專利名稱：一種腎皮質(zhì)圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)，特別涉及一種腎皮質(zhì)圖像分割方法。
背景技術(shù)：
隨著影像學(xué)技術(shù)的發(fā)展，醫(yī)學(xué)圖像分割已經(jīng)成為醫(yī)學(xué)圖像分析領(lǐng)域里關(guān)鍵和具有挑戰(zhàn)性的問題。而腎臟分割又基于腎臟結(jié)構(gòu)特殊變得尤為復(fù)雜。如圖1所示為腎臟CT圖像，腎臟主要包含腎皮質(zhì)、腎髓質(zhì)和腎盂。其中腎皮質(zhì)形成了一個連續(xù)光滑的外部帶型區(qū)域，夾雜著一系列從腎盂向腎皮質(zhì)的投射型區(qū)域，該投射型區(qū)域為腎柱。目前已經(jīng)有一些腎臟分割的算法，但是他們大多關(guān)注整腎分割而很少涉及到腎臟中的特定結(jié)構(gòu)如腎皮質(zhì)和腎柱。圖1中的(a)表示冠狀面；圖1中的(b)表示矢狀面。腎皮質(zhì)圖像分割的自動實現(xiàn)是相當(dāng)困難的，導(dǎo)致其困難的原因主要有1)腎皮質(zhì)在位于腎盂附近為半開放結(jié)構(gòu)；2)與鄰近器官(如肝臟、脊柱和肌肉等)之間的弱邊緣性； 3)腎皮質(zhì)和腎柱的灰度值即為接近。一些常規(guī)的方法例如區(qū)域增長和閾值等都無法很好的分割處腎皮質(zhì)。

發(fā)明內(nèi)容
(一 )要解決的技術(shù)問題為了解決現(xiàn)有技術(shù)難以準(zhǔn)確地對腎皮質(zhì)結(jié)構(gòu)進行分割，導(dǎo)致了常規(guī)方法在腎皮質(zhì)圖像的分割問題上失效的問題，本發(fā)明提供了一種腎皮質(zhì)圖像分割方法，從而準(zhǔn)確的分割出腎皮質(zhì)結(jié)構(gòu)圖像。( 二)技術(shù)方案為達到上述目的，本發(fā)明提供了一種腎皮質(zhì)圖像分割方法，該方法包括步驟1 利用統(tǒng)計形狀模型算法對腎臟圖像進行初始分割，獲得腎臟結(jié)構(gòu)的初始外表面S'的網(wǎng)格圖像；步驟2 在初始外表面S'的網(wǎng)格圖像附近的窄帶內(nèi)，對腎皮質(zhì)外表面和內(nèi)表面分別建子圖Gtl和子圖G1，得到帶權(quán)有向圖G= (GojG1)；分別針對腎皮質(zhì)外表面和內(nèi)表面設(shè)計代價函數(shù)Ctl和C1，基于帶權(quán)有向圖G = (G0, G1)和代價函數(shù)Ctl，C1生成s-t圖Gst，并利用最大流最小割方法，提取出兩層最優(yōu)表面圖像即為腎皮質(zhì)外表面圖像Stl和內(nèi)表面圖像S1 ；步驟3 用腎皮質(zhì)外表面圖像Stl和內(nèi)表面圖像S1生成腎皮質(zhì)體數(shù)據(jù)圖像ν?！う?。(三)有益效果從上述技術(shù)方案可以看出，本發(fā)明具有以下有益效果1、本發(fā)明提供的腎皮質(zhì)圖像分割方法，能準(zhǔn)確地分割出腎臟中的腎皮質(zhì)結(jié)構(gòu)，并能有效地抑制基于灰度的方法通常會出現(xiàn)的腎皮質(zhì)外嵌腎柱的問題。2、本發(fā)明將腎臟周圍圖像中的解剖結(jié)構(gòu)約束信息集成進基于模型的方法中，能主動地對腎臟中的腎皮質(zhì)腎柱交界處進行約束，從而抑制了腎皮質(zhì)外嵌腎柱的問題，很好的將腎皮質(zhì)和腎柱分離開來，同時該方法還可以有效地克服圖像噪聲、局部容積效應(yīng)、強度重疊和強度不均勻性的影響，對現(xiàn)有的分割算法是一個很好的補充。3、本發(fā)明是腎臟圖像處理與分析中的關(guān)鍵算法，能極大的減少手動分割腎皮質(zhì)圖像的工作量。4、本發(fā)明能準(zhǔn)確地分割出腎皮質(zhì)結(jié)構(gòu)，給量化分析腎皮質(zhì)結(jié)構(gòu)厚度提供了基礎(chǔ)。

