一種基于核磁共振圖像序列的圖像分割重建方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于核磁共振圖像序列的圖像分割重建方法及系統(tǒng)，本發(fā)明涉及圖像分割重建領(lǐng)域，該方法包括獲取核磁共振圖像，并提取所述核磁共振圖像的多個幀的參照圖像，對每個所述參照圖像的圖像輪廓進行標(biāo)注，獲取輪廓標(biāo)注信息；根據(jù)所述輪廓標(biāo)注信息，通過形狀插值，獲取所述核磁共振圖像的每幀圖像的形狀先驗；根據(jù)所述輪廓標(biāo)注信息和所述形狀先驗，通過粒子濾波，獲取除所述參照圖像之外的各幀圖像的初始輪廓信息，其中所述初始輪廓信息包括所述各幀圖像的正向粒子濾波結(jié)果和反向粒子濾波結(jié)果；根據(jù)所述正向粒子濾波結(jié)果和所述反向粒子濾波結(jié)果，通過距離插值，獲取所述各幀圖像的最終輪廓信息。
【專利說明】-種基于核磁共振圖像序列的圖像分割重建方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像分割重建領(lǐng)域，特別涉及一種基于核磁共振圖像序列的圖像分割 重建方法及系統(tǒng)。

【背景技術(shù)】
[0002] 核磁共振成像可以通過磁場發(fā)射出的電子波來檢測繪制物體內(nèi)部的結(jié)構(gòu)圖像，核 磁共振成像被用于物體內(nèi)部結(jié)構(gòu)的成像，使其在科學(xué)研究中產(chǎn)生了重要的作用。核磁共振 圖像獲得了組織的內(nèi)部圖像之后，如何識別特定的組織成為了一個迫切需要解決的問題。
[0003] 例如基于核磁共振圖像的肌肉組織圖像分割重建的難點在于待分割的肌肉組織 與周圍組織的分界不夠清晰，無法利用圖像的邊緣特征來完成整個肌肉組織的分割?，F(xiàn)在 主流的方法有以下幾類：第一種方法是純手工對每一幀肌肉的輪廓進行勾畫，這種方法需 要操作者對被解剖物體的結(jié)構(gòu)較為了解，同時這種方法需要大量的手工交互操作；第二種 方法是使用變形一般模型的方法，這種方法需要提前標(biāo)注少量幀的肌肉組織作為約束，然 后從一個一般模型出發(fā)，根據(jù)約束進行變形，這種方法不能夠處理肌肉的拓?fù)湫螤钭兓?；?三種方法是構(gòu)建形狀先驗的方法來解決肌肉組織的分割，其具體步驟為通過手工標(biāo)記大量 不同人的或者同一人的某一塊肌肉組織的形狀，然后通過機器學(xué)習(xí)的方法來進行訓(xùn)練構(gòu)建 一個形狀先驗，對于待分割的圖像利用構(gòu)建的形狀先驗進行分割，但是這個方法基于一個 假設(shè)，即待分割的肌肉組織必須與訓(xùn)練數(shù)據(jù)中手工標(biāo)注的數(shù)據(jù)在形狀上是相似或者一致 的，這個假設(shè)對于正常人的肌肉組織可能會工作得比較好，但是對于肌肉萎縮數(shù)據(jù)的個體， 由于萎縮肌肉的形態(tài)與正常肌肉形態(tài)不同，所以結(jié)果會比較差。
[0004] 現(xiàn)有方法不能解決針對需要分割重建的物體與其他物體分界不夠清晰（例如特 定肌肉）的快速高精度分割重建同時保持肌肉的拓?fù)渥兓膯栴}，需要發(fā)展一種能夠處理 復(fù)雜圖像的分割重建方法。
[0005] 發(fā)明專利"一種利用視頻分割與粒子濾波實現(xiàn)多目標(biāo)跟蹤方法"，該發(fā)明公開了一 種利用視頻分割與粒子濾波實現(xiàn)多目標(biāo)跟蹤方法，該方法包括建立系統(tǒng)模型、建立目標(biāo)運 動模型與顏色模型和視頻分割等步驟，該方法結(jié)合視頻分割與粒子濾波各自優(yōu)點，實現(xiàn)了 多目標(biāo)跟蹤，大大地提高跟蹤速度與精度，本發(fā)明充分利用測量與目標(biāo)的關(guān)聯(lián)程度，實現(xiàn)多 目標(biāo)在遮擋情況下運動跟蹤。但是該發(fā)明解決的問題是視頻分割與粒子濾波實現(xiàn)的目標(biāo)跟 蹤，該發(fā)明解決的僅僅是跟蹤問題，本發(fā)明使用的思路是使用雙向跟蹤完成3D重建，其與 本發(fā)明解決的問題不同。
