一種磁共振脊柱影像混合分割方法和裝置制造方法
【專利摘要】本發(fā)明公開了一種磁共振脊柱影像混合分割方法和裝置，以快速實現(xiàn)對MR脊柱影像中脊柱的準確分割。所述方法包括：通過對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的多階金字塔圖像；針對脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定脊柱影像中待分割椎體；采用混合分割模型對標定的脊柱影像中待分割椎體進行分割，得到待分割椎體的圖像。一方面，本發(fā)明不僅可以實現(xiàn)對MR脊柱影像中脊柱的準確分割，而且降低了分割所消耗的時間，另一方面，采用混合分割模型對標定的脊柱影像中待分割椎體進行分割，使得分割的目標最大程度地保留了原始信息，獲得較高的圖像質量。
【專利說明】一種磁共振脊柱影像混合分割方法和裝置
【技術領域】
[0001]本發(fā)明涉及醫(yī)學圖像處理領域，具體涉及一種磁共振脊柱影像混合分割方法和裝置。
【背景技術】
[0002]通過磁共振(Magnetic Resonance, MR)得到的脊柱影像,其中豐富的醫(yī)學信息可為臨床疾病的診斷提供準確可靠的依據(jù)，因此，準確快速的脊柱分割在臨床脊柱疾病的定性定量分析中具有重大意義。然而，手動分割脊柱的方法因其費時費力，并且可重復性和一致性較低而不被廣泛使用，從而，自動分割方法漸漸成為業(yè)界研究的熱點。
[0003]現(xiàn)有的一種分割脊柱方法是主動外觀模型(Active Appearance Model,AAM)分割算法。所謂AAM分割算法，是采用一條由η個控制點組成的連續(xù)閉合曲線作為snake模型，能量函數(shù)作為匹配度的評價函數(shù)，具體地，首先將模型設定在目標對象預估位置的周圍，再通過不斷迭代使能量函數(shù)最小化，當內(nèi)外能量達到平衡時即得到目標對象的邊界與特征。
[0004]現(xiàn)有的另一種分割脊柱方法是主動形狀模型(Active Shape Model, ASM)分割算法。所謂ASM分割算法，是指利用參數(shù)化的采樣形狀來構成對象形狀模型，并利用基本元素分析(Principal Component Analysis, PCA)方法建立描述形狀特征點的運動模型,再利用一組參數(shù)來控制形狀特征點的位置變化，從而獲得當前對象的形狀。
[0005]雖然，AAM分割算法和ASM分割算法在醫(yī)學圖像分割的應用中可以較大程度地保留圖像的原始信息，但兩種分割算法均存在各自的劣勢。例如，AAM分割算法相對于ASM分割算法而言，速度較慢且對待分割物體定位不準，而ASM分割算法在脊椎椎體的分割過程中對待分割物體的輪廓勾畫存在一定的困難。

【發(fā)明內(nèi)容】

[0006]本發(fā)明實施例提供一種磁共振脊柱影像混合分割方法和裝置，以快速實現(xiàn)對MR脊柱影像中脊柱的準確分割。
[0007]本發(fā)明實施例提供一種磁共振脊柱影像混合分割方法，所述方法包括:
[0008]通過對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的多階金字塔圖像；
[0009]針對所述脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定所述脊柱影像中待分割椎體；
[0010]采用混合分割模型對所述標定的脊柱影像中待分割椎體進行分割，得到所述待分割椎體的圖像。
[0011]本發(fā)明另一實施例提供一種磁共振脊柱影像混合分割裝置，所述裝置包括:
[0012]金字塔圖像構造模塊，用于通過對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的多階金字塔圖像；