5、本發(fā)明不僅僅只適用于腎皮質(zhì)圖像分割，而是可以應(yīng)用于醫(yī)學(xué)圖像中諸多多表面結(jié)構(gòu)的分割上，從而為這類問題提供了一種統(tǒng)一的可供參考的方法。在具有多表面結(jié)構(gòu)特點的腎皮質(zhì)圖像及心室壁圖像分割領(lǐng)域有著重要的應(yīng)用價值。本方法是基于圖論的方法，可以搜索到全局最優(yōu)邊界，從而進一步克服圖像噪聲、 局部容積效應(yīng)、強度重疊和強度不均勻性的影響。實驗結(jié)果顯示，本方法在分割腎皮質(zhì)結(jié)構(gòu)圖像上展示出了優(yōu)越的性能。


圖1為腎臟CT圖像。圖2為本發(fā)明提供的腎皮質(zhì)圖像分割方法的流程圖。圖3為手動分割整腎示例圖。圖4為腎臟平均形狀。圖5為本發(fā)明提供的腎皮質(zhì)圖像分割方法實驗效果圖。圖6為帶權(quán)有向圖G = (G0, G1)構(gòu)造示意圖。圖7為腎皮質(zhì)圖像。
具體實施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，以下結(jié)合具體實施例，并參照附圖，對本發(fā)明進一步詳細說明。本發(fā)明的核心思想是提出一種腎皮質(zhì)圖像分割方法，準(zhǔn)確分割出腎皮質(zhì)結(jié)構(gòu)。以下結(jié)合具體的實施例對根據(jù)本發(fā)明提供的這種腎皮質(zhì)圖像分割方法進行詳細描述，如圖2 所示為本發(fā)明提供的腎皮質(zhì)圖像分割方法的流程圖，該方法包括以下步驟步驟1 利用統(tǒng)計形狀模型算法對腎臟圖像進行初始分割，獲得腎臟結(jié)構(gòu)的初始外表面S'的網(wǎng)格圖像；步驟2 在初始外表面S'的網(wǎng)格圖像附近的窄帶內(nèi)，對腎皮質(zhì)外表面和內(nèi)表面分別建子圖Gtl和子圖G1，得到帶權(quán)有向圖G= (GojG1)；分別針對腎皮質(zhì)外表面和內(nèi)表面設(shè)計代價函數(shù)Cc^PC1，基于帶權(quán)有向圖G= (GojG1)和代價函數(shù)Ctl,C1生成s-t圖Gst，并利用最大流最小割方法，提取出兩層最優(yōu)表面圖像即為腎皮質(zhì)外表面圖像Stl和內(nèi)表面圖像S1 ；步驟3 用腎皮質(zhì)外表面圖像Stl和內(nèi)表面圖像S1生成腎皮質(zhì)體數(shù)據(jù)圖像V。。&x。上述步驟1中所述獲得初始外表面S'的網(wǎng)格圖像S'的步驟包括以下步驟步驟11)利用非線性擴散濾波對原圖Itl進行處理，得到增強之后的圖像Ie ；步驟12)利用手動分割的整腎標(biāo)準(zhǔn)訓(xùn)練集生成腎臟平均形狀模型；步驟13)將生成的腎臟平均形狀模型初始定位于Ie中腎臟位置獲得初始外表面 S'的網(wǎng)格圖像。上述步驟11)中非線性擴散濾波器公式如下
權(quán)利要求
