一種腹部ct序列圖像肝臟的快速魯棒自動(dòng)分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及腹部CT序列圖像器官的分割，特別涉及腹部 CT序列圖像肝臟的快速魯棒自動(dòng)分割，可用于醫(yī)學(xué)影像輔助診斷與治療。
【背景技術(shù)】
[0002] 肝臟分割是實(shí)現(xiàn)肝臟疾病計(jì)算機(jī)輔助診斷和肝臟移植術(shù)前規(guī)劃的前提。利用分割 并重建得到的肝臟模型可以輔助肝臟病灶分析、體積測(cè)量、血管分析、肝臟分段、疾病診斷 與評(píng)估等工作。CT血管造影圖像由于分辨率高，對(duì)人體損傷小，能夠形象、準(zhǔn)確地反映肝臟 及其病變位置而受到醫(yī)生的普遍青睞。由于三維成像使用的圖像切片數(shù)量很大（每位病人 的肝臟CT序列約為200張左右），人工分割每個(gè)切片很耗時(shí)且分割結(jié)果有很大的主觀性。 因此，研究腹部CT序列圖像中肝臟的快速魯棒自動(dòng)分割方法對(duì)肝臟疾病的診斷與治療，對(duì) 提高計(jì)算機(jī)輔助診斷的精度與效率具有重要意義。
[0003] 由于肝臟器官結(jié)構(gòu)復(fù)雜、形狀不規(guī)則、不同個(gè)體差異較大，以及成像時(shí)受到噪音、 偏移和組織運(yùn)動(dòng)等的影響，得到的肝臟CT序列圖像通常具有復(fù)雜性和多樣性等特點(diǎn)。此 外，CT圖像中肝臟與周圍的腹部肌肉、胃、膈肌、脾臟、腎臟和心臟等器官缺乏較好的灰度對(duì) 比，這都將對(duì)CT序列圖像中肝臟的準(zhǔn)確自動(dòng)分割帶來(lái)很大困難。
[0004] 現(xiàn)有的肝臟CT序列分割方法一般可分為基于圖像和統(tǒng)計(jì)模型兩大類。單純基于 圖像的分割方法是指直接運(yùn)用亮度、紋理和其他圖像自身信息進(jìn)行分割的方法，主要包括 閾值法、聚類、區(qū)域生長(zhǎng)、活動(dòng)輪廓模型和圖割等，這些分割技術(shù)主要存在以下缺點(diǎn)和不足： (1)需要進(jìn)行復(fù)雜的預(yù)處理，包括去除肋骨、脊椎、腎臟等周圍組織或器官；（2)難以分割對(duì) 比度低、肝臟邊界模糊的CT序列圖像?；诮y(tǒng)計(jì)模型的方法首先運(yùn)用大量的CT序列圖像 構(gòu)建目標(biāo)先驗(yàn)?zāi)Ｐ停缓髮⑵鋺?yīng)用于當(dāng)前序列的分割，該類方法對(duì)于對(duì)比度較低的圖像有 較好的分割效果，但是對(duì)于形狀不規(guī)則肝臟分割效果較差，且耗時(shí)長(zhǎng)、對(duì)數(shù)據(jù)初始化和配準(zhǔn) 敏感。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明充分考慮了上述現(xiàn)有技術(shù)的缺點(diǎn)與不足，其目的在于，提供一種精確、快 速、魯棒的腹部CT序列圖像肝臟自動(dòng)分割方法。并且本發(fā)明的腹部CT序列圖像肝臟分割 方法能夠推廣到其他腹部器官的分割中。
[0006] 本發(fā)明的腹部CT序列圖像肝臟魯棒自動(dòng)分割方法，包括以下步驟：
[0007] 根據(jù)肝臟區(qū)域的亮度概率分布特征，建立基于高斯曲線擬合的亮度模型，抑制復(fù) 雜背景、突出肝臟區(qū)域；
[0008] 利用圖像局部信息，建立基于PCA的肝臟外觀模型，進(jìn)一步增強(qiáng)肝臟弱邊界、加大 肝臟與背景的區(qū)分度；
[0009] 利用相鄰切片的空間相關(guān)性，結(jié)合亮度和外觀模型，構(gòu)建圖割能量函數(shù)，實(shí)現(xiàn)肝臟 區(qū)域的快速魯棒自動(dòng)分割。
[0010] 所述亮度模型建立包括：