[0013]標定模塊，用于針對所述脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定所述脊柱影像中待分割椎體； [0014]分割模塊，用于采用混合分割模型對所述標定的脊柱影像中待分割椎體進行分害!]，得到所述待分割椎體的圖像。 [0015]從上述本發(fā)明實施例可知，一方面，由于是通過對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的多階金字塔圖像，因此建立了由粗到細的分割策略的基礎，按照此分割策略，不僅可以實現(xiàn)對MR脊柱影像中脊柱的準確分割，而且降低了分割所消耗的時間，提高了方法的執(zhí)行效率，另一方面，由于椎體所在區(qū)域的像素所攜帶的灰度信息和紋理信息非常豐富、重要，而混合分割模型有機結合了外觀模型和紋理模型這兩種模型各自的特點，因此，采用混合分割模型對標定的脊柱影像中待分割椎體進行分割，使得分割的目標最大程度地保留了原始信息，獲得較高的圖像質量。 【專利附圖】

【附圖說明】 [0016]圖1是本發(fā)明實施例提供的磁共振脊柱影像混合分割方法的基本流程示意圖； [0017]圖2是本發(fā)明實施例提供的磁共振脊柱影像混合分割裝置邏輯結構示意圖； [0018]圖3是本發(fā)明另一實施例提供的磁共振脊柱影像混合分割裝置邏輯結構示意圖； [0019]圖4是本發(fā)明另一實施例提供的磁共振脊柱影像混合分割裝置邏輯結構示意圖； [0020]圖5是本發(fā)明另一實施例提供的磁共振脊柱影像混合分割裝置邏輯結構示意圖； [0021]圖6是本發(fā)明另一實施例提供的磁共振脊柱影像混合分割裝置邏輯結構示意圖。 【具體實施方式】 [0022]本發(fā)明實施例提供 一種磁共振脊柱影像混合分割方法，包括:通過對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的多階金字塔圖像；針對所述脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定所述脊柱影像中待分割椎體；采用混合分割模型對所述標定的脊柱影像中待分割椎體進行分割，得到所述待分割椎體的圖像。本發(fā)明實施例還提供相應的磁共振脊柱影像混合分割裝置。以下分別進行詳細說明。 [0023]本發(fā)明實施例的磁共振脊柱影像混合分割方法的基本流程可參考圖1，主要包括如下步驟SlOl至步驟S103: [0024]S101，通過對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的多階金字塔圖像。 [0025]在本發(fā)明實施例中，脊柱初始輪廓的定位可以通過先構建訓練集的統(tǒng)計平均外形，然后通過數(shù)據(jù)配準實現(xiàn)。具體地，通過ITK-SNAP交互式分割軟件，構建訓練集的統(tǒng)計平均外形。在本發(fā)明一個實施例中，訓練集的統(tǒng)計平均外形可以通過采用1.5T的磁共振掃描儀，對25位正常人的脊椎MR數(shù)據(jù)進行掃描獲得，其中，1.5T的磁共振掃描儀的脈沖序列重復時間為500ms，層厚為3mm，矩陣大小為512X512。在獲得了訓練集的統(tǒng)計平均外形后，可以依靠人工手動選取椎體的4個頂點，完成椎體的定位。最后，將該定位的椎體與訓練集中的數(shù)據(jù)進行配準，進行初始輪廓的檢測與提取。 [0026]在本發(fā)明實施例中，對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的多階金字塔圖像可以是:通過多尺度局部梯度模型對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的多階金字塔圖像。在本發(fā)明實施例中，脊柱的多階金字塔圖像可以是脊柱的三階金字塔圖像、五階金字塔圖像或七階金字塔圖像等更高階金字塔圖像。以三階金字塔圖像為例，第一階金字塔圖像為最低階金字塔圖像，第二階金字塔圖像為較高階金字塔圖像，第三階金字塔圖像為最高階金字塔圖像；五階金字塔圖像和七階金字塔圖像等更高階金字塔圖像的階數(shù)與三階金字塔圖像的階數(shù)定義類似。
