[發明專利]結合感興趣區域和GrowCut算法的3D自動腦膠質瘤分割方法

在審

• 申請號: 201510374494.4
• 申請日: 2015-07-01
• 公開（公告）號: CN105046692A
• 公開（公告）日: 2015-11-11
• 發明（設計）人: 余錦華;季春紅;史之峰;陳亮;汪源源;毛穎
• 申請（專利權）人: 復旦大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;盛志范

技術領域

本發明屬于圖像分割技術領域，具體涉及一種結合感興趣區域GrowCut算法的3D自動腦膠質瘤分割方法。

背景技術

腦膠質瘤是中樞神經系統最常見的惡性腫瘤。手術切除聯合術后放化療是目前治療腦膠質瘤的標準方案。其中手術切除對于腦膠質瘤患者的預后有決定性作用，特別是最大范圍的安全切除已經成為世界神經外科的共識。磁共振（MRI）導航能夠有效指導腦膠質瘤的手術開展，提高腦膠質瘤的切除程度，特別是T2-Flair序列影像，基于這一部分進行腦腫瘤的分割，對于術前計算腫瘤體積、術后判斷腫瘤復發具有重要診斷價值。此外，基因組學研究的進展推動了腦膠質瘤分子病理的發展，基于影像學的分子水平判斷有助于指導患者個體化診療，利用MRIT2-flair圖像進行腦膠質瘤的分割，也是后續配準、特征提取、分類和病理腦圖集重建^[7]的基礎和關鍵步驟。

由于腦膠質瘤的位置、形狀和圖像強度多樣，且大腦具有復雜的結構，如灰質、白質和腦脊液等，準確和快速的分割成為一個具有挑戰性的任務。人工標定腦膠質瘤，需要在連續的橫斷面圖像上進行標注，非常耗時，并且依賴于使用者的經驗。現有的半自動的方法，如水平集^[7]和對稱性分析方法，需要先驗的關于腦膠質瘤大體位置的知識。全自動的方法，如部分區域生長、分水嶺，是基于半監督替代機制實現準確分割的。基于腦圖集的方法，在分割腦膠質瘤橫跨正中矢狀面時失效。

針對分割的難點以及半自動和自動方法的缺陷，本文提出一種結合感興趣區域和GrowCut算法的3D自動腦膠質瘤分割的方法。它不需要關于腦膠質瘤位置的先驗知識，即使腦膠質瘤橫跨正中矢狀面，也能夠進行準確分割。

發明內容

本發明的目的是提出一種分割準確、快速的自動分割腦膠質瘤的方法。

本發明提出的自動分割腦膠質瘤的方法，是結合感興趣區域和GrowCut算法的3D自動腦膠質瘤分割方法，具體步驟如下：

1、首先將2DBoundingBox方法拓展到3D，尋找感興趣區域，用長方體限定腦膠質瘤的大概位置；

2、利用反射對稱性檢測方法，檢驗步驟（1）得到的結果，并修正Boundingbox方法在檢測腦膠質瘤橫跨正中矢狀面時的結果，得到更加準確的感興趣區域；

3、將感興趣區域用于3DGrowCut方法中，進行種子點的自動設置，通過擴散種子點得到腦膠質瘤的邊界。

本發明步驟（1）的具體過程為：

（1）首先利用自動全局閾值的方法檢測腦輪廓，并用橢球進行擬合；旋轉圖像，使橢球的短軸與圖像x軸重合，再裁剪橢球外黑色背景區域，使整個大腦圖像分為左右兩個對稱的長方體；

（2）將左右兩個長方體分別看作測試圖像（I）和參考圖像(R)，首先計算z軸方向的得分函數：

(1)

其中，l是沿著z軸方向從上到下的掃描線，T(l)和B(l)是被掃描線分成的上下兩個子長方體；P_I^T(l)是圖像I在區域T(l)上的歸一化強度直方圖，P_R^T(l),P_I^B(l),和P_R^B(l)也有相似的定義，分別是圖像R在區域T(l)上的歸一化強度直方圖，圖像I在區域B(l)上的歸一化強度直方圖，圖像R在區域B(l)上的歸一化強度直方圖；BC代表歸一化兩個直方圖間的Bhattacharya系數，用來測量兩者的相似性，定義如下：

(2)

(3)

當兩個直方圖相同時，BC等于1；當兩直方圖完全不同時，BC等于0；

找到得分函數的連續區間內的最大和最小值，即對應腦膠質瘤在z軸方向的上下邊界面；