[0011] a.從輸入序列中手動(dòng)選取部分肝臟區(qū)域，采用高斯函數(shù)擬合其亮度概率分布，并 根據(jù)高斯分布的置信區(qū)間獲取該序列圖像肝臟的大致亮度范圍[1_，1_]。
[0012] b.針對(duì)肝臟亮度范圍[1_，1_]，構(gòu)建如下亮度模型：
[0013]
[0014] 其中，k為0. 5~5的正常數(shù)，I為圖像亮度，Ln和1_分別為步驟a獲取的肝臟 亮度的最小值和最大值。I越接近亮度范圍的中心值，亮度模型f intOTSlty(I)的取 值越大，表明該像素點(diǎn)屬于肝臟的概率越大。
[0015] 所述外觀模型建立包括：
[0016] 以每個(gè)像素點(diǎn)為中心取大小為（2n+l) X (2n+l)的子圖像，并以該子圖像的亮度 信息表示該中心像素點(diǎn)的特征，其中η為1~8的自然數(shù)；
[0017] 運(yùn)用PCA對(duì)用戶指定的部分肝臟區(qū)域所有像素點(diǎn)的鄰域子圖像進(jìn)行主成 分分析并計(jì)算其前N個(gè)主成分的均值，得到肝臟的外觀特征，其中N為1~ (2 n+l) X (2n+l)的自然數(shù)；
[0018] 采用距離函數(shù)作為外觀相似性度量，計(jì)算整個(gè)序列中所有像素點(diǎn)與肝臟的外觀特 性差異：
[0019] d(p) = I |PpCA(p)-PpCA_average
[0020] 其中，pPeA(P)表示對(duì)像素點(diǎn)P的鄰域子圖像進(jìn)行PCA特征提取得到的前N個(gè)主成 分，d(p)表示主成分特征P pm(P)與ppeA_avCTagf；之間的距離；
[0021] 構(gòu)建基于PCA的肝臟外觀模型：
[0022]
[0023] 其中，mean_dp表示對(duì)所有像素點(diǎn)p計(jì)算得到的距離d(p)的均值。f PeA(p)的取值 范圍為0~1，fpeA(p)越大表示該像素點(diǎn)P屬于肝臟的概率越大。
[0024] 本發(fā)明的腹部CT序列圖像肝臟魯棒自動(dòng)分割方法特征還在于，所述肝臟區(qū)域的 快速魯棒自動(dòng)分割包括：
[0025] 用戶指定初始切片。序列中滿足肝臟區(qū)域相對(duì)較大且只包含一個(gè)肝臟連通區(qū)域的 切片圖像均可被指定為初始切片，默認(rèn)位于輸入序列從上至下的三分之一處，例如，若輸入 CT序列總數(shù)為210片，則初始切片默認(rèn)為第70片，且若CT序列的切片數(shù)目不能被3整除， 則對(duì)相除結(jié)果進(jìn)行四舍五入取整。
[0026] 初始切片分割。首先運(yùn)用該切片的亮度和外觀模型構(gòu)建圖割能量函數(shù)：
[0027]
[0028] 其中，P表示圖像f中的所有像素集；Np表示像素點(diǎn)p的鄰域像素集；F intanslty(fp) 和Fptt(fp)分別為亮度懲罰項(xiàng)和外觀懲罰項(xiàng)，分別由亮度和外觀模型計(jì)算得到；α和β分 別為控制亮度和外觀懲罰項(xiàng)的權(quán)重，取值范圍均為〇~1，且滿足α +β = I ;B(fp, fq)為邊 界懲罰項(xiàng)，由相鄰像素之間的梯度計(jì)算得到，用來(lái)控制分割曲線的平滑度。然后采用最優(yōu)化 算法最小化該能量函數(shù)，得到分割結(jié)果。最后取其最大連通區(qū)域作為該序列初始切片的肝 臟最終分割結(jié)果。
[0029] 序列切片分割。本發(fā)明采用迭代的方式以初始切片為起點(diǎn)分別向上和向下分割序 列中其他所有切片。由于相鄰切片間肝臟的大小和位置不會(huì)有顯著變化，因此，在迭代分割 過(guò)程中，相鄰切片間的肝臟位置信息也被采用作為能量懲罰項(xiàng)增加分割的準(zhǔn)確性。此時(shí)，能 量函數(shù)可表示為：
[0030]
