[發(fā)明專利]醫(yī)學圖像分割方法及裝置

在審

• 申請?zhí)枺?/td>: 201610913874.5
• 申請日: 2016-10-20
• 公開（公告）號: CN107977952A
• 公開（公告）日: 2018-05-01
• 發(fā)明（設計）人: 馮原
• 申請（專利權）人: 馮原
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136
• 代理公司: 福州市眾韜專利代理事務所(普通合伙)35220
• 代理人: 陳智雄,宋立惠

技術領域

本發(fā)明屬于圖像處理技術領域，具體涉及一種醫(yī)學圖像分割方法及裝置。

背景技術

隨著醫(yī)學成像技術的發(fā)展與進步，圖像處理技術在醫(yī)學研究與臨床醫(yī)學中的應用越來越廣泛，主要應用在放射治療規(guī)劃、介入治療、手術導航等方面。圖像分割是醫(yī)學圖像處理中的一項重要內(nèi)容,它可以幫助醫(yī)生將感興趣的物體(病變組織等)提取出來，對病變組織進行定性及定量的分析，從而提高醫(yī)生診斷的準確性和科學性。但是，由于醫(yī)學圖像的多樣性和復雜性使其在圖像分割中具有較大的難度。

目前臨床應用的圖像分割方法中，閾值分割方法，因其實現(xiàn)簡單、計算量小、性能較穩(wěn)定而成為最基本和應用最廣泛的方法，其基本原理是通過設定不同的特征閾值，把圖像象素點分為若干類，常用的特征包括：原始圖像的灰度、彩色特征、由原始灰度或彩色值變換得到的特征。閾值分割方法的主要缺點是在軟組織組成較多，對比度不清晰的情況下，不能有效地分割醫(yī)學圖像，且對噪聲敏感。該方法通常用于血液細胞圖像的分割，磁共振圖像的分割，而不能有效應用于所有組織器官圖像的分割。

其他圖像分割方法還有基于模板的分割方法，其主要缺點是需要模板信息的輸入，且對于軟組織器官變形較大，以及模板不包含的組織特征無法進行分割。

發(fā)明內(nèi)容

本發(fā)明的目的之一在于克服以上缺點，提供一種在軟組織組成較多，對比度不清晰的情況下，適用于所有組織器官圖像的醫(yī)學圖像分割方法。

為了解決上述技術問題，本發(fā)明提供了一種醫(yī)學圖像分割方法，包括以下步驟：

步驟1、確定初選聚類數(shù)目并計算各聚類中心的初始值；

步驟2、計算各聚類中心與圖像每個像素的豪斯多夫距離；

步驟3、根據(jù)聚類中心與每個像素的豪斯多夫距離和歐式距離計算每個像素的隸屬度；

步驟4、計算目標函數(shù)值，并根據(jù)隸屬度對像素重新進行聚類，計算新的聚類中心值；

重復上述步驟2-4，直至兩次目標函數(shù)值的差值小于閾值，則最后一次得到的隸屬函數(shù)即為像素分割結果。

本發(fā)明的技術方案通過采用模糊聚類方法對醫(yī)學圖像進行分割，可以有效的應用原始圖像的灰度信息和對比度，兼顧計算效率和分割效果，在對比度較差、邊界較模糊的情況下對目標組織進行分割，可應用于所有組織器官圖像的分割；另外，采用豪斯多夫空間距離定義的像素差異，可以有效的應用鄰域信息，充分應用軟組織邊界尤其是對比度較低的目標組織，對較為模糊的邊界進行有效的歸類和分離。

進一步地，所述聚類中心的初始值通過應用均布直方圖方法計算，所述聚類中心初始值的間隔相同。

進一步地，所述計算聚類中心與圖像像素的豪斯多夫距離，包括以下步驟：

以像素為中心，選取若干鄰域區(qū)域，分別計算鄰域區(qū)域與中心的交互信息值；

選取交互信息最大值對應的鄰域作為該像素計算豪斯多夫距離的區(qū)域；

計算各聚類中心與該像素確定區(qū)域的豪斯多夫距離。

本發(fā)明的技術方案可以有效的針對不同對比層級的圖像信息，自動選擇較為合適的周邊區(qū)域進行計算，其自適應鄰域選擇可有效處理邊界不連續(xù)和對比度變化較大的情況。

進一步地，所述若干鄰域區(qū)域具體為：寬高分別為3、5、7個像素的正方形區(qū)域。

進一步地，所述鄰域區(qū)域與中心的交互信息值計算公式為：其中p(i,j)為兩個圖像的聯(lián)合分布函數(shù)，p(i)和p(j)分別為各自圖像的像素分布函數(shù)。

進一步地，所述聚類中心與像素確定區(qū)域的豪斯多夫距離計算公式為：其中，A為聚類中心，B為像素確定區(qū)域的所有點集。

進一步地，所述根據(jù)聚類中心與每個像素的豪斯多夫距離和歐式距離計算每個像素的隸屬度，計算公式為：其中，x_i為像素灰度值，v_k為聚類中心，c為聚類中心個數(shù)，α參數(shù)根據(jù)圖像的分辨率、對比度決定，m為2，||x_i-v_k||為像素與聚類中心的歐式距離，||x_i-v_k||_H為像素與聚類中心的豪斯多夫距離。

本發(fā)明的技術方案通過豪斯多夫距離和歐式距離共同計算像素的隸屬度，像素的聚類劃分更加準確，同時α值可以依據(jù)不同圖像的特性做具體的調(diào)整，進一步加強算法抵抗噪聲、分析模糊邊界的功能。