身的局限：

根據分割方法的不同機理，將圖像分割大致分為基于區域相似性的分割、基于邊界的分割及基于物理特性（如紋理）的分割等。根據近年來圖像分割領域的研究進展和趨勢，許多研究者綜合各種傳統的分割方法，取長補短，如結合區域與邊界的分割方法^[1]。同時，作為一門綜合性和應用性很強的交叉學科，其它領域的研究思路和理論也越來越多地融入了圖像分割技術中，如基于小波神經網絡的分割算法，基于數學形態學的分割算法，基于偏微分方程的分割算法，基于曲線擬合的分割算法等等。

縱觀近幾年國內外醫學圖像分割領域研究和應用成果，到目前為止，雖然國內外對醫學圖像分割已進行了大量的研究，但由于人體解剖結構的復雜性、組織器官形狀的不規則性及不同個體間的差異性，還沒有一種適合于所有圖像的通用分割算法。另外，由于圖像分割算法本身的實用性能參差不齊，醫學圖像分割的臨床應用中缺少統一的有效的技術解決方案。

國際上一些發達國家在圖像分割方面已取得了相當的成果，醫學圖像分割技術的研究和應用也處于領先地位。例如，在20世紀80年代，Mallat等人將小波分析理論引入圖像處理和分析領域，取得了很大成功，隨著其理論的不斷豐富和完善，應用領域也不斷擴大。由Kass等人提出的活動輪廓模型和由Berkeley大學數學系提出的水平集分割方法也在圖像分割的研究領域占有重要的位置。西門子公司在普林斯頓設有專門做醫學圖像分析的理論方法基礎研究和軟件開發的研究院。

美國已經開發了一套專門用于醫學圖像處理和分析的算法平臺（Insight?Segmentation?and?Registration?Toolkit，ITK），并成功發行了一個開放的、面向對象的類庫。ITK是一個用于醫學圖像分割與配準的開放源碼的軟件開發包，提供了一些主流算法，如區域生長、閾值分割、水平集等多種分割方法。

在我國，許多科研單位對醫學圖像的分析處理作了大量的研究，目前醫學圖像可視化分析處理技術已初步進入臨床實踐。一些科研院所也開發了自己的醫學圖像處理平臺，如中科院自動化研究所醫學影像研究室、清華大學開發的人體斷層解剖圖像三維重構系統、西北大學的可視化研究所研制的三維醫學可視化分析平臺等。醫學圖像分割技術在各種醫學圖像處理平臺和可視化系統中是一個重要組成部分。

國內醫學圖像分割的研究主要是在灰度閾值分割法、邊緣檢測分割法、區域增長分割法等傳統思路的基礎上，結合特定的理論工具，進行不斷改進。例如邊界與區域相結合的目標提取算法，基于模糊集理論的醫學圖像分割的應用，基于數學形態學和區域合并的醫學CT圖像分割等等。

目前臨床醫用中的醫學圖像分割的技術要么是對各種算法的簡單集成，不能交互；要么是單一低效的交互操作，沒有彈性，靈活性不夠，不能發揮高效算法的精細分割性能。

1）盡管某些圖像分割算法也有可能獲得較好的封閉輪廓（如基于Canny算子的分割），但是這些算法所得的輪廓是全局性的，并不是針對目標區域的，因而也無法滿足臨床實用意義上的最終的分割需求。

2）有些目標輪廓的形成和演化過程原理復雜，計算繁瑣，往往停留在實驗模擬和理論研究層面，如基于偏微分方程的分割算法^[2]及活動輪廓模型^[3]等。在實際的臨床應用中，特別是對數據量較大的醫學CT序列圖像的分割中，這些方法并不實用。