[0031] 其中，F(xiàn)wtlcin表示由上一片分割結(jié)果計(jì)算得到的位置懲罰項(xiàng)。本發(fā)明通過(guò)利用相 鄰切片的肝臟位置信息，可以有效去除與肝臟不相關(guān)的相似組織，如脾臟、胰腺、肌肉等，得 到更準(zhǔn)確的分割結(jié)果。
[0032] 與現(xiàn)有技術(shù)相比，本發(fā)明方法有以下幾個(gè)優(yōu)點(diǎn)：
[0033] 本發(fā)明提供了一種自適應(yīng)的肝臟序列分割方法，針對(duì)每一位病人的數(shù)據(jù)特征建立 相應(yīng)的亮度和外觀模型并結(jié)合相鄰切片之間的空間相關(guān)性進(jìn)行自動(dòng)分割，可以有效處理形 狀、亮度各異的肝臟，具有較強(qiáng)的魯棒性；
[0034] 不需要復(fù)雜的預(yù)處理過(guò)程，不需要對(duì)肌肉、肋骨、脊椎、腎臟等進(jìn)行預(yù)先分割；
[0035] 不需要進(jìn)行繁瑣的訓(xùn)練與統(tǒng)計(jì)模型構(gòu)建，分割速度較快；
[0036] 本發(fā)明的腹部CT序列圖像肝臟分割方法能夠推廣到腹部CT序列圖像其他器官的 分割應(yīng)用中，如脾臟和腎臟的分割。
【附圖說(shuō)明】
[0037] 圖1本發(fā)明實(shí)施方式的腹部CT序列圖像肝臟魯棒自動(dòng)分割方法流程圖；
[0038] 圖2本發(fā)明實(shí)施方式用戶指定的部分肝臟區(qū)域示意圖；
[0039] 圖3本發(fā)明實(shí)施方式的用戶指定肝臟區(qū)域高斯曲線擬合結(jié)果圖；
[0040] 圖4本發(fā)明實(shí)施方式的的肝臟亮度模型示例圖；
[0041] 圖5本發(fā)明實(shí)施方式的的肝臟外觀模型示例圖；
[0042] 圖6本發(fā)明實(shí)施方式的肝臟分割結(jié)果示例圖。
【具體實(shí)施方式】
[0043] 實(shí)施例1
[0044] 圖1所示為本發(fā)明實(shí)施方式的腹部CT序列圖像肝臟魯棒自動(dòng)分割方法流程圖。 首先從輸入的CT序列中任意選取部分肝臟區(qū)域分別建立肝臟亮度模型和外觀模型，然后 結(jié)合亮度和外觀模型運(yùn)用圖割算法對(duì)初始切片中的肝臟進(jìn)行分割，最后采用迭代的方式以 初始分割切片為起點(diǎn)分別向上、向下分割序列中其他所有切片的肝臟。在迭代分割過(guò)程中， 將上一片分割結(jié)果的肝臟位置信息融入當(dāng)前切片的圖割能量函數(shù)，以增加分割結(jié)果的準(zhǔn)確 性。直到所有切片分割完成，程序運(yùn)行結(jié)束，輸出分割結(jié)果。
[0045] 下面結(jié)合圖1，以一較佳的實(shí)施例詳細(xì)說(shuō)明本發(fā)明的腹部CT序列圖像肝臟魯棒自 動(dòng)分割方法。
[0046] 1.肝臟亮度模型建立。具體實(shí)現(xiàn)步驟如下：
[0047] 根據(jù)CT掃描特性，某個(gè)特定器官的亮度通常大致位于一個(gè)較窄的區(qū)間范圍，且在 該區(qū)間上呈高斯分布。設(shè)腹部CT序列中肝臟亮度范圍為，則肝臟亮度模型可構(gòu) 建如下：
[0048]
[0049] 其中，k為0. 5~5的正常數(shù)，本實(shí)施例優(yōu)選為1. 5, I為圖像亮度。I越接近亮度 范圍的中心值，亮度模型fintenslty(I)的取值越大，表明該像素點(diǎn)屬于肝臟的概率 越大。
[0050] 為了獲取亮度范圍[1_，1_]，本發(fā)明對(duì)用戶指定的部分肝臟區(qū)域的亮度分布進(jìn) 行高斯擬合：
[0051]
[0052] 其中，a表示高斯分布的中心位置，b控制高斯分布的寬度，c為高斯分布的峰值。 圖2為原始CT序列中的任一切片圖像，其中矩形區(qū)域表示用戶指定的部分肝臟區(qū)域。圖 3所示為利用最小二乘算法對(duì)該肝臟區(qū)域進(jìn)行高斯曲線擬合的結(jié)