[發明專利]GVF法分割CT骨盆圖像中采用的初始輪廓生成方法

有效

• 申請號: 201710050598.9
• 申請日: 2017-01-23
• 公開（公告）號: CN106780491B
• 公開（公告）日: 2020-03-17
• 發明（設計）人: 余輝;王海均;于旭耀;曹玉珍;孫敬來;張力新;安家寶
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/136
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

本發明涉及一種GVF法分割CT骨盆圖像中采用的初始輪廓生成方法，包括下列步驟：CT圖像預處理；得到感興趣區域掩模；將掩模與初始圖像進行卷積得到中間圖像；將中間圖像按照空間順序排列，選取相鄰兩幀CT圖像的像素差值作為特征距離，將特征距離小于指定閾值的相鄰兩幀作為相似幀，對CT序列進行初步篩選，得到候選關鍵幀序列；對候選關鍵幀序列進行細致篩選；交互式標記關鍵幀骨輪廓。

技術領域

本發明涉及醫學圖像分割領域，具體來說是一種在骨盆CT圖像中對大盆骨、骶骨、髖骨、髖臼等骨區域分割方法。

背景技術

醫學圖像分割是醫學圖像分析及處理的基礎，醫學圖像分割的準確性將直接影響醫生對病情的判斷以及手術方案的選擇。由于CT圖像具有較高的分辨率，可以清晰的顯示解剖結構以及病變組織區域的特點，CT已經廣泛的用于多種疾病診斷。骨盆骨折是造成發病、死亡的因素之一，對于移位型骨折，準確快速地確定骨折的范圍、粉碎的程度以及軟組織損害的程度等，能夠為治療方式的選取、愈后情況提供參考。其次，對于先天或后天性、小兒麻痹性、遺傳性等原因引起的骨盆發育不良情況，其功能的重新建立以及畸形的矯正取決于精確的早期診斷以及及時治療，CT對于手術前、后的骨盆解剖結構描述，手術方案的制定以及手術完成后的效果評價都有著極其重要的意義。

在骨CT圖像分割方法中，最為普遍應用的分割方法為基于灰度信息的分割法，其中閾值法是典型方法，但是骨密度具有不均勻性、股骨頭與髖臼之間的連接部分較為狹窄、以及病變引起的弱邊緣性等原因，在使用過程中很難選取合適的閾值。另外，機器視覺中的分類與聚類法也用于分割中，此類方法對噪聲具有很好的魯棒性，但是分割效果取決于樣本數量、類型，由于患者之間的個體性差異較大，此類分割算法具有局限性。目前大量研究集中于統計形狀模型分割法，如snake模型、GVF模型^[1](Gradient Vector ConvolutionField Snake Model)、基于水平集的分割模型等，此類分割方法的研究重點在于標記點的自動選取、構建較少訓練集的模型、對前述模型的改進以及與其他方法相結合等方面，在實現分割之前需要大量的人為處理給予先驗信息，最終的分割效果取決于先驗信息的準確性及完整性，由于患者之間個體化差異較大，要提高分割效果，則必須增加先驗信息，因此此類方法前期工作量大，而效果卻并不能保證，所以不適合醫院直接使用。由于GVF模型^[2]較好地解決了傳統的snack模型難以解決的兩個問題：1.對初始輪廓非常敏感；2.在分割圖像的凹陷部分時不能達到理想的效果。目前大量的研究基于GVF模型對圖像進行分割，但是GVF模型仍存在著對初始輪廓敏感以及運算時間較長的缺點。因此如果能夠獲取到較為準確的初始輪廓再使用GVF模型進行骨CT圖像分割，將大大縮小曲線變形范圍，減小迭代次數，對加快運算速度和改進分割精度有重要影響。

參考文獻：

[1]Wu Bingrong；Xie Mei；Li Guo；Gao Jingjing.Medical Image SegmentationBased on GVF Snake Model；Intell igent Computation Technology and Automation；2009:637-640.

[2]Chen,L.,et al.,Segmentation of the Pelvic Bone Using a GeneralizedGradient Vector Convolution Field Snake Model.JOURNAL OF MEDICAL IMAGING ANDHEALTH INFORMATICS,2015.5(7):p.1482-1487.

發明內容