[發明專利]一種器官圖像分割方法和裝置

有效

• 申請號: 201911029097.8
• 申請日: 2019-10-28
• 公開（公告）號: CN110874843B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 何金蟬;高毅;熊念
• 申請（專利權）人: 深圳大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/30;G06N3/0464;G06V10/764;G06V10/774;G06V10/82
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 洪銘福

本發明公開了一種器官圖像分割方法和裝置，包括：進行非線性配準得到配準系數；變換二值圖后，將其疊加得到先驗分布；基于馬爾科夫鏈蒙特卡洛進行空間采樣得到采樣點；從待分割圖像得到對應子區域；得到并疊加子區域分割結果得到似然函數；設置并疊加子區域示性函數獲得先驗分布；結合先驗分布和似然函數得到后驗分布，二值化后驗分布得到最終分割結果。本發明實施例通過樣本圖像的配準獲取目標器官的先驗分布，通過馬爾科夫鏈蒙特卡洛算法進行采樣，得到空間采樣點，根據對應子區域分割結果得到目標器官的似然函數，構建并疊加子區域的示性函數，獲得先驗分布，通過似然函數和先驗分布，得到后驗分布，二值化處理后，得到最終分割圖像。

技術領域

本發明涉及圖像處理技術領域，尤其是一種器官圖像分割方法和裝置。

背景技術

當前的技術中，很多器官的分割已經達到了很好的效果，但對于一些個體差異大、尺寸較小、邊界不明顯、容易產生形變的器官，分割結果雖也得到了一定程度的改善，卻并沒有達到令人滿意的程度，例如：胰腺。針對這類器官的分割，較具代表性的思路有：由粗到細的分割，即先粗略分割得到器官的大概位置，由此得到一個器官的包圍盒，再在包圍盒內利用深度神經網絡對器官進行分割。但對于類似于胰腺這樣尺寸小、邊界模糊、形態較不規則的器官，粗略分割得到的包圍盒存在兩個問題：

1)包圍盒沒有很好的覆蓋目標器官；

2)包圍盒內背景區域太多，使得訓練數據集失衡，從而深度神經網絡并不能夠很好的學習到目標器官內部及其輪廓特征。

發明內容

本發明實施例旨在至少在一定程度上解決相關技術中的技術問題之一。為此，本發明實施例的一個目的是提供一種器官圖像分割方法。

為此，本發明實施例的第二個目的是提供一種器官圖像分割裝置。

本發明所采用的技術方案是：

第一方面，本發明實施例提供一種器官圖像分割方法，包括：將多個樣本圖像與待分割圖像進行非線性配準，得到樣本圖像的配準系數；基于配準系數變換樣本圖像中的目標器官的二值圖，將這些二值圖進行疊加，得到目標器官的先驗分布；基于馬爾科夫鏈蒙特卡洛進行，利用目標器官的先驗分布進行空間采樣，得到精密采樣點；根據精密采樣點從待分割圖像中提取子區域；處理子區域，輸出子區域的分割結果；在待分割圖像空間中將子區域分割結果疊加，得到待分割圖像中目標器官的似然函數；設置子區域在待分割圖像空間中的示性函數，疊加示性函數，獲得先驗分布；結合待分割圖像中目標器官的先驗分布和似然函數，得到目標器官的后驗分布，二值化后驗分布得到最終分割結果。

優選地，包括基于訓練完成的學習模型處理子區域，輸出子區域的分割結果，對應的，學習模型的設置包括：利用目標器官的先驗分布進行空間采樣，得到采樣點；根據采樣點從樣本圖像的配準圖像提取得到對應的子區域；以子區域作為學習模型的訓練樣本，進行訓練。

優選地，學習模型基于卷積神經網絡或支持向量機或隨機森林。

優選地，基于馬爾科夫鏈蒙特卡洛，利用目標器官的先驗分布進行空間采樣包括：設置平穩分布P(x)和對稱的狀態轉移矩陣q；設置狀態轉移次數閾值為n₁，需求的樣本數為n₂；任意生成一個初始狀態x₀；從條件概率分布q(x|x_t)中采樣得到樣本x^*，0≤t≤n₁+n₂-1；從均勻分布Uniform(0,1)中采樣得到隨機數u；接受率α(x_t,x^*)＝min{p(x^*)/p(x_t),1}，當u＜α(x_t,x^*)，令x_t+1＝x^*，提取x_t+1對應的三維子區域，得到空間采樣結果。