一種三維ct圖像中肝臟三維感興趣區(qū)域的自動提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及一種核醫(yī)學(xué)圖像自動提取感興趣區(qū)域 (ROI)方法，是相關(guān)梯度濾波和依據(jù)圖像離散程度去除粘連組織的方法用于核醫(yī)學(xué)圖像自 動提取ROI的技術(shù)。
【背景技術(shù)】
[0002] 現(xiàn)如今，計算機(jī)斷層掃描（CT)，磁共振（MR)，正電子放射斷層掃描（PET)等醫(yī)學(xué)成 像技術(shù)已經(jīng)成為醫(yī)生診斷和治療的重要輔助工具，尤其在對腫瘤等惡性疾病的診斷中扮演 著重要的角色。其中CT成像由于其本身能精確反映解剖信息，信噪比較高，成像分辨率高 等優(yōu)點，成為在腫瘤等疾病的檢查與治療中最常用的成像方式。越來越多的研究者開始對 CT圖像的感興趣區(qū)域（ROI)進(jìn)行提取，用以對疾病分析研究及精確治療。例如，通過提取的 三維ROI自動分割出肝臟、肝腫瘤、和肝血管，以輔助醫(yī)生診斷。因此，提取三維ROI的計算 機(jī)輔助診斷具有重大的意義。
[0003] 三維ROI的提取是基于CT成像的計算機(jī)輔助診斷的重要環(huán)節(jié)，近年來，為了實現(xiàn) 對CT圖像三維ROI的提取，大量研究者進(jìn)行了深入的研究，現(xiàn)階段對于CT圖像的ROI提取 方面已提出諸多方法，以如下幾類為主：閾值法、區(qū)域增長法、聚類法、形變模型法、水平集、 圖譜法、圖切割和神經(jīng)網(wǎng)絡(luò)等。這些方法主要存在以下缺陷：（1)部分方法需要手動交互過 程，如選取初始種子點或初始輪廓。（2)部分方法對噪聲或初始化位置的選取十分敏感。（3) 不同病患的ROI結(jié)構(gòu)存在顯著差異、同一病患不同時間ROI的結(jié)構(gòu)變形和密度改變導(dǎo)致很 難使用一種分割方法滿足不同需求情況。（4)多數(shù)方法算法復(fù)雜度高，處理時間長，不適合 臨床使用。
[0004] 準(zhǔn)確、快速、自動化是人們致力研究圖像分割的最終目標(biāo)。但分割的準(zhǔn)確性、有效 性以及自動化水平也是相互矛盾的。如果能在保證不損失圖像有效信息的情況下明顯降低 圖像處理的數(shù)據(jù)量，將有助于提升圖像分割的效率。例如首先在原始圖像中提取出ROI區(qū) 域，僅對ROI區(qū)域的數(shù)據(jù)進(jìn)行處理，則可以滿足上述要求。此時，如何迅速、準(zhǔn)確的定位ROI 區(qū)域，就顯得至關(guān)重要。
[0005] 本發(fā)明旨在提出一種對CT圖像中三維ROI進(jìn)行準(zhǔn)確、快速、自動化提取方法。本發(fā) 明首先對圖像進(jìn)行各向異性擴(kuò)散，使圖像的均勻區(qū)域變得平滑且圖像邊緣信息予以保留， 之后通過高斯核與圖像的卷積做一次平滑處理，在進(jìn)行微分計算得到圖像各像素點的梯度 幅值，再將此梯度幅值的大小進(jìn)行映射，得到ROI所屬的梯度范圍。至此，通過最大連通域 提取即可得到初步的R0I。之后對坐標(biāo)值離散程度高的區(qū)域和灰度值離散程度高的區(qū)域周 圍部分粘連組織進(jìn)行去除。最后通過二值圖像的三維包圍盒運算得到最終ROI的提取結(jié) 果。
[0006] 本發(fā)明提出了基于梯度濾波和依據(jù)圖像離散度進(jìn)行CT圖像三維ROI的自動提取 的方法，大幅度降低圖像運算數(shù)據(jù)量，借此能夠指導(dǎo)肝臟的快速、準(zhǔn)確且自動化程度高的分 害J，對于指導(dǎo)肝臟腫瘤分割和肝臟血管分割等方面也有重要的意義。另外，經(jīng)過相關(guān)梯度濾 波處理的二值化圖像，能夠作為圖割法和水平集法等圖像處理過程的初始數(shù)據(jù)，以便進(jìn)行 其余后續(xù)處理。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點與不足，提出一種基于梯度濾波和依據(jù)圖 像離散程度進(jìn)行CT圖像三維感興趣區(qū)域（ROI)的自動提取的方法，利用各向異性擴(kuò)散過 程、梯度幅度計算過程及S形曲線的非線性映射過程對人體腹腔三維CT圖像進(jìn)行濾波，提 取出初步的三維R0I。再界定三維ROI區(qū)域內(nèi)坐標(biāo)值和灰度值離散程度閾值，通過對三維 ROI區(qū)域內(nèi)各個體素的坐標(biāo)值和灰度值進(jìn)行離散程度判斷，去除離散程度高的區(qū)域，從而更 進(jìn)一步的獲得三維R0I。該方法可以提取出包含肝臟信息的三維圖像，大幅度降低圖像處理 的數(shù)據(jù)量。
