專(zhuān)利名稱(chēng)：軟組織核磁圖像自適應(yīng)外力水平集自動(dòng)分割及實(shí)現(xiàn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種醫(yī)學(xué)圖像分割方法。特別是涉及一種具有無(wú)需人工干預(yù)、能夠快速準(zhǔn)確地自動(dòng)分割出目標(biāo)組織的特性的軟組織核磁圖像自適應(yīng)外力水平集自動(dòng)分割及實(shí)現(xiàn)方法。
背景技術(shù)：
圖像分割是圖像處理、圖像分析和計(jì)算機(jī)視覺(jué)等領(lǐng)域經(jīng)典的研究課題之一，也是難點(diǎn)之一，其目的是將圖像分成各具特性的區(qū)域并將目標(biāo)從背景和噪聲中分離出來(lái)，從而為后續(xù)的定量、定性分析提供基礎(chǔ)支持。由于各種圖像，尤其是醫(yī)學(xué)圖像的方式各異，過(guò)程中又不可避免地引入一定的隨機(jī)噪聲，再加上圖像中感興趣目標(biāo)的形態(tài)和強(qiáng)度差別很大，至今還沒(méi)有一種通用的方法適合于所有圖像的分割。MRI (核磁共振,Magnetic ResonanceImaging)是目前非常重要的一種臨床影像診斷方法。MRI利用核磁共振原理，依據(jù)所釋放的能量在物質(zhì)內(nèi)部不同結(jié)構(gòu)環(huán)境中不同的衰減，通過(guò)外加梯度磁場(chǎng)檢測(cè)所發(fā)射出的電磁波，即可得知構(gòu)成這一物體原子核的位置和種類(lèi)，據(jù)此可以繪制成物體內(nèi)部的結(jié)構(gòu)圖像。自從MRI技術(shù)用于人體內(nèi)部結(jié)構(gòu)的以來(lái)，在醫(yī)學(xué)界產(chǎn)生了一系列革命性診斷方法，極大地推動(dòng)了醫(yī)學(xué)、神經(jīng)生理學(xué)和認(rèn)知神經(jīng)科學(xué)的迅速發(fā)展。MRI技術(shù)對(duì)軟組織有較好的分辨力，已經(jīng)成為了臨床中不可缺少的一種手段。然而，由于MRI掃描時(shí)間長(zhǎng)，空間分辨力不夠理想，醫(yī)生通過(guò)二維原始圖像很難勾畫(huà)出病灶的三維空間結(jié)構(gòu)；同時(shí)由于人體軟組織具有非線(xiàn)性大變形、對(duì)比度低、邊界模糊等、形狀不規(guī)則等特性，使得臨床上用肉眼分辨軟組織腫瘤等病灶組織變得困難，經(jīng)常會(huì)發(fā)生由于識(shí)別不清而導(dǎo)致的誤診誤治；而對(duì)于軟組織的醫(yī)學(xué)圖像分割也非常復(fù)雜，需要專(zhuān)業(yè)的解剖醫(yī)生進(jìn)行手工描點(diǎn)繪制，耗時(shí)費(fèi)力，不能適應(yīng)臨床的實(shí)際要求，限制了 MRI技術(shù)的應(yīng)用發(fā)展。因此，對(duì)人體軟組織MRI圖像進(jìn)行醫(yī)學(xué)圖像快速自動(dòng)分割方法的研究是非常必要而又亟待解決的。傳統(tǒng)的醫(yī)學(xué)圖像分割方法是由臨床醫(yī)生根據(jù)解剖知識(shí)和經(jīng)驗(yàn)手動(dòng)點(diǎn)取感興趣區(qū)域的邊緣點(diǎn)，即手動(dòng)分割，然后通過(guò)插值等擬合出光滑的物體輪廓。該方法精度較高，但耗時(shí)耗力，且和醫(yī)生的經(jīng)驗(yàn)有很大的關(guān)系。