[發明專利]圖像分割方法及其系統

在審

• 申請號: 201611092346.4
• 申請日: 2016-11-30
• 公開（公告）號: CN106611413A
• 公開（公告）日: 2017-05-03
• 發明（設計）人: 王季勇
• 申請（專利權）人: 上海聯影醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/194
• 代理公司: 暫無信息
• 代理人: 暫無信息

【技術領域】

本發明涉及醫學圖像處理領域，尤其涉及一種圖像分割方法及其系統。

【背景技術】

肺癌是全球死亡率最高的癌癥。雖然醫學診斷和治療水平不斷提高，肺癌的五年生存率也僅有15％左右，早期發現、早期治療是提高肺癌治愈率的主要途徑。肺結節是肺癌的早期表現形式。肺結節的準確分割結果能夠有效的反映出結節的病理和形態特征，進而幫助用戶對病灶進行診斷分析。實現肺結節自動分析與識別的關鍵技術是:肺結節分割、檢測、診斷等一系列圖像處理、分析和理解算法的研究和應用。

現有技術中采用水平集算法或者多尺度閾值方法進行結節分割，但是肺結節形態各異、大小各不相同、分布位置不定、易與其它組織鏈接，密度與肺部某些組織類似，例如肺結節具有實性結節、混合型磨玻璃結節、磨玻璃結節(ground-glass nodule,GGN)等各類形態，無法簡單通過形態學方法準確識別肺結節，尤其是磨玻璃結節作為一種惡性可能性最大的一類結節，形態上邊緣不規則，在CT圖像中呈現模糊稀薄影，在CT中的HU(Hounsfield Unit，亨氏單位)值分布廣泛且紋理形態多變，通過水平集算法(Level Set)等基于邊緣算法難以精確識別肺結節。此外肺結節在CT圖像中的灰度值不服從高斯分布，多閾值方法易造成泄露導致分割結果不準確。

因此，本發明提供一種圖像分割方法，以提高結節分割的準確性。

【發明內容】

本發明所要解決的技術問題是提供一種醫學圖像的分割方法及其系統，用于分割不同類型的肺結節，能夠有效提高肺結節分割的準確性，進而利于用戶對病灶的診斷和分析。

為解決上述技術問題，本發明提供一種醫學圖像的分割方法，包括如下步驟：

對醫學圖像進行初始定位，獲取定位區域；

預處理所述定位區域，獲取目標區域，所述目標區域包含結節區域和背景區域，所述結節區域由實性區域以及圍繞所述實性區域的周圍區域構成；

基于高斯混合模型處理所述目標區域，獲取所述目標區域的概率圖；

根據形態學模型處理所述概率圖，以確定結節的實性區域和周圍區域；

融合所述實性區域和周圍區域，獲得圖像分割結果。

進一步的，對醫學圖像進行初始定位包括以下任一種方式：

手動確定所述定位區域；或者

確定貫穿所述定位區域的長軸線，在長軸線上選取種子點，采用區域增長方法確定所述定位區域；或者

基于預設程序確定所述定位區域。

進一步的，所述預處理所述定位區域包括：

對所述定位區域進行基于海森點增強的閾值分割，獲取所述目標區域。

進一步的，所述根據形態學模型處理所述概率圖，包括：

采用海森點增強模型處理所述概率圖，獲取海森點增強圖；

基于所述概率圖中的每個體素或像素，確定所述海森點增強圖中的對應體素或像素；

若所述概率圖中的所述任一體素或像素的值大于第一閾值，并且所述第海森點增強圖中對應的體素或像素的值大于第二閾值，則所述體素或像素屬于所述實性區域；

否則，所述體素或像素屬于背景區域。

進一步的，所述第一閾值的取值范圍為為(0,1)之間的常數，所述第二閾值的取值范圍為(0,100)之間的常數。

進一步的，所述基于高斯混合模型處理所述目標區域，還包括：

采用海森線增強模型處理所述概率圖，獲取海森線增強圖；

基于所述概率圖中的每個體素或像素，確定所述海森線增強圖中的對應體素或像素；

將所述概率圖中的所述體素或像素的值與第一閾值比較；

將所述海森線增強圖中的體素或像素的值與第三閾值比較；

若所述概率圖中的所述任一體素或像素的值大于第一閾值，并且所述第海森線增強圖中對應的體素或像素的值小于第三閾值，則所述體素或像素屬于所述周圍區域；

否則，所述體素或像素屬于背景區域。

進一步的，所述第三閾值的取值范圍為取值范圍為(0,50)之間的常數。

進一步的，所述目標區域、所述概率圖、所述海森點增強以及所述海森線增強圖中任一體素或像素的空間位置是一一對應。

為解決上述技術特征，本發明還提供一種圖像分割系統，包括:

輸入單元，用于獲取醫學圖像；