[0027]具體地，作為本發(fā)明一個實施例，通過對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的多階金字塔圖像包括:對最低階金字塔圖像進行重采樣，使得所述最低階金字塔圖像對應的二維矩陣縮小為原二維矩陣的二分之一得到階數(shù)相對較高的金字塔圖像；對所述階數(shù)相對較高的金字塔圖像進行重采樣，使得所述階數(shù)相對較高的金字塔圖像對應的二維矩陣縮小為原二維矩陣的二分之一得到階數(shù)相對更高的金字塔圖像。以三階金字塔圖像為例，脊柱初始輪廓已定位的脊柱影像為脊柱的多階金字塔圖像中最低階金字塔圖像即三階金字塔圖像中的第一階金字塔圖像，通過對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的三階金字塔圖像可以是:對脊柱的最低階金字塔圖像進行重采樣，使得所述脊柱的最低階金字塔圖像對應的二維矩陣縮小為原二維矩陣的二分之一得到第二階金字塔圖像；對所述第二階金字塔圖像進行重采樣，使得所述第二階金字塔圖像對應的二維矩陣縮小為原二維矩陣的二分之一得到第三階金字塔圖像。
[0028]S102，針對脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定所述脊柱影像中待分割椎體。
[0029]由于多階金字塔圖像中，其階數(shù)越高，分辨率越低，而低分辨率圖像中每一個像素所攜帶的灰度信息非常豐富，相鄰像素之間圖像灰度差異較大，可較準確地確定脊柱初始輪廓；進一步地，通過階數(shù)逐漸降低、分辨率不斷提升，可逐步實現(xiàn)對脊柱影像的精確分割。因此，在本發(fā)明實施例中，針對脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定脊柱影像中待分割椎體可以是:從所述脊柱的多階金字塔圖像中的最高階金字塔圖像開始，針對所述脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定所述脊柱影像中待分割椎體。S102的后續(xù)步驟也是從所述脊柱的多階金字塔圖像中的最高階金字塔圖像開始，最高階金字塔圖像處理完畢后，從所述脊柱的多階金字塔圖像中的次最高階金字塔圖像開始，直至所述脊柱的多階金字塔圖像中最低階金字塔圖像處理完畢。
[0030]作為本發(fā)明一個實施例，針對所述脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定所述脊柱影像中待分割椎體，包括如下步驟S1021至步驟S1023:
[0031]S1021，將每一階金字塔圖像與統(tǒng)計平均外形或上一高階金字塔圖像的分割結果對齊。
[0032]在本發(fā)明實施例中，可以通過普式分析(調(diào)整參數(shù)p(s，Θ，t))將每一階金字塔圖像與訓練集的統(tǒng)計平均外形或上一高階金字塔圖像的分割結果對齊。具體地，將最高階金字塔圖像Pt與所述統(tǒng)計平均外形對齊，將階數(shù)低于所述最高階金字塔圖像Pt —階的金字塔圖像P2與所述最高階金字塔圖像Pt的分割結果對齊，以及將階數(shù)低于所述金字塔圖像P2 +階的金字塔圖像與所述金字塔圖像P2的分割結果對齊。以多階金字塔圖像是三階金字塔圖像為例，通過普式分析(調(diào)整參數(shù)P(s，Θ，t))將每一階金字塔圖像與統(tǒng)計平均外形或上一高階金字塔圖像的分割結果對齊即:將第三階金字塔圖像與訓練集的統(tǒng)計平均外形對齊，將第二階金字塔圖像與第三階金字塔圖像的分割結果對齊，以及將第一階金字塔圖像與第二階金字塔圖像的分割結果對齊。[0033]在上述實施例中，所謂對齊，是指使每一階金字塔圖像與訓練集的統(tǒng)計平均外形或上一高階金字塔圖像在外形上兩者之間的ProerusteS距離最小。對齊操作可以用t(x，y，s, θ )參數(shù)表示,其中x、y、s和Θ分別表示X方向的平移、y方向的平移、縮放和旋轉尺寸。對齊可以通過以下1)、2)、3)和4)的操作來實現(xiàn)，即，I)計算圖像中椎體的中心；2)對圖像中椎體的外形進行縮放操作，以達到相同的尺寸；3)針對圖像中經(jīng)過縮放操作的椎體的外形,對齊這兩個外形的重心；4)針對圖像中經(jīng)過縮放操作的椎體的外形，對齊這兩個外形的轉向。
