图像分割方法及其系统技术方案

本发明专利技术涉及一种图像分割方法及其系统,包括以下步骤: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。本发明专利技术提供的方法和系统能够准确分割不同类型的结节，有效提高后续的诊断分析。

Image segmentation method and system

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。进一步的，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。进一步的，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。进一步的，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，并且所述第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。进一步的，所述第一阈值的取值范围为为(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。进一步的，所述基于高斯混合模型处理所述目标区域，还包括：采用海森线增强模型处理所述概率图，获取海森线增强图；基于所述概率图中的每个体素或像素，确定所述海森线增强图中的对应体素或像素；将所述概率图中的所述体素或像素的值与第一阈值比较；将所述海森线增强图中的体素或像素的值与第三阈值比较；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，并且所述第海森线增强图中对应的体素或像素的值小于第三阈值，则所述体素或像素属于所述周围区域；否则，所述体素或像素属于背景区域。进一步的，所述第三阈值的取值范围为取值范围为(0,50)之间的常数。进一步的，所述目标区域、所述概率图、所述海森点增强以及所述海森线增强图中任一体素或像素的空间位置是一一对应。为解决上述技术特征，本专利技术还提供一种图像分割系统，包括:输入单元，用于获取医学图像；处理单元，用于处理所述医学图像，获取目标区域的分割结果，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；以及输出单元和存储单元；所述处理单元包括结节确定子单元，用于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。进一步的，所述分割单元还包括：定位子单元，用于对医学图像进行初始定位，获取定位区域；预处理子单元，用于预处理所述定位区域，获取目标区域。与现有技术相比，本专利技术利用初始定位和预处理获取目标区域，用以增强了结节实性区域的对比度，降低后续结节分割的计算量，提高分割速度；基于高斯混合模型处理所述目标区域，获取概率图，根据形态学模型处理所述概率图，使得有效分割并保护结节的实性区域，以及有效提取结节的周围区域并移除血管、气管和肺壁等结节分割的主要噪音。本专利技术提供图像分割方法通用性强、精度高，可以准确分割不同类型的结节，利于后续用户对病灶的诊断和分析。【附图说明】图1为本专利技术一实施例中图像分割方法的流程示意图；图2为本专利技术又一实施例中图像分割方法的流程示意图；图3a～3c为本专利技术一实施例中图像分割方法的结果示意图；图4为本专利技术一实施例中图像分割的结构示意图；图5为本专利技术一实施例中处理单元的结构示意图。【具体实施方式】在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施的限制。本专利技术利用示意图进行详细描述，在详述本专利技术实施例时，为便于说明，所述示意图只是实施例，其在此不应限制本专利技术保护的范围。实施例1为了解决现有技术中有效、准确分割不同类型的肺结节的技术问题，提高用户对病灶诊断、分析的准确性，本实施例中提供一种图像分割方法，如图1图像分割方法的流程示意图所示，所述方法包括如下步骤：执行步骤S101：对医学图像进行初始定位，获取定位区域。所述医学图像医学包括但不限于通过各类模态的成像系统扫描采集获得三维或二维图像，也可以通过诸如存储系影像归档和通信系统(PictureArchivingandCommunicationS纵stems，PACS)等内部或外部存储系统传输获得。所述模态包括但不限于磁共振成像(MRI)、磁共振血管造影(MRA)、计算机断层扫描(CT)、正电子发射断层扫描(PositronEmissionTomograph纵，PET)等一种或多种的组合。所述医学图像的格式可以包括但不限于JPEG图像格式、TIFF图像格式、GIF图像格式、FPX图像格式、DICOM图像格式等。例如，本实施例中所涉及的肺部医学图像可以通过计算机断层扫描(CT)设备经对人体实施扫描后的CT图像。所述医学图像也可以是通过输入计算机图像处理设备中进行处理，基于阈值分割、聚类算法、直方图分割模型、最大类间方差分割模型等方法处理后的医学图像，例如通过分割处理获取的肺部CT图像，可以基于图像中的肺部区域进行后续的肺结节分割，以供用户观察和使用。计算机图像处理设备可以使用通用的计算机设备作为基础硬件。在一个实施例中，可以通过执行安装在计算机设备中的处理器上的图像处理程序来实现所需的图像处理。这时，可以通过预先将图像处理程序安装到计算机设备中或本文档来自技高网...

【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