隨著計(jì)算機(jī)和圖像處理技術(shù)的發(fā)展，出現(xiàn)了很多計(jì)算機(jī)分割算法，如經(jīng)典的圖像分割方法。目前，主流的圖像分割算法主要有閾值法、分水嶺法、區(qū)域增長(zhǎng)算法和主動(dòng)輪廓模型算法等，這些方法大多是針對(duì)具體某一種或某一類(lèi)硬組織圖像的專(zhuān)用分割算法。由于人體軟組織MRI圖像存在形狀不規(guī)則、非線(xiàn)性大變形、對(duì)比度低、噪聲大等特點(diǎn)，傳統(tǒng)方法難以從中分割提取出目標(biāo)組織。近年來(lái)發(fā)展起來(lái)的水平集主動(dòng)輪廓模型方法綜合利用了區(qū)域與邊界信息，以其精確性、自動(dòng)性和最終分割結(jié)果的連續(xù)性被廣泛應(yīng)用于圖像分割和計(jì)算機(jī)視覺(jué)等領(lǐng)域。該類(lèi)方法易于結(jié)合分割物體的形狀等先驗(yàn)知識(shí)約束，逐漸成為醫(yī)學(xué)圖像的分割領(lǐng)域的研究熱點(diǎn)，為解決人體軟組織MRI圖像的分割問(wèn)題提供了一條途徑。水平集方法是歐拉法求解隱式偏微分方程的一種方法，最先由Osher等人提出，用于流體運(yùn)動(dòng)和火焰?zhèn)鞑ソ缑娴淖粉櫍?隨后又被引入到計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域。其主要思想是將被動(dòng)曲線(xiàn)C(p，t)嵌入到高一維空間的水平集函數(shù)小(X，y, t)中，通過(guò)計(jì)算水平集函數(shù)零水平小(c(p，t)，t) = O的位置來(lái)追蹤曲線(xiàn)的演化。其中，P是任意參數(shù)化變量，t表示時(shí)間。在實(shí)際醫(yī)學(xué)圖像中，物體的邊緣表現(xiàn)為局部強(qiáng)度變化最顯著的部分，以局部特征不連續(xù)的形式出現(xiàn)。對(duì)圖像求一階微分可得一單峰函數(shù)，峰值與物體的邊緣相對(duì)應(yīng)。對(duì)單峰函數(shù)進(jìn)行微分，峰值處的微分值為零，峰值兩側(cè)符號(hào)相反，而原先的極值點(diǎn)對(duì)應(yīng)于二階微分中的零交叉點(diǎn)，通過(guò)檢測(cè)零交叉點(diǎn)即可提取出圖像的邊緣。目前，在基于水平集的圖像分割方法中，為了保證算法數(shù)值計(jì)算的穩(wěn)定性，曲線(xiàn)演化過(guò)程中需要重復(fù)進(jìn)行耗時(shí)的符號(hào)距離函數(shù)初始化工作，在很大程度上限制了算法的實(shí)時(shí)性應(yīng)用，無(wú)法實(shí)現(xiàn)人體軟組織MRI的自動(dòng)分割，也不能滿(mǎn)足臨床應(yīng)用要求。Li等人的快速變分水平集模型通過(guò)添加一個(gè)符號(hào)距離函數(shù)懲罰能量泛函，從根本上解決了符號(hào)距離函數(shù)的周期性初始化問(wèn)題，極大地提高了算法的效率和魯棒性。但是，由于這種方法僅利用簡(jiǎn)單的梯度信息控制曲線(xiàn)演化，分割邊緣模糊或不連續(xù)的圖像時(shí)往往出現(xiàn)邊界泄露現(xiàn)象，同樣無(wú)法滿(mǎn) 足人體軟組織MRI圖像分割的要求。