[發明專利]一種腹部CT序列圖像中肝臟腫瘤區域圖像的自動分割方法

有效

• 申請號: 201810341254.8
• 申請日: 2018-04-17
• 公開（公告）號: CN108596887B
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 廖苗;趙于前;劉毅志;方志雄;歐陽軍林
• 申請（專利權）人: 湖南科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/194;G06T5/00;G06T5/30;G06T5/40
• 代理公司: 湘潭市匯智專利事務所(普通合伙) 43108
• 代理人: 顏昌偉

1.一種腹部CT序列圖像中肝臟腫瘤區域圖像的自動分割方法，其特征在于，該方法包括：

(1)采用稀疏形狀組合模型對腹部CT序列圖像f進行預處理，獲取其中的肝臟區域；

(2)采用高斯函數擬合序列中整個肝臟區域的灰度直方圖，根據高斯分布的概率理論以及解剖學先驗知識，獲取正常肝臟組織的大致灰度范圍[I_min,I_max]，其中I_min表示灰度最小值，I_max表示灰度最大值；

(3)利用灰度值I_min和I_max，對肝臟區域進行分段非線性增強，提高腫瘤與正常肝實質的對比度，增強結果記作ζ；

(4)為了去除增強結果中的噪聲、平滑圖像，采用大小為(2s+1)×(2s+1)的卷積核對增強結果ζ進行N_iter次迭代卷積操作，得到結果ζ_conv，其中s、N_iter均為大于0的自然數；

(5)利用增強結果，結合圖像邊界信息，構建多目標分割的圖割能量函數：

其中，P表示圖像f中的所有像素集；f_p和f_q分別表示圖像f中的像素點p和q；N_p表示像素點p的鄰域像素集；R(f_p)為灰度懲罰項，對圖像像素點分別屬于背景、正常肝實質和腫瘤組織進行懲罰，計算公式如下：

其中，I_p和I_q表示像素p和q的灰度值，mask為采用稀疏形狀組合模型對腹部CT序列圖像進行預處理得到的肝臟掩模，屬于肝臟區域的像素標記為1，屬于背景的像素標記為0，即B(f_p,f_q)為邊界懲罰項，對相鄰像素灰度不一致進行懲罰，計算公式如下：

其中

d(p,q)表示像素p和q的歐氏距離，T_P表示圖像f的像素集P的像素總數；

權重α用于調節灰度懲罰項R(f_p)和邊界懲罰項B(f_p,f_q)在圖割算法中所占的比重，取值范圍為0～1；

(6)采用最優化算法最小化能量函數E(f)，獲取肝臟腫瘤初步分割結果；

(7)采用三維數學形態學開操作對初步分割結果進行后處理，去除其中的誤分割區域，得到精確的肝臟腫瘤組織。

2.如權利要求1所述的腹部CT序列圖像中肝臟腫瘤區域圖像的自動分割方法，其特征在于：所述s優選1～5的自然數，N_iter優選30～130的自然數，α優選0.5～1的正常數。

3.如權利要求1所述的腹部CT序列圖像中肝臟腫瘤區域圖像的自動分割方法，其特征在于：在所述的第(3)步中，分段非線性增強公式如下：

其中，I為圖像像素灰度，和θ分別為調節正常肝臟區域和腫瘤區域增強程度的懲罰因子，和θ取值均為正常數，當圖像像素灰度I落在區間[I_min,I_max]上時，表明該像素點屬于正常肝臟的概率較大，對其進行增強的懲罰因子設置相對較小，而當灰度I小于I_min或大于I_max時，表明該像素點屬于肝臟腫瘤的概率較大，懲罰因子θ值則設置相對較大。

4.如權利要求3所述的腹部CT序列圖像中肝臟腫瘤區域圖像的自動分割方法，其特征在于：所述優選0.1～1的正常數，θ優選1～3的正常數。

5.如權利要求1所述的腹部CT序列圖像中肝臟腫瘤區域圖像的自動分割方法，其特征在于：在所述的第(7)步中，優選半徑為r的球形結構作為三維形態學開操作的結構元素。

6.如權利要求5所述的腹部CT序列圖像中肝臟腫瘤區域圖像的自動分割方法，其特征在于：所述r優選2～25的自然數。