[發(fā)明專利]一種基于預(yù)加重策略的全自動(dòng)腰椎圖像分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811048812.8
• 申請(qǐng)日: 2018-09-10
• 公開(kāi)（公告）號(hào): CN109389603B
• 公開(kāi)（公告）日: 2021-09-24
• 發(fā)明（設(shè)計(jì)）人: 高飛;劉水;丁廉;王霄英;張玨;方競(jìng)
• 申請(qǐng)（專利權(quán)）人: 北京大學(xué);北京大學(xué)第一醫(yī)院
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/136;G06T7/187
• 代理公司: 北京萬(wàn)象新悅知識(shí)產(chǎn)權(quán)代理有限公司 11360
• 代理人: 蘇愛(ài)華

1.一種基于預(yù)加重策略的全自動(dòng)腰椎圖像分割方法，其特征在于，基于腰椎磁共振成像規(guī)律和人體腰椎解剖結(jié)構(gòu)的先驗(yàn)知識(shí)，通過(guò)預(yù)先設(shè)計(jì)的椎體和椎間盤(pán)的矩形基本結(jié)構(gòu)單元，構(gòu)造出具有腰椎曲線、椎體、椎間盤(pán)多樣性以及豐富組織紋理的模擬腰椎圖像數(shù)據(jù)；進(jìn)而將訓(xùn)練集的所有椎體和椎間盤(pán)區(qū)域添加不同的特定顏色作為預(yù)加重標(biāo)簽，通過(guò)有監(jiān)督機(jī)器學(xué)習(xí)方法，訓(xùn)練得到分割模型；最終利用訓(xùn)練好的分割模型進(jìn)行真實(shí)磁共振腰椎圖像的全自動(dòng)分割；包括以下步驟：

S1：構(gòu)建訓(xùn)練數(shù)據(jù)

S11：預(yù)先設(shè)定矩形作為椎體和椎間盤(pán)的基本結(jié)構(gòu)單元，其中，椎體結(jié)構(gòu)單元為ROI1，長(zhǎng)為h1，寬為w1；椎間盤(pán)結(jié)構(gòu)單元為ROI2，長(zhǎng)為h2，寬為w2；ROI1和ROI2按照上下相間分布，相鄰ROI1和ROI2的間距為m；6～10個(gè)ROI1和6～10個(gè)ROI2組合生成一幅腰椎標(biāo)準(zhǔn)骨架圖像M0，M0的大小為W×H；并且，M0中所有的ROI1和ROI2內(nèi)填充白色，M0中其余像素填充為黑色；所有ROI1和ROI2的中心點(diǎn)連線為模擬腰椎骨架軸線；采用四次多項(xiàng)式生成曲線作為模擬腰椎骨架軸線L0，四次多項(xiàng)式的參數(shù)為a0、a1、a2、a3、a4,由一幅真實(shí)的脊椎磁共振圖像T中的腰椎軸線擬合得到；

S12：對(duì)于M0，在保持原有ROI1和ROI2上下位置不變的前提下，對(duì)所有ROI1和ROI2進(jìn)行旋轉(zhuǎn)和平移操作，使得模擬腰椎骨架軸線L0始終位于與所有ROI1和ROI2的中心點(diǎn)連線重合的位置；進(jìn)一步，對(duì)M0圖像中的每個(gè)基本單元ROI1和ROI2的大小進(jìn)行0.6-1.5倍的隨機(jī)縮放，并刪除超出圖像邊緣的單元，得到新生成的模擬腰椎骨架圖像M1；

S13：對(duì)于M1圖像中的所有ROI1和ROI2單元區(qū)域，根據(jù)人體椎體和椎間盤(pán)的T1和T2典型值，隨機(jī)調(diào)整取值范圍為典型值±10％,利用布洛赫方程計(jì)算得到區(qū)域內(nèi)的信號(hào)強(qiáng)度，進(jìn)而對(duì)區(qū)域內(nèi)信號(hào)分布按照真實(shí)腰椎磁共振圖像進(jìn)行調(diào)整，填充至ROI1和ROI2區(qū)域內(nèi),得到M2；

S14：利用椎體骨自優(yōu)化方程將M2中所有ROI1單元進(jìn)行參數(shù)隨機(jī)的形狀演化；同時(shí)將M2中所有的ROI2單元進(jìn)行隨機(jī)的彈性變形，得到新生成的M3；彈性變形方法為，首先生成隨機(jī)位移場(chǎng)，即圖像中每個(gè)像素點(diǎn)位移的大小，隨機(jī)位移場(chǎng)中橫向位移為Δx(x,y)＝rand(-1,1)，縱向位移為Δy(x,y)＝rand(-1,1)，x,y分別為圖像中任一點(diǎn)的橫縱坐標(biāo)值，rand(-1,1)為從[-1,1]的均勻分布中隨機(jī)取值；然后將生成的隨機(jī)位移場(chǎng)與標(biāo)準(zhǔn)差為σ、均值為0的二維高斯函數(shù)進(jìn)行卷積運(yùn)算，得到需要的位移場(chǎng)；最后根據(jù)位移場(chǎng)中每個(gè)點(diǎn)的位移大小對(duì)圖像中每個(gè)點(diǎn)進(jìn)行位移，并用雙線性差值計(jì)算位移后的像素值；

S15：針對(duì)M3，首先提取T中椎體寬度w，調(diào)整M3中每個(gè)ROI1和ROI2寬度為w，得到M4，M4與T疊加合成一幅模擬腰椎圖像S；S作為訓(xùn)練集的樣本；

S16：將M3圖像中的每個(gè)ROI1區(qū)域填充紅色，每個(gè)ROI2區(qū)域填充藍(lán)色，得到圖像L；L作為訓(xùn)練集中相應(yīng)S的預(yù)加重標(biāo)簽；

S2：設(shè)計(jì)分割網(wǎng)絡(luò)

設(shè)計(jì)深度卷積網(wǎng)絡(luò)，將S作為訓(xùn)練樣本輸入深度卷積網(wǎng)絡(luò)中，進(jìn)行網(wǎng)絡(luò)訓(xùn)練，直到網(wǎng)絡(luò)收斂停止訓(xùn)練，得到腰椎圖像分割模型；

S3：將待分割的真實(shí)腰椎磁共振圖像輸入腰椎圖像分割模型，得到椎體和椎間盤(pán)的分割概率圖P；將P和待分割的腰椎圖像輸入條件隨機(jī)場(chǎng)，最終得到椎體和椎間盤(pán)分割結(jié)果圖；其中，條件隨機(jī)場(chǎng)的能量函數(shù)為：

其中，x為條件隨機(jī)場(chǎng)輸出的分割概率圖，ψ_u(x_i)＝-logP(x_i)，P(x_i)為深度卷積網(wǎng)絡(luò)輸出的分割概率圖，如果x_i≠x_j，μ(x_i,x_j)＝1，否則為0，f表示每個(gè)像素的特征，k_G^(m)表示m個(gè)高斯核函數(shù)，在這里為

其中，p_i表示第i個(gè)像素的位置，I_i表示第i個(gè)像素的灰度值，第一個(gè)高斯核同時(shí)依賴于圖像位置和灰度，第二個(gè)高斯核依賴于位置，σ_α、σ_β和σ_γ控制高斯核的尺度。