[0006] 發(fā)明專利"一種超聲圖像分割方法和系統(tǒng)"，該發(fā)明適用于圖像處理【技術(shù)領(lǐng)域】，尤 其涉及一種超聲圖像分割方法和系統(tǒng)。所述方法包括以下步驟：將統(tǒng)計形狀模型和采集到 的指定器官的三維超聲數(shù)據(jù)進行粗配準(zhǔn)，得到初始化坐標(biāo)變換參數(shù)；根據(jù)初始化坐標(biāo)變換 參數(shù)，利用基于粒子濾波的圖像分割算法對三維超聲數(shù)據(jù)進行迭代分割，所述統(tǒng)計形狀模 型是通過對多個高清晰度三維數(shù)據(jù)的手動分割結(jié)果進行訓(xùn)練得到的平均值與表征變化模 態(tài)的一組特征向量的組合。這樣，就避免了手動分割及半自動分割需要人工參與較多的問 題，相比現(xiàn)有的全自動分割方法，該發(fā)明解決圖像分辨率低以及圖像模糊狀態(tài)下分割的準(zhǔn) 確性問題。但該發(fā)明解決的問題是使用超聲圖像來進行物體的分割與重建，這種方法依賴 于提前已知物體的統(tǒng)計形狀和模型，但對于像萎縮肌肉之類的組織，沒有一個統(tǒng)一的形狀， 其與本發(fā)明解決的問題不同。


【發(fā)明內(nèi)容】

[0007] 針對現(xiàn)有技術(shù)的不足，本發(fā)明提出一種基于核磁共振圖像序列的圖像分割重建方 法及系統(tǒng)。
[0008] 本發(fā)明提出一種基于核磁共振圖像序列的圖像分割重建方法，包括：
[0009] 步驟1，獲取核磁共振圖像，并提取所述核磁共振圖像的多個幀的參照圖像，對每 個所述參照圖像的圖像輪廓進行標(biāo)注，獲取輪廓標(biāo)注信息；
[0010] 步驟2,根據(jù)所述輪廓標(biāo)注信息，通過形狀插值，獲取所述核磁共振圖像的每幀圖 像的形狀先驗；
[0011] 步驟3,根據(jù)所述輪廓標(biāo)注信息和所述形狀先驗，通過粒子濾波，獲取除所述參照 圖像之外的各幀圖像的初始輪廓信息，其中所述初始輪廓信息包括所述各幀圖像的正向粒 子濾波結(jié)果和反向粒子濾波結(jié)果；
[0012] 步驟4,根據(jù)所述正向粒子濾波結(jié)果和所述反向粒子濾波結(jié)果，通過距離插值，獲 取所述各幀圖像的最終輪廓信息。
[0013] 所述的基于核磁共振圖像序列的圖像分割重建方法，所述步驟2還包括：獲取所 述核磁共振圖像的每幀圖像的水平集。

【權(quán)利要求】
1. 一種基于核磁共振圖像序列的圖像分割重建方法，其特征在于，包括： 步驟1，獲取核磁共振圖像，并提取所述核磁共振圖像的多個幀的參照圖像，對每個所 述參照圖像的圖像輪廓進行標(biāo)注，獲取輪廓標(biāo)注信息； 步驟2,根據(jù)所述輪廓標(biāo)注信息，通過形狀插值，獲取所述核磁共振圖像的每幀圖像的 形狀先驗； 步驟3,根據(jù)所述輪廓標(biāo)注信息和所述形狀先驗，通過粒子濾波，獲取除所述參照圖像 之外的各幀圖像的初始輪廓信息，其中所述初始輪廓信息包括所述各幀圖像的正向粒子濾 波結(jié)果和反向粒子濾波結(jié)果； 步驟4,根據(jù)所述正向粒子濾波結(jié)果和所述反向粒子濾波結(jié)果，通過距離插值，獲取所 述各幀圖像的最終輪廓信息。
2. 如權(quán)利要求1所述的基于核磁共振圖像序列的圖像分割重建方法，其特征在于，所 述步驟2還包括：獲取所述核磁共振圖像的每幀圖像的水平集。