因此，本發(fā)明基于水平集理論，針對(duì)人體軟組織MRI圖像特性，開(kāi)發(fā)建立了一種用于人體軟組織MRI圖像快速自動(dòng)分割的自適應(yīng)外力水平集算法及其實(shí)現(xiàn)方法。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是，提供一種具有實(shí)時(shí)性強(qiáng)、運(yùn)算效率高、能對(duì)多個(gè)離散區(qū)域同時(shí)進(jìn)行分割、無(wú)人工干預(yù)情況下能夠準(zhǔn)確自動(dòng)識(shí)別人體軟組織MRI圖像中目標(biāo)組織的模糊邊界的軟組織核磁圖像自適應(yīng)外力水平集自動(dòng)分割及實(shí)現(xiàn)方法。本發(fā)明所采用的技術(shù)方案是一種軟組織核磁圖像自適應(yīng)外力水平集自動(dòng)分割及實(shí)現(xiàn)方法。軟組織核磁圖像的自適應(yīng)外力水平集自動(dòng)分割方法，包括如下步驟I)在交互式操作情況下，對(duì)人體軟組織核磁共振序列二維醫(yī)學(xué)圖像按照?qǐng)D像序列和輸入的灰度閾值進(jìn)行初始輪廓框選，選取符合灰度閾值的目標(biāo)區(qū)域組織；2)對(duì)二維軟組織核磁共振圖像進(jìn)行二維空間內(nèi)的高斯濾波平滑，并計(jì)算平滑后圖像的梯度信息，首先采用高斯核函數(shù)對(duì)原始圖像進(jìn)行平滑濾波，去掉圖像背景中的高頻噪聲，然后計(jì)算平滑濾波后圖像的梯度信息；3)設(shè)置曲線(xiàn)演化引導(dǎo)函數(shù)，使演化曲線(xiàn)根據(jù)初始框選輪廓的形狀自適應(yīng)調(diào)整演化方向；4)設(shè)置邊界停止函數(shù)，開(kāi)始曲線(xiàn)演化運(yùn)算，如果演化曲線(xiàn)收斂到目標(biāo)邊界，則分割結(jié)束；否則返回步驟3)的曲線(xiàn)演化，繼續(xù)進(jìn)行迭代，如果演化曲線(xiàn)越過(guò)目標(biāo)區(qū)域邊界進(jìn)入下一步驟；5)如果演化曲線(xiàn)越過(guò)目標(biāo)區(qū)域邊界，則對(duì)邊界停止函數(shù)參數(shù)進(jìn)行調(diào)整，然后返回步驟3)曲線(xiàn)演化，重新迭代，直到演化曲線(xiàn)收斂到目標(biāo)區(qū)域邊界為止。步驟I)所述的初始輪廓只需要包含任意目標(biāo)區(qū)域像素點(diǎn)，初始輪廓的形狀可隨意選取。步驟2)所述的計(jì)算平滑后圖像的梯度信息是原始圖像函數(shù)為I (x，y)，高斯核函數(shù)為G。，^=其中o為
InaIg標(biāo)準(zhǔn)方差；平滑濾波后的圖像為r，r = G。*〗(X, y),其梯度信息為VGct*/(x,_y)。步驟3)所述的曲線(xiàn)演化引導(dǎo)函數(shù)是根據(jù)實(shí)際圖像中物體邊緣處兩側(cè)二階微分符號(hào)相反，一階微分的極值點(diǎn)對(duì)應(yīng)于二階微分中的零交叉點(diǎn)的特性而提出的，根據(jù)這一特性，定義水平集曲線(xiàn)演化引導(dǎo)函數(shù)findicator⑴=kgsign(I" )g(const+11')其中，sign(I")表示原始圖像I的二階微分符號(hào)，第二項(xiàng)用于加快曲線(xiàn)在目標(biāo)邊界附近的演化速度，常數(shù)項(xiàng)const > I用于保證即使在絕對(duì)平滑的區(qū)域演化速度仍大于零。步驟4)所述的邊界停止函數(shù)的設(shè)置公式