[0034]S1022，通過對主分量的分析，將所述每一階金字塔圖像投影至子空間以將所述每一階金字塔圖像的維數(shù)降至r維。
[0035]在本發(fā)明實施例中，主分量滿足
【權利要求】
1.一種磁共振脊柱影像混合分割方法，其特征在于，所述方法包括: 通過對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的多階金字塔圖像；針對所述脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定所述脊柱影像中待分割椎體； 采用混合分割模型對所述標定的脊柱影像中待分割椎體進行分割，得到所述待分割椎體的圖像。
2.根據(jù)權利要求1所述的方法，其特征在于，所述脊柱初始輪廓已定位的脊柱影像為所述脊柱的多階金字塔圖像中最低階金字塔圖像； 所述通過對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的多階金字塔圖像，包括: 對所述最低階金字塔圖像進行重采樣，使得所述最低階金字塔圖像對應的二維矩陣縮小為原二維矩陣的二分之一得到階數(shù)相對較高的金字塔圖像； 對所述階數(shù)相對較高的金字塔圖像進行重采樣，使得所述階數(shù)相對較高的金字塔圖像對應的二維矩陣縮小為原二維矩陣的二分之一得到階數(shù)相對更高的金字塔圖像。
3.根據(jù)權利要求1所述的方法，其特征在于，所述針對所述脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定所述脊柱影像中待分割椎體，包括如下步驟S1021 至步驟 S1023: S1021，將所述每一階金字塔圖像與統(tǒng)計平均外形或上一高階金字塔圖像的分割結果對齊； S1022，通過對主分量的分析，將所述每一階金字塔圖像投影至子空間以將所述每一階金字塔圖像的維數(shù)降低至r維，所述主分量滿足.乞牟，所述d為所述每一



4.根據(jù)權利要求3所述的方法，其特征在于，所述將所述每一階金字塔圖像與統(tǒng)計平均外形或上一高階金字塔圖像的分割結果對齊，包括: 將最高階金字塔圖像Pt與所述統(tǒng)計平均外形對齊； 將階數(shù)低于所述最高階金字塔圖像Pt —階的金字塔圖像P2與所述最高階金字塔圖像Pt的分割結果對齊；以及 將階數(shù)低于所述金字塔圖像P2 —階的金字塔圖像與所述金字塔圖像P2的分割結果對齊。
5.根據(jù)權利要求1所述的方法，其特征在于，所述采用混合分割模型對所述標定的脊柱影像中待分割椎體進行分割，得到所述待分割椎體的圖像，包括如下步驟S1031至步驟S1033: S1031，構建由外觀模型S和紋理模型g表示的混合分割模型，所述外觀模型S表示為s=I+ρ、0，所述紋理模型g表示為g ，所述友為外觀特征歸一化后的平均外觀向量，所述Qs為外觀模型的特征矩陣，所述^為所述外觀模型S覆蓋的區(qū)域的紋理特征歸一化為gs后的平均紋理向量，所述外觀模型S覆蓋的區(qū)域為所述待分割椎體的邊緣圍成的區(qū)域，所述Qg為紋理模型的特征矩陣，所述C為所述混合分割模型的外觀模型參數(shù)； S1032，計算紋理特征的誤差Ei,所述Ei= I gs-gm 12，所述gm為所述混合分割模型的外觀模型參數(shù)c更新之前根據(jù)g = i + &/.得到的紋理模型； S1033,將所述混合分割模型的外觀模型參數(shù)c更新為c ' _j S。