[0008] 本發(fā)明提出的基于梯度濾波和依據(jù)圖像離散度進(jìn)行CT圖像三維興趣域的自動提 取方法，包括以下步驟：
[0009] I. 1.對于一幅三維人體腹腔CT圖像Ici進(jìn)行向下重采樣得到圖像Γ ^
[0010] 1. 2.對圖像Γ 行梯度濾波，得到包含肝臟梯度范圍的三維ROI圖像I s;
[0011] 1. 3.對圖像Is進(jìn)行二值處理，提取最大連通區(qū)域，得到圖像Γ ^
[0012] 1. 4.界定圖像坐標(biāo)離散程度閾值及灰度值離散程度閾值，去除圖像Γ JS過閾值 的區(qū)域，得到圖像Igd;
[0013] 1. 5.對圖像Igd再次提取最大連通域，對最大連通域進(jìn)行向上重采樣過程，得到圖 像1\，對圖像I'龍行形態(tài)學(xué)膨脹變換，得到圖像I d;
[0014] 1. 6.對圖像Id進(jìn)行三維包圍盒運算，從原始圖像I ^中剪切出最終包含肝臟信息 的ROI區(qū)域。
[0015] 上述步驟1. 2具體包括如下步驟：
[0016] 2.1.對向下重采樣后圖像Γ龍行各向異性擴(kuò)散處理，得到圖像Ig;
[0017] 2. 2.對圖像Ig進(jìn)行梯度幅度計算，得到包含圖像梯度幅度信息的圖像I
[0018] 2. 3.對圖像Ini進(jìn)行S形曲線非線性映射，得到包含肝臟梯度范圍信息的圖像I s;
[0019] 上述步驟1. 3具體包括如下步驟：
[0020] 3. L對圖像Is進(jìn)行二值處理，得到圖像I b;
[0021] 3. 2.對圖像Ib進(jìn)行CT值范圍處理，將CT值低于20且高于350的區(qū)域CT值置零， 得到圖像I' b;
[0022] 3. 3.對圖像Γ b提取最大單連通區(qū)域，得到圖像I lc;
[0023] 3. 4.對圖像Ilc中，CT值非零區(qū)域的CT值設(shè)為255,得到圖像Γ lc;
[0024] 上述步驟1. 4具體包括如下步驟：
[0025] 4. 1.對圖像Γ 行z軸坐標(biāo)運算，得到各體素坐標(biāo)均值m 2和標(biāo)準(zhǔn)差sd z，以^ m：z 為z軸坐標(biāo)值離散程度判斷依據(jù)，與界定離散程度閾值η進(jìn)行比較，對離散程度超過閾值的 區(qū)域進(jìn)行形態(tài)學(xué)腐蝕變換。重新提取最大單連通區(qū)域，再次對此時ζ軸坐標(biāo)進(jìn)行運算，得到 新的離散程度值，再次與閾值η比較，如此循環(huán)，直到區(qū)域的離散程度小于閾值η為止；
[0026] 4. 2.對圖像I。的灰度值進(jìn)行運算，得到各體素灰度均值mjP標(biāo)準(zhǔn)差Sdg，對于圖 像I。區(qū)域內(nèi)體素灰度值在[mg-sdg，mg+sd g]范圍內(nèi)的部分不做處理；對于圖像I。區(qū)域內(nèi)體 素灰度值在[mg-sdg，mg+sdg]范圍外部分的灰度值置零，得到圖像I gd。
【附圖說明】
[0027] 圖1 :本發(fā)明方法的流程圖；
[0028] 圖2 :待提取的原始三維CT圖像（左圖為橫斷面面，中圖為矢狀狀面，右圖為冠狀 面，以下圖例類似）；
[0029] 圖3 :梯度各向異性擴(kuò)散過程效果圖像；
[0030] 圖4 :帶平滑過程的梯度幅度計算過程效果圖像；
[0031] 圖5 :S形曲線的非線性映射過程效果圖像；
[0032] 圖6 :首次二值化圖像后，提取最大單連通域的效果圖；
[0033] 圖7 :z軸坐標(biāo)離散程度處理后與圖6過程對比效果圖（離散程度未超過閾值）；
[0034] 圖8 :z軸坐標(biāo)離散程度處理后與圖6過程對比效果圖（離散程度超過閾值）；
[0035] 圖9 :對經(jīng)坐標(biāo)離散處理后圖像進(jìn)行灰度離散度處理過程的前后對比效果圖（離 散程度未超過閾值）；