權(quán)利要求
1.一種軟組織核磁圖像的自適應(yīng)外力水平集自動(dòng)分割方法，其特征在于包括如下步驟 .1)在交互式操作情況下，對(duì)人體軟組織核磁共振序列二維醫(yī)學(xué)圖像按照?qǐng)D像序列和輸入的灰度閾值進(jìn)行初始輪廓框選，選取符合灰度閾值的目標(biāo)區(qū)域組織； .2)對(duì)二維軟組織核磁共振圖像進(jìn)行二維空間內(nèi)的高斯濾波平滑，并計(jì)算平滑后圖像的梯度信息，首先采用高斯核函數(shù)對(duì)原始圖像進(jìn)行平滑濾波，去掉圖像背景中的高頻噪聲，然后計(jì)算平滑濾波后圖像的梯度信息； .3)設(shè)置曲線(xiàn)演化引導(dǎo)函數(shù)，使演化曲線(xiàn)根據(jù)初始框選輪廓的形狀自適應(yīng)調(diào)整演化方向； .4)設(shè)置邊界停止函數(shù)，開(kāi)始曲線(xiàn)演化運(yùn)算，如果演化曲線(xiàn)收斂到目標(biāo)邊界，則分割結(jié)束；否則返回步驟3)的曲線(xiàn)演化，繼續(xù)進(jìn)行迭代，如果演化曲線(xiàn)越過(guò)目標(biāo)區(qū)域邊界進(jìn)入下一步驟； .5)如果演化曲線(xiàn)越過(guò)目標(biāo)區(qū)域邊界，則對(duì)邊界停止函數(shù)參數(shù)進(jìn)行調(diào)整，然后返回步驟.3)曲線(xiàn)演化，重新迭代，直到演化曲線(xiàn)收斂到目標(biāo)區(qū)域邊界為止。
2.根據(jù)權(quán)利要求I所述的一種軟組織核磁圖像的自適應(yīng)外力水平集自動(dòng)分割方法，其特征在于，步驟I)所述的初始輪廓只需要包含任意目標(biāo)區(qū)域像素點(diǎn)，初始輪廓的形狀可隨意選取。
3.根據(jù)權(quán)利要求I所述的一種軟組織核磁圖像的自適應(yīng)外力水平集自動(dòng)分割方法，其特征在于，步驟2)所述的計(jì)算平滑后圖像的梯度信息是 原始圖像函數(shù)為I (x，y)，高斯核函數(shù)為G。，
4.根據(jù)權(quán)利要求I所述的一種軟組織核磁圖像的自適應(yīng)外力水平集自動(dòng)分割方法，其特征在于，步驟3)所述的曲線(xiàn)演化引導(dǎo)函數(shù)是根據(jù)實(shí)際圖像中物體邊緣處兩側(cè)二階微分符號(hào)相反，一階微分的極值點(diǎn)對(duì)應(yīng)于二階微分中的零交叉點(diǎn)的特性而提出的，根據(jù)這一特性，定義水平集曲線(xiàn)演化引導(dǎo)函數(shù) f indicator (I) = kgsignd'7 ) g (const+1 T I) 其中，sign(I")表示原始圖像I的二階微分符號(hào)，第二項(xiàng)用于加快曲線(xiàn)在目標(biāo)邊界附近的演化速度，常數(shù)項(xiàng)const ^ I用于保證即使在絕對(duì)平滑的區(qū)域演化速度仍大于零。
5.根據(jù)權(quán)利要求I所述的一種軟組織核磁圖像的自適應(yīng)外力水平集自動(dòng)分割方法，其特征在于，步驟4)所述的邊界停止函數(shù)的設(shè)置公式
