[發(fā)明專利]一種改進的基于Hessian矩陣增強的顱骨分割方法

有效

• 申請?zhí)枺?/td>: 202010116425.4
• 申請日: 2020-02-25
• 公開（公告）號: CN111402261B
• 公開（公告）日: 2021-06-08
• 發(fā)明（設(shè)計）人: 劉奇;唐銘;全美霖
• 申請（專利權(quán)）人: 四川大學(xué)青島研究院
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T5/00
• 代理公司: 成都方圓聿聯(lián)專利代理事務(wù)所(普通合伙) 51241
• 代理人: 宋紅賓

1.一種改進的基于Hessian矩陣增強的顱骨分割方法，包括以下步驟：

(1)醫(yī)學(xué)圖像預(yù)處理；(2)對目標(biāo)區(qū)域估計；(3)利用骨增強濾波器對圖像中的骨骼體素進行增強，(4)基于圖割理論進行顱骨分割；

所述的步驟(1)，在圖像的預(yù)處理階段，通過調(diào)節(jié)CT圖像的窗寬/窗位來增強圖像中骨骼和其他軟組織的對比度；通過窗寬窗位調(diào)整，抑制原始圖像中大量的背景噪聲，突出感興趣的目標(biāo)區(qū)域,提高CT圖像質(zhì)量；然后利用濾波器對圖像進行銳化，實現(xiàn)圖像邊界的增強；

其特征在于，所述的步驟(2)，目標(biāo)區(qū)域估計處理，具體的過程如下：

(i)利用骨增強濾波器計算整個三維圖像中所有體素的在尺度σ＝0.5下的片狀響應(yīng)參數(shù)；R_sheet參數(shù)，定義如下：

其中R_sheet表示片狀體素響應(yīng)參數(shù)；

將閾值函數(shù)引入到骨骼增強模型中，通過設(shè)置閾值T來抑制0附近的λ₃的值來減小背景和噪聲體素的響應(yīng)值，骨增強模型為：

其中，R_blob為點狀體素響應(yīng)參數(shù)，參數(shù)α，β＝0.5，γ＝0.25；

R_noise表示噪聲抑制參數(shù)，

尺度范圍為0.5≤σ≤1.2；

(ii)根據(jù)計算得到的最大的響應(yīng)值作為片狀體素響應(yīng)值Sheetness和圖像的CT值大小對體素進行初步分類，滿足分類標(biāo)準(zhǔn)的體素標(biāo)記為1，不滿足分類標(biāo)準(zhǔn)的體素標(biāo)記為0；

分類的標(biāo)準(zhǔn)為Bone＝{(HU＞400)||(HU＞-25Sheetness＞0.85)}；通過分類能夠得到三維CT圖像數(shù)據(jù)中顱骨的大致分割結(jié)果；

(iii)對估計的結(jié)果圖像進行倒角距離變換，通過距離變換將一幅表示目標(biāo)的二值圖像轉(zhuǎn)化為灰度圖像，灰度圖中的灰度值表示原始二值圖像相應(yīng)坐標(biāo)點關(guān)于最近目標(biāo)的距離，變換后得到的圖像也就是所謂的距離圖像；

(iv)將閾值設(shè)置為30，對距離變換后的距離圖像進行閾值處理，就可得到感興趣區(qū)域的估計結(jié)果；感興趣區(qū)域中包含了完整顱骨結(jié)構(gòu)的所有體素及部分顱內(nèi)軟組織體素。

2.根據(jù)權(quán)利要求1所述的一種改進的基于Hessian矩陣增強的顱骨分割方法，其特征在于，所述的步驟(3)，計算CT圖像中目標(biāo)區(qū)域體素在不同的尺度下的Hessian矩陣并進行特征值分解，根據(jù)得到的特征值計算體素在不同尺度下的響應(yīng)參數(shù)，并將最大的響應(yīng)參數(shù)作為體素的響應(yīng)值。

3.根據(jù)權(quán)利要求2所述的一種改進的基于Hessian矩陣增強的顱骨分割方法，其特征在于，所述的步驟(4)將每個體素作為圖的頂點，像素點之間的代價函數(shù)作為連接頂點的邊的權(quán)重，從而將圖像的分割過程轉(zhuǎn)化成對圖的切割；通過計算式中的能量函數(shù)的全局最小值實現(xiàn)對三維CT圖像中的顱骨分割。