[發明專利]一種基于主動輪廓模型的脊柱CT圖像自動定位分割方法

在審

• 申請號: 201711315308.5
• 申請日: 2017-12-12
• 公開（公告）號: CN108230301A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 劉曉;劉俠;陸進;甘權
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/194;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于主動輪廓模型的脊柱CT圖像自動定位分割方法，涉及醫療圖像處理領域，本發明針對脊柱CT圖像的分割方法對初始位置及輪廓的敏感問題，提出一種自動定位分割CT圖像的方法。首先，由臨床CT儀掃描獲得n組脊柱CT圖像，由專家人員手動將該CT切片手動分割并用作訓練樣本；其次，運用隨機森林算法對椎骨中心進行定位確定椎骨中心；接著，將分割初始輪廓置于隨機森林算法確定的中心位置，采用模糊輪廓分割將CT切片圖像中椎骨分割出來；最后，將訓練好的模型組合輸出，得到完整椎骨CT圖像分割模型。本發明提出的脊柱CT分割模型，可以自動定位椎骨中心和分割初始輪廓位置，可以對椎骨進行自動分割，簡化脊柱CT圖像的分割步驟及流程。

技術領域

本發明涉及醫療圖像處理領域，尤其是涉及一種基于主動輪廓模型的脊柱CT圖像自動定位分割方法。

背景技術

圖像分割是將圖像分割成多個區域并提取感興趣的物體的過程。目前，圖像分割在醫學圖像的計算機輔助診斷中得到了廣泛的應用。醫學圖像的分割在圖像處理分析中被視為基石位置，隨著逐步發展醫學圖像處理和分析技術的處理迅速發展起來，使用計算機對圖像進行分析與處理，在現代醫學中已然成為一個重要的研究方向，并且其具有重要的意義和實際應用價值。

脊柱也被稱為脊椎，是形成人體上部中心負重軸的骨骼結構。脊柱圖像有著多種醫學影像學模式，其中X光片、CT、MRI和PET等多種圖像被用于評估脊柱解剖和診斷脊柱病理。其中，CT是當代使用最廣泛的掃描技術，是評估椎骨的三維形態的空間上最精確的方式。脊柱分割是大多數后續脊柱圖像分析和建模任務的基本步驟，例如基于圖像的生物力學建模、圖像引導或識別脊柱異常等一些分析中需要分割的精確性。例如，脊柱圖像引導通常需要亞毫米級精度，但是手動分割椎骨是主觀的并且耗費大量的時間，大多數臨床應用需要全自動或半自動的方法來進行分割。由于椎骨的復雜形狀和變化的結構，且相鄰椎骨間又極其相似，并且脊柱CT圖像分割跨越人口、結構、病理以及空間上的相互聯系，這給我們的分割工作造成了極大的困難。

近年來，人們提出了一些計算機斷層圖像的脊柱分割算法。在早期的工作中，椎骨的分割是通過無監督的方式實現的圖像處理方法，如自適應閾值、區域生長和邊界調整，或基于區域的分割方法，如流域和圖形切割。同時椎骨分割也采用了水平集方法，因為它們可以處理復雜椎骨結構。水平集框架來指導一個表面模型的演變，結合邊緣和基于區域的水平集函數也可已在CT圖像上完成椎體分割。在基于區域的技術中統計和啟發式方法來檢測椎體分割，基于流域的技術算法有向圖搜索曲線重構和椎骨模板自動分割應用也較為廣泛。除此之外應用數學形態學和分水嶺的標記來分割椎骨也十分流行。但這些方法中有些需要手動制定初始輪廓，有些需要指定參數，不能完全自動分割。

發明內容

本研究設計正是在這樣的背景下提出的。為了實現對脊柱CT圖像進行椎骨與背景圖像自動分離和解決對脊柱CT圖像的分割方法對初始輪廓位置及初始輪廓敏感的問題，提供一種基于主動輪廓模型的精確有效的脊柱CT圖像分割方法。本發明方法提取脊柱CT圖像的3D Haar-like 特征，通過隨機森林方法回歸算法獲得多個待定中心點，應用Mean-shift算法對100個距離標記椎骨中心點最近的候選點進行聚類運算，生成聚類中心點，產生聚類中心點生成標志點對應的 3D 概率圖譜，采用隨機森林分類法去除偽椎骨的中心點，并利用概率圖中最大概率值對應的點作為椎骨中心最終定位點。然后將最終解剖位置作為初始輪廓位置，通過求解窄帶模糊能量函數的最小值實現脊柱CT圖像分割。

本發明的目的是通過以下技術方案實現的，具體包括以下步驟：

步驟1：讀取并顯示訓練集脊柱CT圖像好帶分割脊柱CT圖像；

步驟2：對脊柱CT圖像中的像素進行3D Haar-like特征向量的提??；

步驟3：根據步驟2提取的3D Haar-like特征，利用隨機森林算法確定椎骨的中心點；