6.根據(jù)權(quán)利要求I所述的一種軟組織核磁圖像的自適應(yīng)外力水平集自動(dòng)分割方法，其特征在于，步驟5)所述的對(duì)邊界停止函數(shù)參數(shù)進(jìn)行調(diào)整，是在快速變分模型框架下，將曲線(xiàn)演化引導(dǎo)函數(shù)加權(quán)到演化外力項(xiàng)，并引入新的邊界停止函數(shù)，得到一種新的自適應(yīng)外力水平集自動(dòng)分割模型，算法通過(guò)最小化下述能量泛函實(shí)現(xiàn)
7.根據(jù)權(quán)利要求6所述的一種軟組織核磁圖像的自適應(yīng)外力水平集自動(dòng)分割方法，其特征在于，由于采用水平集函數(shù)，在曲線(xiàn)演化過(guò)程中進(jìn)行梯度計(jì)算時(shí)需要用到空間偏導(dǎo)數(shù)#和I和時(shí)間偏導(dǎo)數(shù)&，所有的空間偏導(dǎo)數(shù)均采用中間差分方法逼近，時(shí)間偏導(dǎo)數(shù)采dx oyQt用向前差分逼近； 在具體計(jì)算過(guò)程中，采用拉普拉斯算子計(jì)算圖像的二階微分，即dxdy
8.—種權(quán)利要求I所述的軟組織核磁圖像的自適應(yīng)外力水平集自動(dòng)分割方法的計(jì)算機(jī)實(shí)現(xiàn)方法，其特征在于，是通過(guò)窄帶方法實(shí)現(xiàn)自適應(yīng)外力水平集算法，具體實(shí)現(xiàn)步驟如下 1)以初始輪廓的零交叉點(diǎn)z°為中心構(gòu)造初始窄帶B°，置迭代次數(shù)k= 0，轉(zhuǎn)向步驟4)； 2)標(biāo)識(shí)出水平集函數(shù)Ctk中的零交叉點(diǎn)zk，構(gòu)造新的窄帶Bk； 3)窄帶區(qū)域新增元素賦值，設(shè)窄帶Bk中新增元素為P，Q為窄帶BH中距離P最近的點(diǎn)，如果▽龜函>0，置(j5k(P) = d ； 4)窄帶內(nèi)水平集更新，根據(jù)公式I= 系(j|^|) +^ +更新窄帶Bk內(nèi)的水平集函數(shù)，當(dāng)滿(mǎn)足收斂條件，停止迭代，否則轉(zhuǎn)向步驟2)。
全文摘要
一種軟組織核磁圖像自適應(yīng)外力水平集自動(dòng)分割及實(shí)現(xiàn)方法在交互式操作情況下選取符合灰度閾值的目標(biāo)區(qū)域組織；計(jì)算平滑后圖像的梯度信息；設(shè)置曲線(xiàn)演化引導(dǎo)函數(shù)；設(shè)置邊界停止函數(shù)；如果演化曲線(xiàn)越過(guò)目標(biāo)區(qū)域邊界，則對(duì)邊界停止函數(shù)參數(shù)進(jìn)行調(diào)整，然后返回曲線(xiàn)演化，重新迭代，直到演化曲線(xiàn)收斂到目標(biāo)區(qū)域邊界為止。本發(fā)明具有實(shí)時(shí)性強(qiáng)、運(yùn)算效率高、能對(duì)多個(gè)離散區(qū)域同時(shí)進(jìn)行分割、能夠準(zhǔn)確識(shí)別人體軟組織的模糊邊界等特點(diǎn)，且分割精度高、圖像細(xì)節(jié)特征清晰、智能化程度高、無(wú)需人工干預(yù)、運(yùn)行穩(wěn)定可靠。
文檔編號(hào)G06T7/00GK102682449SQ20121012399
公開(kāi)日2012年9月19日 申請(qǐng)日期2012年4月25日 優(yōu)先權(quán)日2012年4月25日
發(fā)明者倪愛(ài)娟, 孫秋明, 田豐, 秦曉麗, 謝新武, 魏高峰 申請(qǐng)人:中國(guó)人民解放軍軍事醫(yī)學(xué)科學(xué)院衛(wèi)生裝備研究所