[0036] 圖10 :對經(jīng)坐標(biāo)離散處理后圖像進(jìn)行灰度離散度處理過程的前后對比效果圖（離 散程度超過閾值）；
[0037] 圖11 :再次提取最大連通域，對其進(jìn)行向上重采樣過程效果圖；
[0038] 圖12 :膨脹后提取的肝臟效果圖；
[0039] 圖13 :包含肝臟信息的ROI效果圖。
【具體實施方式】
[0040] 結(jié)合附圖和實際例子對提取過程進(jìn)行具體的描述，下分步進(jìn)行介紹。（由于測試數(shù) 據(jù)選用增強(qiáng)型CT，處理過程中肝臟區(qū)域內(nèi)部有受血管中造影劑影響的孔洞，若使用普通CT 數(shù)據(jù)的處理結(jié)果會更佳）。
[0041] 1.對原始三維CT圖像I。進(jìn)行向下重采樣，X、y、z軸的采樣尺度為s x，sy，sz。本 方法的優(yōu)選值分別為Sx= 2, s y= 2, s z= I，得到圖像Γ。。
[0042] 2.使用梯度濾波器對圖像進(jìn)行梯度濾波處理，得到包含肝臟梯度范圍的三維ROI 圖像I s。具體實施如下，
[0043] 1)對圖像廣進(jìn)行各向異性擴(kuò)散處理，得到圖像Ig，如圖3。本方法采用梯度各向 異性擴(kuò)散處理，執(zhí)行N維標(biāo)量值圖像的經(jīng)典Perona-Malik各向異性方程，旨在得到均勻密 度組織平滑，但邊界突出的圖像結(jié)果。在實現(xiàn)過程中使用曲率各向異性擴(kuò)散實現(xiàn)這一目的。
[0044] Perona-Malik 模型為：
[0045]
[0046] 其中以叉，7,0)=叫(叉，7)表示輸入圖像；而"(.\%)',/) = ()'(/^7)(2)",,(.\%)'），6(〇)表 示標(biāo)準(zhǔn)差為σ的高斯運算；c(·) >〇稱為擴(kuò)散系數(shù)，是單調(diào)遞減且與圖像梯度成反比的 函數(shù)；
[0047] 運算符div執(zhí)行散度運算；￥是梯度算子，表示進(jìn)行空間各向全微分運算；
[0048] 本方法中此時擴(kuò)散系數(shù)為：
[0049] 其中包含兩個參數(shù)：電導(dǎo)系數(shù)k和時間參數(shù)t，k控制邊緣對比處理的靈敏性。本 方法中k值優(yōu)選為3. 0,時間參數(shù)t值優(yōu)選為0. 0625。
[0050] 求解Perona-Malik模型的偏微分方程采用數(shù)值運算的偏微分方程的迭代求解算 法，本發(fā)明中優(yōu)選的迭代次數(shù)為4。
[0051] 2)對圖像Ig進(jìn)行梯度幅度計算，得到包含圖像梯度幅度信息的圖像Ini，如圖4。這 一過程計算了每個像素圖像的梯度。這個計算過程等同于首先通過將圖像和一個離散化的 高斯核卷積來平滑圖像，再通過微分計算得到像素點梯度值。
[0052] 設(shè)離散化的高斯卷積核H為（2k+l)*(2k+l)維，則高斯卷積核元素的計算方式 為：
[0053]
[0054] 高斯窗口寬度由σ的值決定，其取值范圍為1至1. 5,此處優(yōu)選值為1. 3。
[0055] 3)對圖像Ini進(jìn)行S形曲線的非線性映射處理，得到圖像Is，如圖5。其目的在于 得到肝臟感興趣區(qū)域的梯度范圍。為了實現(xiàn)S形曲線的非線性映射的過程，需對四個參數(shù) 進(jìn)行設(shè)置。接下來的方程表達(dá)了 S形曲線的非線性映射的灰度變換：
[0056]
[0057] 在上面的方程中，I是輸入像素的灰度，Γ是輸出像素的灰，Min、Max是輸出圖像 的最小值和最大值，α定義了輸入灰度范圍的寬度，β定義了圍繞在范圍中心的灰度。本 過程中選擇以下優(yōu)選值α = -〇· 5，β = 3. 0, Min = 0· 0, Max = L 0。
[0058] 3.對圖像Is進(jìn)行二值處理，提取最大連通區(qū)域，得到圖像Γ i。，如圖6。具體實施 過程如下：
[0059] 1)對圖像Is進(jìn)行二值處理，得到圖像I b。若輸入圖像是歸一化圖像，閾值下限優(yōu) 選值為〇. 1，閾值上限優(yōu)選值為1. 〇 ;若輸入圖像為非歸一化圖像，閾值下限優(yōu)選值為25,閾 值上限優(yōu)選值為255。將小于低閾值的圖像灰度設(shè)為0,將大