[發明專利]基于GPU的術中導航交互式實時組織分割方法及平臺

在審

• 申請號: 202011422531.1
• 申請日: 2020-12-08
• 公開（公告）號: CN112508990A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 劉君;崔飛;王煒;吳乙榮
• 申請（專利權）人: 劉君;崔飛;王煒
• 主分類號: G06T7/187
• 分類號: G06T7/187;G06T7/90;G06T1/20
• 代理公司: 廣州科峻專利代理事務所(普通合伙) 44445
• 代理人: 唐海斐

本發明公開了一種基于GPU的術中導航交互式實時組織分割方法及平臺，首先將原始醫學圖像切片通過PCI?E總線從內存加載到GPU的顯存中，然后由GPU進行并行區域增長算法分割醫學圖像，最后將區域增長算法得到的圖像體素組成完整的器官；所述GPU進行并行區域增長算法分割醫學圖像包括以下步驟：第一步，屬性判斷，計算圖像中每一個體素點的灰度均值及標準差，并與種子點的均值標準差比較，來判斷是否屬于同一屬性，標記為候選體素點；第二步，連通判斷，所有的候選體素點均為中心，多個體素點并行向外增長，經過多次迭代將所有判定具有連通性的體素稱連通體素，并連通體素并入分割區域。

技術領域

本發明涉及醫學圖像分割處理領域，尤其是一種基于GPU的術中導航交互式實時組織分割方法及平臺。

背景技術

圖像分割技術是計算機視覺和圖像識別的關鍵預處理步驟，它是將圖像分成若干個特定的、具有獨特性質的區域的過程。比如：在醫學圖像三維重建中，以CT作為輸入數據，原始CT中包含各種組織與器官，分割則是找到某個感興趣組織并確定其邊緣，將此組織分離出來。分割結果可以做為以后各種算法的基礎，如三維建模，特征提取等等；所以可以說沒有正確的分割就沒有正確的識別。如圖1所示，就是使用區域增長算法，對CT圖像序列進行分割的過程；具體是CT圖像肺臟分割 （a）輸入CT序列（b）在某一張CT的肺臟區域選擇種子點（c）對CT序列其他體素進行屬性及與種子點連通性判斷（d）分割后的肺臟結果。示例中分割的目標區域為肺臟，種子點采樣在肺臟上，算法通過計算其他體素點的屬性（均值+標準差）并與種子點相比，判斷其是否同屬性；其次由于器官為整塊連通區域，需要判斷體素點與種子點之間是否存在一條同屬性的體素點組成的通路。如果滿足以上兩個條件，此體素點被歸類為肺臟點，最終所有分類出的體素組成了完整的肺臟。使用同一方法，可以分割出膽囊、胰腺、腫瘤等不同組織。

由上所述，區域增長算法分為以下兩步：

1.屬性判斷：計算圖像中每一個體素點的灰度均值及標準差，并與種子點的均值標準差比較，來判斷是否屬于同一屬性，標記為候選體素點。

2.連通判斷：候選體素點是否與種子點間存在由候選體素點組成的通路，即候選體素點兩兩相鄰可以連接到種子點。“相鄰”指4鄰域或8鄰域相鄰（二維），6鄰域或26鄰域相鄰（三維）。圖2所示過程中，以種子點為起始，逐級向外，生長出所有同類點，故名區域增長。

第1步屬性判斷中，每一個像素的判斷不依賴于其他像素判斷的結果，所有像素的屬性判斷可以同時進行；可以方便使用硬件進行并行計算從而提升性能，如CPU多線程，GPU并行。但是第2步的連通判斷則是一個漸進的算法，以種子點為起始，先檢查種子點鄰域，再以鄰域中的候選種子點作為新的種子點，逐漸向四周逐漸蔓延。而圖像邊緣的像素的判斷只有當它鄰域中靠近種子點的像素判斷結束后才能進行，所以其本質上是一個串行的過程。目前行業中的算法都是使用串行來實現連通判斷，從而成為了算法性能的瓶頸。

因此，還有待于對現有技術進行改進。

發明內容

本發明的目的是提供一種基于GPU的術中導航交互式實時組織分割方法及平臺，旨在與解決現有圖像分割方法中的區域增長算法運算時間長，不能實時響應的問題。

為實現上述的目的，本發明的技術方案為：一種基于GPU的術中導航交互式實時組織分割方法，首先將原始醫學圖像切片通過PCI-E總線從內存加載到GPU的顯存中，然后由GPU進行并行區域增長算法分割醫學圖像，最后將區域增長算法得到的圖像體素組成完整的器官；所述GPU進行并行區域增長算法分割醫學圖像包括以下步驟：第一步，屬性判斷，計算圖像中每一個體素點的灰度均值及標準差，并與種子點的均值標準差比較，來判斷是否屬于同一屬性，標記為候選體素點；第二步，連通判斷，所有的候選體素點均為中心，多個體素點并行向外增長，經過多次迭代將所有判定具有連通性的體素稱連通體素，并連通體素并入分割區域。

所述的基于GPU的術中導航交互式實時組織分割方法，其中，所述并行區域增長的算法具體步驟為：