基于主動(dòng)輪廓模型的超聲圖像分割中獲取初始輪廓的方法
【專利摘要】本發(fā)明公開了一種基于主動(dòng)輪廓模型的超聲圖像分割中獲取初始輪廓的方法，包含以下步驟：訓(xùn)練超聲圖像腫瘤區(qū)域的紋理特征，并與標(biāo)準(zhǔn)橢圓經(jīng)驗(yàn)值、待測(cè)超聲圖像中腫瘤先驗(yàn)大小一起構(gòu)成一個(gè)標(biāo)準(zhǔn)向量；對(duì)待測(cè)超聲圖像進(jìn)行預(yù)處理；對(duì)圖像進(jìn)行動(dòng)態(tài)閾值分割；提取動(dòng)態(tài)閾值分割結(jié)果中產(chǎn)生的所有閉合輪廓，形成相應(yīng)子圖像；計(jì)算各個(gè)子圖像的紋理特征24個(gè)、橢圓擬合結(jié)果參數(shù)1個(gè)以及子圖像閉合輪廓內(nèi)部像素個(gè)數(shù)，并用這26個(gè)數(shù)據(jù)構(gòu)成一個(gè)向量；計(jì)算所得向量與腫瘤區(qū)域訓(xùn)練所得的標(biāo)準(zhǔn)向量的距離，確定距離最小的向量對(duì)應(yīng)子圖像中的閉合輪廓即為所分割超聲圖像中腫瘤的輪廓。本發(fā)明方法克服了超聲圖像多噪聲、邊界模糊的問題，初始輪廓準(zhǔn)確率高。
【專利說明】基于主動(dòng)輪廓模型的超聲圖像分割中獲取初始輪廓的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于主動(dòng)輪廓的超聲圖像分割中獲取初始輪廓的方法，屬于超聲圖像處理領(lǐng)域。
【背景技術(shù)】
[0002]隨著高強(qiáng)度聚焦超聲的出現(xiàn)，非侵入式治療腫瘤應(yīng)用的越來越廣泛，該治療系統(tǒng)在臨床中有著很大的優(yōu)勢(shì)如不開刀，不留疤痕，無創(chuàng)或微創(chuàng)傷，可以實(shí)時(shí)檢測(cè)治療，不受腫瘤大小限制，總費(fèi)用低等。這些優(yōu)勢(shì)都決定高強(qiáng)度聚焦超聲治療系統(tǒng)有著很大的發(fā)展應(yīng)用前景。而高強(qiáng)度聚焦超聲治療系統(tǒng)中最關(guān)鍵的就是對(duì)病人腫瘤進(jìn)行實(shí)時(shí)導(dǎo)航。導(dǎo)航過程需要對(duì)實(shí)時(shí)超聲圖像中的腫瘤進(jìn)行定位。將傳統(tǒng)的手動(dòng)定位方式改變?yōu)樽詣?dòng)定位，將對(duì)該治療系統(tǒng)的治療效率和治療準(zhǔn)確性帶來非常大的幫助。
[0003]超聲圖像分割是在腫瘤檢測(cè)、診斷和治療中被廣泛應(yīng)用，其分割的準(zhǔn)確性直接關(guān)系到腫瘤的定位。經(jīng)過長期的深入研究，已經(jīng)提出的超聲圖像分割方法有基于區(qū)域的、基于邊界的和基于統(tǒng)計(jì)信息的，不同類型的分割方法具有不同的分割特點(diǎn)。主動(dòng)輪廓模型(Active Contour Model),又被稱為Snake,是由Andrew Blake教授提出的一種目標(biāo)輪廓描述方法，主要應(yīng)用于基于形狀的目標(biāo)分割。該模型的優(yōu)越之處在于它對(duì)于范圍廣泛的一系列視覺問題給出了統(tǒng)一的解決方法，在最近的十多年中，它已經(jīng)被越來越多的研究者成功地應(yīng)用于計(jì)算機(jī)視覺的許多領(lǐng)域，如邊緣提取，圖像分割和分類，運(yùn)動(dòng)跟蹤，三維重建，立體視覺匹配等。