1.一種腎皮質(zhì)圖像分割方法，其特征在于，所述分割方法包括以下步驟步驟1 利用統(tǒng)計形狀模型算法對腎臟圖像進行初始分割，獲得腎臟結(jié)構(gòu)的初始外表面S'的網(wǎng)格圖像；步驟2 在初始外表面S'的網(wǎng)格圖像附近的窄帶內(nèi)，對腎皮質(zhì)外表面和內(nèi)表面分別建子圖Gtl和子圖G1，得到帶權(quán)有向圖G= (GojG1)；分別針對腎皮質(zhì)外表面和內(nèi)表面設(shè)計代價函數(shù)Cc^PC1，基于帶權(quán)有向圖G= (GojG1)和代價函數(shù)Ctl,C1生成s-t圖Gst，并利用最大流最小割方法，提取出兩層最優(yōu)表面圖像即為腎皮質(zhì)外表面圖像Stl和內(nèi)表面圖像S1 ；步驟3 用腎皮質(zhì)外表面圖像S。和內(nèi)表面圖像S1生成腎皮質(zhì)體數(shù)據(jù)圖像V。。rtra￡。
2.根據(jù)權(quán)利要求1所述的腎皮質(zhì)圖像分割方法，其特征在于，得到帶權(quán)有向圖G=(G0, G1)的具體步驟如下對初始外表面S'的網(wǎng)格圖像上的每一個頂點Vj，在該頂點法線方向上等距采樣形成多個采樣點，所述采樣點構(gòu)成子圖的節(jié)點，用= 0，l ;j = 0，...， M-I ;k = 0，... Ni表示，其中i是帶權(quán)有向圖G= (GojG1)的序號，j是初始外表面S'的網(wǎng)格圖像上的頂點的序號，其中M代表網(wǎng)格S'上頂點的個數(shù)，而k是沿著該列的采樣點的序號，Ni則是對于子圖Gi上每列采樣點的個數(shù)；針對子圖Gtl和子圖G1,分別利用以下公式來構(gòu)造每個頂點的采樣點列，表示為S。(對)和f^o(^) = vJ ~(k~ (N0 ~ 1)/2).厶。.茍[S1^) = Vj-k-A1-^j其中法線方向@向外，Δο和A1分別為子圖Gtl和子圖G1的列間弧平滑約束因子，而 N0和N1則分別為子圖Gtl和子圖G1上每列采樣點的個數(shù)；由上述公式可知，上面公式采樣點列代表外表面同時向外和向內(nèi)進行搜索，有k = 0，. . .，Ntl-I,而下面公式采樣點列 A(C)代表內(nèi)表面則僅僅向內(nèi)搜索，有k = 0，. . . 'N1-I ；^為采樣點；子圖G。由預(yù)分割表面內(nèi)部采樣點和外部采樣點同時組成，而子圖G1則僅僅由預(yù)分割表面的內(nèi)部采樣點組成；子圖Gtl和子圖G1的構(gòu)造是基于已有的先驗知識腎皮質(zhì)內(nèi)表面和外表面為嚴格內(nèi)外表面結(jié)構(gòu)。
3.根據(jù)權(quán)利要求2所述的腎皮質(zhì)圖像分割方法，其特征在于，所述帶權(quán)有向圖G=(G0, G1)具有三種類型的弧，分別是列內(nèi)弧Ea、列間弧和表面間弧Es，三種類型的弧如下表示‘E^ = ^vkj) ^,[Vk-1))]< Erl S^r^—E^ = {(S^Soivf))^ (S0(v^ S1^))]其中列內(nèi)弧Ea連接同一列中的采樣點和采樣點氏(《―1);對于列間弧有，當(dāng)i = 0時，列間弧￡^’連接外表面子圖Gtl上兩個相鄰點Vp和、 上的采樣點和采樣點AC^—H^))，而當(dāng)i = 1時，列間弧丑 連接內(nèi)表面子圖G1上的兩個相鄰點Vp和、上的采樣點&(《)和采樣點汾(《…(()，fc_Al))，其中max(0， k-Δ,)表示受列間弧平滑約束因子Ai約束的列間弧￡；”可選采樣點序號；表面間弧Es則連接不同子圖G。和G1上的采樣點和采樣點&(<)，或者采樣點&(《”和采樣點S1^)-, Vkj : 《“均為采樣點，其中表示其采樣點序號Ic1小于k，而表示其采樣點序號ku大于k ； δ u和δ i分別為最大分離約束因子和最小分離約束因子，加載在表面弧之間從而分離出兩個相鄰表面，即滿足采樣點S1 (《)和或者&(《“)和&(《)之間的距離在分離約束因子S u和S1之間。