3. 如權(quán)利要求2所述的基于核磁共振圖像序列的圖像分割重建方法，其特征在于，通 過以下公式獲取所述水平集： ^ shapeprior- ^ 其中Φ?(φ，〇b?！?分別為所述核磁共振圖像的第一幀圖像和最后一幀圖像的水平集，d為第一幀圖像與最后一幀圖像之間的距離，屯，d2分別為當(dāng)前幀圖像與第一幀圖像和最后 一幀圖像的距離。
4. 如權(quán)利要求1所述的基于核磁共振圖像序列的圖像分割重建方法，其特征在于，所 述步驟3包括： 步驟31，跟蹤所述各幀圖像的圖像輪廓的全局運動； 步驟32,跟蹤所述圖像輪廓的局部變化； 步驟33,更新每個粒子的似然概率； 步驟34,將所述似然概率進行歸一化。
5. 如權(quán)利要求1所述的基于核磁共振圖像序列的圖像分割重建方法，其特征在于，所 述步驟4通過以下公式獲取所述最終輪廓信息：
其中為第t幀圖像的所述最終輪廓信息，Cl1為第t幀圖像的圖像輪廓距離第一個 被標(biāo)注的所述參照圖像的圖像輪廓的距離，d2為第t幀圖像的圖像輪廓距離最后一個被標(biāo) 注的所述參照圖像的圖像輪廓的距離，不分別為所述正向粒子濾波結(jié)果和所述反向粒 子濾波結(jié)果。
6. -種基于核磁共振圖像序列的圖像分割重建系統(tǒng)，其特征在于，包括： 輪廓標(biāo)注模塊，用于獲取核磁共振圖像，并提取所述核磁共振圖像的多個幀的參照圖 像，對每個所述參照圖像的圖像輪廓進行標(biāo)注，獲取輪廓標(biāo)注信息； 獲取形狀先驗?zāi)K，用于根據(jù)所述輪廓標(biāo)注信息，通過形狀插值，獲取所述核磁共振圖 像的每幀圖像的形狀先驗； 獲取初始輪廓信息模塊，用于根據(jù)所述輪廓標(biāo)注信息和所述形狀先驗，通過粒子濾波， 獲取除所述參照圖像之外的各幀圖像的初始輪廓信息，其中所述初始輪廓信息包括所述各 幀圖像的正向粒子濾波結(jié)果和反向粒子濾波結(jié)果； 獲取最終輪廓信息模塊，用于根據(jù)所述正向粒子濾波結(jié)果和所述反向粒子濾波結(jié)果， 通過距離插值，獲取所述各幀圖像的最終輪廓信息。
7. 如權(quán)利要求6所述的基于核磁共振圖像序列的圖像分割重建系統(tǒng)，其特征在于，所 述獲取形狀先驗?zāi)K還包括：用于獲取所述核磁共振圖像的每幀圖像的水平集。
8. 如權(quán)利要求7所述的基于核磁共振圖像序列的圖像分割重建系統(tǒng)，其特征在于，通 過以下公式獲取所述水平集： 共十1 w
t opJbottomz刀、別磁共振圖像的第一幀圖像和最后一幀圖像的水平集，d為第一幀圖像與最后一幀圖像之間的距離，屯，d2分別為當(dāng)前幀圖像與第一幀圖像和最后 一幀圖像的距離。
9. 如權(quán)利要求6所述的基于核磁共振圖像序列的圖像分割重建系統(tǒng)，其特征在于，所 述獲取初始輪廓信息模塊包括： 用于跟蹤所述各幀圖像的圖像輪廓的全局運動； 用于跟蹤所述圖像輪廓的局部變化； 用于更新每個粒子的似然概率； 用于將所述似然概率進行歸一化。
10. 如權(quán)利要求6所述的基于核磁共振圖像序列的圖像分割重建系統(tǒng)，其特征在于，所 述獲取最終輪廓信息模塊通過以下公式獲取所述最終輪廓信息：
其中X/M為第t幀圖像的所述最終輪廓信息，Cl1為第t幀圖像的圖像輪廓距離第一個 被標(biāo)注的所述參照圖像的圖像輪廓的距離，d2為第t幀圖像的圖像輪廓距離最后一個被標(biāo) 注的所述參照圖像的圖像輪廓的距離，分別為所述正向粒子濾波結(jié)果和所述反向粒 子濾波結(jié)果。
【文檔編號】G06T17/00GK104240291SQ201410447332
【公開日】2014年12月24日 申請日期:2014年9月3日 優(yōu)先權(quán)日:2014年9月3日
【發(fā)明者】夏時洪, 呂曉磊 申請人:中國科學(xué)院計算技術(shù)研究所