The invention relates to an image segmentation method and system, which comprises the following steps: the initial positioning of the medical image, get the positioning area; the positioning of regional processing, get the target area. The target area contains nodule area and background area. The nodule area is composed of solid area and the surrounding area surrounding the real regional treatment; Gauss mixture model of the target area based on probability map to obtain the target area; according to the morphological model processing the probability map, to determine the solid area and the area around the nodules; integration of the solid areas and the surrounding area, get the results of image segmentation. The method and the system provided by the invention can accurately divide different types of nodules, and effectively improve the follow-up diagnosis analysis.
【技术实现步骤摘要】
本专利技术涉及医学图像处理领域,尤其涉及一种图像分割方法及其系统。
技术介绍
肺癌是全球死亡率最高的癌症。虽然医学诊断和治疗水平不断提高,肺癌的五年生存率也仅有15%左右,早期发现、早期治疗是提高肺癌治愈率的主要途径。肺结节是肺癌的早期表现形式。肺结节的准确分割结果能够有效的反映出结节的病理和形态特征,进而帮助用户对病灶进行诊断分析。实现肺结节自动分析与识别的关键技术是:肺结节分割、检测、诊断等一系列图像处理、分析和理解算法的研究和应用。现有技术中采用水平集算法或者多尺度阈值方法进行结节分割,但是肺结节形态各异、大小各不相同、分布位置不定、易与其它组织链接,密度与肺部某些组织类似,例如肺结节具有实性结节、混合型磨玻璃结节、磨玻璃结节(ground-glassnodule,GGN)等各类形态,无法简单通过形态学方法准确识别肺结节,尤其是磨玻璃结节作为一种恶性可能性最大的一类结节,形态上边缘不规则,在CT图像中呈现模糊稀薄影,在CT中的HU(HounsfieldUnit,亨氏单位)值分布广泛且纹理形态多变,通过水平集算法(LevelSet)等基于边缘算法难以精确识别肺结节。此外肺结节在CT图像中的灰度值不服从高斯分布,多阈值方法易造成泄露导致分割结果不准确。因此,本专利技术提供一种图像分割方法,以提高结节分割的准确性。
技术实现思路
本专利技术所要解决的技术问题是提供一种医学图像的分割方法及其系统,用于分割不同类型的肺结节,能够有效提高肺结节分割的准确性,进而利于用户对病灶的诊断和分析。为解决上述技术问题,本专利技术提供一种医学图像的分割方法,包括如 ...
【技术保护点】
一种图像分割方法,其特征在于,包括如下步骤:对医学图像进行初始定位,获取定位区域;预处理所述定位区域,获取目标区域,所述目标区域包含结节区域和背景区域,所述结节区域由实性区域以及围绕所述实性区域的周围区域构成;基于高斯混合模型处理所述目标区域,获取所述目标区域的概率图;根据形态学模型处理所述概率图,以确定结节的实性区域和周围区域;融合所述实性区域和周围区域,获得图像分割结果。
【技术特征摘要】
1.一种图像分割方法,其特征在于,包括如下步骤:对医学图像进行初始定位,获取定位区域;预处理所述定位区域,获取目标区域,所述目标区域包含结节区域和背景区域,所述结节区域由实性区域以及围绕所述实性区域的周围区域构成;基于高斯混合模型处理所述目标区域,获取所述目标区域的概率图;根据形态学模型处理所述概率图,以确定结节的实性区域和周围区域;融合所述实性区域和周围区域,获得图像分割结果。2.如权利要求1所述的图像分割方法,其特征在于,所述对医学图像进行初始定位包括以下任一种方式:手动确定所述定位区域;或者确定贯穿所述定位区域的长轴线,在长轴线上选取种子点,采用区域增长方法确定所述定位区域;或者基于预设程序确定所述定位区域。3.如权利要求1所述的图像分割方法,其特征在于,所述预处理所述定位区域包括:对所述定位区域进行基于海森点增强的阈值分割,获取所述目标区域。4.如权利要求1所述的医学图像的分割方法,其特征在于,所述根据形态学模型处理所述概率图,包括:采用海森点增强模型处理所述概率图,获取海森点增强图;基于所述概率图中的每个体素或像素,确定所述海森点增强图中的对应体素或像素;若所述概率图中的所述任一体素或像素的值大于第一阈值,并且所述海森点增强图中对应的体素或像素的值大于第二阈值,则所述体素或像素属于所述实性区域;否则,所述体素或像素属于背景区域。5.如权利要求4所述的医学图像的分割方法,其特征在于,所述第一阈值的取值范围为(0,1)之间的常数,所述第二阈值的取值范围为(0,100)之间的常数。6.如权利要求4所述...
【专利技术属性】
技术研发人员:王季勇,
申请(专利权)人:上海联影医疗科技有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。