[0004]但是該模型需要初始輪廓，如果手動(dòng)獲取初始輪廓再進(jìn)行收斂，即費(fèi)時(shí)費(fèi)力，又不夠精確。因此設(shè)計(jì)自動(dòng)獲取初始輪廓的方法是非常必要的。

【發(fā)明內(nèi)容】

[0005]本發(fā)明所要解決的技術(shù)問題在于提供一種基于主動(dòng)輪廓模型的超聲圖像分割中獲取初始輪廓的方法。該方法操作簡單可靠、速度快，由該方法獲取的超聲圖像腫瘤初始輪廓準(zhǔn)確性也很高。
[0006]本發(fā)明的一種超聲圖像分割中自動(dòng)提取腫瘤初始輪廓的方法，包含以下步驟:
[0007](I)選取60幅以上已有的超聲圖像組成訓(xùn)練集，所述已有的超聲圖像含有與待分割超聲圖像相同的腫瘤，用灰度級(jí)共生矩陣從訓(xùn)練集中每幅超聲圖像中提取腫瘤區(qū)域的24個(gè)紋理特征，利用數(shù)學(xué)線性回歸中的的最小距離法得到24個(gè)紋理特征的標(biāo)準(zhǔn)值，并與標(biāo)準(zhǔn)橢圓經(jīng)驗(yàn)值、待測(cè)超聲圖像中腫瘤先驗(yàn)大小一起構(gòu)成一個(gè)標(biāo)準(zhǔn)向量Aci ；
[0008](2)對(duì)待分割超聲圖像進(jìn)行各向異性擴(kuò)散和直方圖均衡的預(yù)處理；
[0009](3)對(duì)(2)所得圖像進(jìn)行動(dòng)態(tài)閾值分割，并提取動(dòng)態(tài)閾值分割結(jié)果中產(chǎn)生的所有閉合輪廓，每個(gè)閉合輪廓形成一個(gè)相應(yīng)子圖像；
[0010](4)利用灰度級(jí)共生矩陣提取各個(gè)子圖像的24個(gè)紋理特征，計(jì)算橢圓擬合結(jié)果參數(shù)以及子圖像閉合輪廓內(nèi)部像素個(gè)數(shù)，并用這26個(gè)數(shù)據(jù)構(gòu)成一個(gè)向量A1 ；[0011](5)計(jì)算每一個(gè)子圖像所得向量A1與腫瘤區(qū)域訓(xùn)練所得的標(biāo)準(zhǔn)向量Atl的距離D，使得D最小的向量A1所對(duì)應(yīng)子圖像中的閉合輪廓為待分割超聲圖像中腫瘤的初始輪廓。
[0012]步驟(1)中，標(biāo)準(zhǔn)橢圓經(jīng)驗(yàn)值確定為0.7。
[0013]上述24個(gè)紋理特征包括圖像0°、45°、90°、135°四個(gè)方向上的對(duì)比度、能量、相關(guān)性、逆差矩、熵以及非相似度各六個(gè)特征。
[0014]要使得初始輪廓的獲取更加準(zhǔn)確，在確定標(biāo)準(zhǔn)向量Atl的過程中，需要用到可靠地?cái)?shù)學(xué)手段。比如訓(xùn)練過程中超聲腫瘤圖像有60幅，每一幅圖像都要求得一個(gè)紋理特征向量Ai,那么如何處理這60個(gè)向量以得到一個(gè)標(biāo)準(zhǔn)向量Atl是需要認(rèn)真考慮的。