后，根據(jù)所述步驟S1031和步驟S1032重新計算所述紋理特征的誤差<，所述c'為所述混合分割模型的外觀模型參數(shù)c更新前的值，所述j為初始值為I的約束參數(shù)，所述δ。為所述混合分割模型的外觀模型參數(shù)c的變化值，所述δ c=Rc δ g，所述R。為對所述外觀模型S覆蓋的區(qū)域包含的圖像信息進行線性回歸得到的參數(shù)，所述S g=gs_gm ; 若所述式大于所述 Ei,則通過更新所述約束參數(shù)j重復所述S1031至步驟S1033，直至所述式-與所述Ei的絕對差值小于預設值，所述更新所述約束參數(shù)j過程為j=p X J1，所述P為縮放倍數(shù)，所述J1為所述約束參數(shù)j每次被更新前的值。
6.根據(jù)權利要求1至5任意一項所述的方法，其特征在于，所述針對所述脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定所述脊柱影像中待分割椎體為: 從所述脊柱的多階金字塔圖像中的最高階金字塔圖像開始，針對所述脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定所述脊柱影像中待分割椎體。
7.—種磁共振脊柱影像混合分割裝置，其特征在于，所述裝置包括: 金字塔圖像構造模塊，用于通過對脊柱初始輪廓已定位的脊柱影像進行重采樣，構造脊柱的多階金字塔圖像； 標定模塊，用于針對所述脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定所述脊柱影像中待分割椎體； 分割模塊，用于采用混合分割模型對所述標定的脊柱影像中待分割椎體進行分割，得到所述待分割椎體的圖像。
8.根據(jù)權利要求7所述的裝置，其特征在于，所述脊柱初始輪廓已定位的脊柱影像為所述脊柱的多階金字塔圖像中最低階金字塔圖像，所述金字塔圖像構造模塊包括: 第一采樣單元，用于對所述最低階金字塔圖像進行重采樣，使得所述最低階金字塔圖像對應的二維矩陣縮小為原二維矩陣的二分之一得到階數(shù)相對較高的金字塔圖像； 第二采樣單元，用于對所述階數(shù)相對較高的金字塔圖像進行重采樣，使得所述階數(shù)相對較高的金字塔圖像對應的二維矩陣縮小為原二維矩陣的二分之一得到階數(shù)相對更高的金字塔圖像。
9.根據(jù)權利要求7所述的裝置，其特征在于，所述標定模塊包括:分割結果對齊單元，用于將所述每一階金字塔圖像與統(tǒng)計平均外形或上一高階金字塔圖像的分割結果對齊；投影單元，用于通過對主分量的分析，將所述每一階金字塔圖像投影至子空間以將所述每一階金字塔圖像的維數(shù)降低至r維，所述主分量滿足
10.根據(jù)權利要求9所述的裝置，其特征在于，所述分割結果對齊單元包括: 第一對齊單元，用于將最高階金字塔圖像Pt與所述統(tǒng)計平均外形對齊； 第二對齊單元，用于將階數(shù)低于所述最高階金字塔圖像Pt —階的金字塔圖像P2與所述最高階金字塔圖像Pt的分割結果對齊；以及 第三對齊單元，用于將階數(shù)低于所述金字塔圖像P2 —階的金字塔圖像與所述金字塔圖像己的分割結果對齊。
11.根據(jù)權利要求7所述的裝置，其特征在于，所述分割模塊包括:模型構建單元，用于構建由外觀模型S和紋理模型g表示的混合分割模型，所述外觀模型S表示為
12.根據(jù)權利要求7至11任意一項所述的裝置，其特征在于，所述標定模塊具體用于從所述脊柱的多階金字塔圖像中的最高階金字塔圖像開始，針對所述脊柱的多階金字塔圖像中每一階金字塔圖像，通過特征點的提取標定所述脊柱影像中待分割椎體。
【文檔編號】A61B5/055GK103606148SQ201310567519
【公開日】2014年2月26日 申請日期:2013年11月14日 優(yōu)先權日:2013年11月14日
【發(fā)明者】石林, 王德峰, 朱昭穎, 王平安 申請人:深圳先進技術研究院, 香港中文大學深圳研究院