[發(fā)明專利]基于隨機游走和水平集的三維圖像分割方法

有效

• 申請?zhí)枺?/td>: 201910552829.5
• 申請日: 2019-06-25
• 公開（公告）號: CN110264479B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計）人: 劉澤安;滕忠照
• 申請（專利權(quán)）人: 南京景三醫(yī)療科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T3/40
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林;張歡歡

本發(fā)明公開了基于隨機游走和水平集的三維圖像分割方法，包括以下過程：獲取三維圖像序列；從三維圖像序列中選取一個二維切片，并在二維切片上劃定感興趣區(qū)域；對感興趣區(qū)域進行超像素處理得到多個超像素分割區(qū)域，并取各超像素分割區(qū)域內(nèi)像素均值作為超像素區(qū)域的像素值，獲得對應(yīng)的超像素均勻填充區(qū)域；根據(jù)超像素均勻填充區(qū)域，運用隨機游走算法對感興趣區(qū)域進行分割得到該切片內(nèi)二維分割結(jié)果；基于水平集方法把獲得的二維分割結(jié)果傳遞到其它切片，得到三維圖像的分割結(jié)果。本發(fā)明利用基于超像素的隨機游走進行二維切片分割，然后利用局部二值擬合水平集方法把分割好的結(jié)果傳遞到其它切片，精準(zhǔn)而快速的完成三維分割。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種頸動脈管腔圖像分割方法，具體涉及一種基于超像素隨機游走和局部二值擬合水平集的三維圖像分割方法。

背景技術(shù)

圖像分割技術(shù)是圖像處理領(lǐng)域一個重要研究主題，如應(yīng)用到醫(yī)學(xué)領(lǐng)域的頸動脈圖像管腔的分割該分割是動脈粥樣硬化斑塊診斷過程中的重要的一步，它是后續(xù)管壁分割、斑塊分割和力學(xué)模擬分析的重要基礎(chǔ)。

現(xiàn)今對管腔做到全自動的精準(zhǔn)分割非常困難，特別是對于T1圖像、T2圖像、質(zhì)子密度(PD)圖像等黑血技術(shù)的頸動脈圖像。目前在臨床和學(xué)術(shù)研究中主要使用一些半自動的分割方法。半自動的分割方法主要有區(qū)域增長(Region Growth)算法和基于圖論(Graph)的算法兩種?；趨^(qū)域增長的半自動分割方法，根據(jù)區(qū)域增長的策略、鄰域的選擇和訪問領(lǐng)域像素的不同，可以分為連通閾值法(Connected Threshold)、大津法(Otsu Segmentation)、鄰域連通閾值法(Neighborhood Connected)、區(qū)域統(tǒng)計法(Confidence Connected)、離散種子點連接法(Isolated Connected)等，這些方法一般需要一個或者多個種子點，有時還需要指定感興趣區(qū)域(ROI)?；趨^(qū)域增長的分割算法對于管壁清晰的圖像分割效果不錯，但是對于存在偽影、斑塊組分復(fù)雜和灰度分布不均勻(intensity inhomogeneity)等情況，很容易出現(xiàn)分割泄露或者分割區(qū)域不全的情況，完全不能滿足臨床上的各種要求。基于圖論的理論的半自動分割算法主要有智能剪算法(Intelligent scissors)、隨機游走(Randomwalk)算法、圖切割(Graph cut)算法、歸一化切割(Normalization cut)算法和等周算法(Iosperimeter ratio)等，其中智能剪算法是基于圖論的最短路徑，像素之間的距離的定義既可以是歐式距離(Euler Distance)，也可以是測地距離(Geodesic Distance)。其余的算法都是基于像素之間的相似性，相似性的度量一般都是基于像素值，但是在最終的求解方式上不太一樣，圖切割和歸一化切割利用圖論中最小割(Minimum Cut/Max Flow)理論來實現(xiàn)，而隨機游走和等周算法則基于能量最小和線性方程組來進行求解。基于圖論的算法的分割精度較基于區(qū)域增長的算法有較大的提升。但是需要更多的用戶交互，例如，智能剪算法需要用戶連續(xù)地在輪廓處點擊多個關(guān)鍵點來實現(xiàn)精準(zhǔn)分割，而隨機游走算法和圖論算法則需要用戶指定前景和背景地種子點或者區(qū)域。

以上所有的方法都是針對二維切片進行分割，醫(yī)學(xué)圖像都是三維的。目前針對三維醫(yī)學(xué)圖像進行分割，有一些直接的三維方法，如三維區(qū)域增長、三維分水嶺(watershed)和三維的隨機游走等，但是這些方法要求圖像質(zhì)量較高，計算的時間復(fù)雜度和空間復(fù)雜度都比較高。例如三維的隨機游走算法存在以下兩個問題：首先，三維醫(yī)學(xué)圖像中存在的體素(Voxel)數(shù)量較多，構(gòu)建的三維圖(graph)相比二維圖要大很多，大大的增加了計算時間和計算機內(nèi)存的使用；再者，龐大的三維圖同時要求更多的種子點來獲得穩(wěn)定的解，這極大地增加了用戶的交互量，降低了用戶地分割效率。當(dāng)然，還有一些方法是在二維的切片上進行分割，然后把二維的結(jié)果傳遞到三維，傳遞的方法一般是在對多個二維的切片進行三維的插值，得到其它切片的分割結(jié)果，這種插值法的缺點是必須分割多個二維切片，而且必須選擇數(shù)量足夠多的二維切片，才能得到比較好的三維分割結(jié)果。

發(fā)明內(nèi)容