[發明專利]一種融合加權隨機森林的3D椎骨CT圖像主動輪廓分割方法

在審

• 申請號: 201810259945.3
• 申請日: 2018-03-27
• 公開（公告）號: CN108510507A
• 公開（公告）日: 2018-09-07
• 發明（設計）人: 劉曉;劉俠;甘權
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06K9/32;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種融合加權隨機森林的3D椎骨CT圖像主動輪廓分割方法，涉及醫學圖像處理領域，本發明針對椎骨CT圖像分割方法對初始輪廓的敏感問題，提出一種自動定位椎骨、分割椎骨CT圖像的方法。首先，提出加權隨機回歸、分類森林算法確定椎骨中心；接著，將主動輪廓分割的初始輪廓球置于椎骨中心位置，采用聯合能量函數的3D主動輪廓分割方法將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，可以對椎骨進行自動三維分割，簡化脊柱CT圖像的分割步驟及流程。

技術領域

本發明涉及醫學圖像處理領域，尤其是涉及一種融合加權隨機森林的3D椎骨CT圖像主動輪廓分割方法。

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對象的過程。目前，圖像分割廣泛用于醫學圖像的計算機輔助診斷。醫學圖像的分割被認為是圖像處理分析的基礎。隨著醫學圖像處理和分析技術的不斷發展，醫學圖像處理正在迅速發展，使用計算機對圖像進行分析和處理是現代醫學中的一項重要研究，有重要的意義和實用價值。

脊柱也被稱為脊椎，是形成身體上部中央重心軸的骨骼結構。脊柱圖像具有各種醫學圖像模型，諸如 X射線，CT，MRI，PET的各種脊柱圖像來診斷脊柱病理和評估脊柱解剖結構。其中，CT是世界上應用最廣泛的掃描技術，是評估脊柱三維形狀最準確的方法。脊柱分割是后續大多數椎體圖像分析和建模任務中的基本步驟，例如基于圖像的生物力學建模，圖像引導或需要分割準確性的脊柱異常的識別。例如，雖然脊柱圖像引導通常需要亞毫米級精度，但手動分割椎骨是主觀的，需要相當長的時間，大多數臨床應用使用我需要的全自動或半自動分割方法。由于形狀復雜，椎體結構發生變化，相鄰椎體非常相似，跨越脊柱的CT圖像分割跨越人群、結構、病理和空間相互關系，這對分割工作很重要。

近年來，一些計算機斷層掃描脊椎分割算法已經被提出。早期的研究中，脊柱的分割有基于區域的分割方法：自適應閾值、區域生長和邊界調整，例如圖案切斷用無監督的圖像處理方法來實現。與此同時分割椎骨，水平集方法也被使用處理復雜的椎骨結構。用于邊緣和基于區域的水平集函數組合的水平集框架，也可以在CT圖像來進行分割。除了基于區域的技術，統計方法和試探法來用于椎體的分割。此外，基于分水嶺的方法也被廣泛使用在有向圖搜索曲線的重建和椎骨模板的自動分割，利用數學形態學和分水嶺標記方法在分割脊柱CT圖像方面也很受歡迎。然而，其中一些方法，初始輪廓需要手動定義，不能完全自動分割圖像。

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敏感的問題，提出一種融合加權隨機森林的三維主動輪廓椎骨CT 分割方法，本方法提取CT圖像的3D Haar-like特征，利用加權隨機森林回歸、分類算法獲得椎骨中心點，后將分割初始輪廓球置于預測中心點，通過求解聯合能量函數最小值實現椎骨分割。

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、顯示訓練集及測試集椎骨CT圖像；

步驟2：在脊柱CT圖像中進行體素的3D Haar-like特征提取；

步驟3：由步驟2中所得到的3D Haar-like特征，進行加權隨機森林回歸、分類以確定椎骨的中心點，輸出椎骨定位模型；

步驟4：將3D主動輪廓分割的初始輪廓球放在步驟3確定的椎骨中心點，對定義的綜合能量函數求取最小值進行主動輪廓分割；

步驟5：將步驟4求取的最小距離符號函數S*進行三維輪廓映射，得到分割輪廓L*，完成分割后輸出分割圖像，輸出椎骨3D分割模型；

步驟6：輸出訓練好模型進行組合，得到完整的脊柱CT分割模型。

進一步，所述的步驟3包括以下內容：