4.根據(jù)權(quán)利要求2所述的腎皮質(zhì)圖像分割方法，其特征在于，帶權(quán)有向圖G=(G0, G1)的頂點具有的權(quán)值網(wǎng)(4)定義如下
5.根據(jù)權(quán)利要求4所述的腎皮質(zhì)圖像分割方法，其特征在于，子圖G1的代價函數(shù) Cl的主要組成部分三維“sheet濾波器”Fsheet如下
6.根據(jù)權(quán)利要求1所述的腎皮質(zhì)圖像分割方法，其特征在于對所述生成的s_t圖Gst 有如果構(gòu)造的帶權(quán)有向圖G = (G0, G1)的頂點權(quán)值> 0，節(jié)點將被權(quán)值為的有向邊連接到匯點Pt，否則節(jié)點將被權(quán)值為一M/〗(％fc)的有向邊連接到源點Ps ；這些弧都為T-連接。
7.根據(jù)權(quán)利要求6所述的腎皮質(zhì)圖像分割方法，其特征在于，所述將所有的列內(nèi)弧Ea、 列間弧和表面間弧Es均視為s-t圖中的N-連接，并對有向邊權(quán)值賦值為無窮大；N-連接與T-連接共同組成一個s-t圖Gst。
8.根據(jù)權(quán)利要求1所述的腎皮質(zhì)圖像分割方法，其特征在于，所述生成腎皮質(zhì)體數(shù)據(jù)圖像V。 tex的步驟是1)將腎皮質(zhì)外表面圖像S。和內(nèi)表面圖像S1轉(zhuǎn)換成與原圖I。維數(shù)和像素間距均相同的體數(shù)據(jù)圖像V。utCT和VinnCT ；2)用Vouter減去VimCT獲得腎皮質(zhì)體數(shù)據(jù)圖像Vcortex °
全文摘要
本發(fā)明公開了一種腎皮質(zhì)圖像分割方法，該方法包括步驟1利用統(tǒng)計形狀模型算法對腎臟圖像進行初始分割，獲得腎臟結(jié)構(gòu)的初始外表面S′的網(wǎng)格圖像；步驟2在初始外表面S′的網(wǎng)格圖像附近的窄帶內(nèi)，對腎皮質(zhì)外表面和內(nèi)表面分別建子圖G0和G1，得到帶權(quán)有向圖G＝(G0，G1)；分別針對腎皮質(zhì)外表面和內(nèi)表面設(shè)計代價函數(shù)C0和C1，基于帶權(quán)有向圖G＝(G0，G1)和代價函數(shù)C0，C1生成s-t圖Gst，并利用最大流最小割方法，提取出兩層最優(yōu)表面圖像即為腎皮質(zhì)外表面圖像S0和內(nèi)表面圖像S1；步驟3利用腎皮質(zhì)外表面圖像S0和內(nèi)表面圖像S1生成腎皮質(zhì)體數(shù)據(jù)圖像Vcortex。本發(fā)明方法能精確地分割出腎皮質(zhì)結(jié)構(gòu)，極大減少了手動分割腎皮質(zhì)的工作量，在具有多表面結(jié)構(gòu)特點的腎皮質(zhì)圖像及心室壁圖像分割領(lǐng)域有著重要的應(yīng)用價值。
文檔編號G06T7/00GK102332164SQ20111033713
公開日2012年1月25日 申請日期2011年10月31日 優(yōu)先權(quán)日2011年10月31日
發(fā)明者張星, 李秀麗, 楊鑫, 田捷 申請人:中國科學(xué)院自動化研究所