結(jié)合后面利用Atl來確定腫瘤區(qū)域時(shí)候所用的方法:計(jì)算從各個(gè)子圖像中提取出的特征向量A1與A0的距離，那么此時(shí)也可用距離這個(gè)參考來獲取標(biāo)準(zhǔn)向量具體執(zhí)行方法是數(shù)學(xué)中的線性回歸，即將某個(gè)紋理特征所擁有的60個(gè)特征值對(duì)應(yīng)到坐標(biāo)系中，然后求出坐標(biāo)系中一個(gè)數(shù)據(jù)，使得這60個(gè)值到該數(shù)據(jù)所在直線的距離之和最短，那么這個(gè)數(shù)據(jù)就是該紋理特征的標(biāo)準(zhǔn)值，依次可以求出這24個(gè)紋理特征分別對(duì)應(yīng)的標(biāo)準(zhǔn)值，這些標(biāo)準(zhǔn)值與標(biāo)準(zhǔn)橢圓數(shù)據(jù)、待測(cè)超聲圖像中腫瘤先驗(yàn)大小一起構(gòu)成一個(gè)標(biāo)準(zhǔn)向量Ac!。[0015]其中待測(cè)超聲圖像中腫瘤先驗(yàn)大小由超聲檢測(cè)時(shí)，醫(yī)生或者專家直接標(biāo)注出腫瘤區(qū)域長短軸，單位一般為毫米，然后根據(jù)超聲圖像中實(shí)際長度與像素比例，例如每毫米4個(gè)像素，可以計(jì)算得到腫瘤區(qū)域的先驗(yàn)大小。
[0016]上述每個(gè)子圖像只能包含一個(gè)閉合輪廓。
[0017]上述計(jì)算距離D所用的方法是X 2距離公式求得:
【權(quán)利要求】
1.一種基于主動(dòng)輪廓模型的超聲圖像分割中獲取初始輪廓的方法，其特征在于，包含以下步驟: (1)選取60幅以上已有的超聲圖像組成訓(xùn)練集，所述已有的超聲圖像含有與待分割超聲圖像相同的腫瘤，用灰度級(jí)共生矩陣從訓(xùn)練集中每幅超聲圖像中提取腫瘤區(qū)域的24個(gè)紋理特征，利用數(shù)學(xué)線性回歸中的的最小距離法得到24個(gè)紋理特征的標(biāo)準(zhǔn)值，并與標(biāo)準(zhǔn)橢圓經(jīng)驗(yàn)值、待測(cè)超聲圖像中腫瘤先驗(yàn)大小一起構(gòu)成一個(gè)標(biāo)準(zhǔn)向量Atl ； (2)對(duì)待分割超聲圖像進(jìn)行各向異性擴(kuò)散和直方圖均衡的預(yù)處理； (3)對(duì)(2)所得圖像進(jìn)行動(dòng)態(tài)閾值分割，并提取動(dòng)態(tài)閾值分割結(jié)果中產(chǎn)生的所有閉合輪廓，每個(gè)閉合輪廓形成一個(gè)相應(yīng)子圖像； (4)利用灰度級(jí)共生矩陣提取各個(gè)子圖像的24個(gè)紋理特征，計(jì)算橢圓擬合結(jié)果參數(shù)以及子圖像閉合輪廓內(nèi)部像素個(gè)數(shù)，并用這26個(gè)數(shù)據(jù)構(gòu)成一個(gè)向量A1 ； (5)計(jì)算每一個(gè)子圖像所得向量A1與腫瘤區(qū)域訓(xùn)練所得的標(biāo)準(zhǔn)向量Atl的距離D，使得D最小的向量A1所對(duì)應(yīng)子圖像中的閉合輪廓為待分割超聲圖像中腫瘤的初始輪廓。
2.根據(jù)權(quán)利要求1所述的方法中，其特征在于，步驟(I)中，標(biāo)準(zhǔn)橢圓經(jīng)驗(yàn)值確定為0.7。
3.根據(jù)權(quán)利要求1或2所述的方法中，其特征在于，步驟(I)中，所述24個(gè)紋理特征包括圖像0°、45°、90°、135°四個(gè)方向上的對(duì)比度、能量、相關(guān)性、逆差矩、熵以及非相似度六個(gè)特征。
【文檔編號(hào)】G06T7/00GK103914845SQ201410141568
【公開日】2014年7月9日 申請(qǐng)日期:2014年4月9日 優(yōu)先權(quán)日:2014年4月9日
【發(fā)明者】張東, 龍群芳, 劉雨, 周靜, 楊艷 申請(qǐng)人:武漢大學(xué)