一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法技术方案

一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法，本发明专利技术涉及医学图像分割方法。本发明专利技术是要解决目前没有根据病人肝脏特征建立对应的虚拟肝脏模型，而提出的一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法。该方法是通过步骤一、得到滤波后的效果图；步骤二、选用核函数图割方法对滤波后的效果图进行预分割得到预分割图像；步骤三、利用改进的半自动梯度矢量流GVF_Snake方法实现预分割图像的分割等步骤实现的。本发明专利技术应用于机器人虚拟训练系统中肝脏模型的医学图像分割领域。

【技术实现步骤摘要】
一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法
本专利技术涉及医学图像分割方法，特别涉及一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法。
技术介绍
医疗机器人技术已成为当前医学应用的最前沿技术。相对传统外科手术，医生通过机器人对病人进行外科手术具有精度更高、创口面更小等优点。在医生熟练操作医疗机器人之前，需要进行机器人手术训练，而传统手术训练方法已经不能满足可循环的训练模式。随着计算机技术和虚拟现实技术的发展，开发的虚拟手术训练系统成为训练医生操作机器人重要途径。肝癌是世界上最常见的癌症之一，其死亡率也远高于其他癌症。因此当前有许多针对肝脏方面的研究。为了提高肝脏手术的成功率，医生在操作医疗机器人对病人进行手术之前，应该事先在机器人虚拟训练系统进行手术训练。而在机器人虚拟训练系统中建立有效的3D虚拟肝脏模型至关重要。一个有效的3D虚拟肝脏模型应尽可能和人体真实肝脏相吻合，包括形状、大小和软组织特性。当前在机器人虚拟训练系统中建立的虚拟肝脏模型是通用软组织模型，没有根据病人肝脏特征建立对应的虚拟肝脏模型。此时，在医生进行手术训练时，缺乏对病人不同肝脏病例的针对性训练。如果医生在机器人虚拟训练系统中进行手术训练的肝脏器官是需要真实手术的病人肝脏，那么，针对于某个病人的肝脏手术训练效果会大大提高。此时，就要求建立的3D虚拟肝脏模型和病人肝脏尽可能一致，包括病人肝脏的大小、形状、病灶以及需要手术的位置等。
技术实现思路
本专利技术的目的是为了解决目前没有根据病人肝脏特征建立对应的虚拟肝脏模型，而提出的一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法。上述的专利技术目的是通过以下技术方案实现的：步骤一、利用改进的高斯加权中值滤波对肝脏医学扫描图像进行平滑处理后得到滤波后的效果图；其中，改进的滤波器为高斯加权融入到大小为M1×M1的方形中值滤波器；滤波后的效果图为x行y列的灰度值矩阵I；设定滤波后的效果图中的像素标号为l；M1是滤波器窗口的边长；步骤二、选用核函数图割方法对滤波后的效果图进行预分割得到预分割图像；步骤三、利用改进的半自动梯度矢量流GVF_Snake方法实现预分割图像的分割；步骤三一、采用的半自动GVF_Snake方法是根据预分割图像肝脏的边缘轮廓，手动选择并确定预分割图像中肝脏轮廓的曲线，作为输入的初始轮廓曲线；得到带有初始轮廓曲线的预分割图像；所述的手动选择并确定预分割图像中肝脏轮廓的曲线的具体过程为：(1)、设预分割图像中肝脏轮廓线上随机选取n个点即P1(x1,y1)为第P1个点的坐标为P1(x1,y1)，P2(x2,y2)第P2个点的坐标为(x2,y2))，…，第Pn个点的坐标为Pn(xn,yn)；(2)、利用以下公式获取点Pn-1到点Pn之间点：其中，Pn-1_i(xn-1_i,yn-1_i)是点Pn-1(xn-1,yn-1)到Pn(xn,yn)之间的第i个点的坐标值；(xn-1_i,yn-1_i)为点Pn-1到点Pn之间的第i个点的坐标；|Pn(xn,yn)-Pn-1(xn-1,yn-1)|是两点之间的欧氏距离，a是相邻两点之间的点的个数，i是相邻之间的点的标号，满足i≤a，a>1；50>n>1；因此根据公式(14)计算得到：P1_i(x1_i,y1_i),P2_i(x2_i,y2_i),…,Pn-1_i(xn-1_i,yn-1_i)(3)、将点P1(x1,y1)，P1_i(x1_i,y1_i)，P2(x2,y2)，P2_i(x2_i,y2_i)，…，Pn-1_i(xn-1_i,yn-1_i)，Pn(xn,yn)连接成一条封闭曲线，即为预分割图像中肝脏轮廓的曲线；步骤三二、将带有初始轮廓曲线的预分割图像作为GVF_Snake方法的输入图；步骤三三、利用输入的初始曲线上的控制点来控制GVF_Snake方法的输入图中的肝脏活动轮廓曲线的变形和能量的变化；步骤三四、利用梯度矢量流Snake模型，根据梯度矢量流GVF的扩散原理，扩散梯度矢量到步骤三一的初始化轮廓曲线处从而分割预分割图像。专利技术效果为了进一步提高肝脏医学扫描图像的分割精度以及为了更好地消除肝脏医学扫描图像的脉冲噪声，本专利技术提出了一个半自动肝脏医学扫描图像的分割方法。本专利技术利用改进的高斯加权中值滤波方法过滤肝脏医学扫描图，实验证明利用高斯加权的中值滤波方法比统计滤波和中值滤波对椒盐噪声的滤波效果更好。经过多次实验验证了噪声密度越高(如图1(a)～(d))，本文的添加高斯加权的中值滤波的滤波效果越好。利用核函数图割方法分割后的图作为GVF_Snake方法的输入图，在设置相同的肝脏轮廓初始位置后，利用GVF_Snake方法实现图像分割，实验证明利用本专利技术提出的处理方案得到的分割图像轮廓点分布更接近理想图像，分割后得到的图像目标更接近于理想目标，验证了本专利技术方法的有效性(如图5(a)～(c))。附图说明图1(a)是具体实施方式一提出的添加了0.03噪声密度的有病灶肝脏CT扫描图；图1(b)是具体实施方式一提出的利用统计滤波对添加0.03噪声密度的滤波图像；图1(c)是具体实施方式一提出的利用中值滤波对添加0.1噪声密度的滤波图像；图1(d)是具体实施方式一提出的利用高斯加权中值滤波对添加0.03噪声密度的滤波图像；图2(a)是具体实施方式一提出的利用统计滤波方法对含有0.03噪音的图像滤波后，再利用核函数图割方法的分割图；图2(b)是具体实施方式一提出的利用中值滤波方法对含有0.1噪音的图像滤波后，再利用核函数图割方法的分割图；图2(c)是具体实施方式一提出的利用添加高斯加权的中值滤波方法对含有0.1噪音的图像滤波后，再利用核函数图割方法分割的图；图3(a)为实施例提出的snake梯度矢量场示意图；图3(b)为实施例提出的GVF_Snake梯度矢量场；图4(a)是具体实施方式一提出的利用GVF_Snake方法对图2(a))进行分割得到示意图；图4(b)是具体实施方式一提出的利用GVF_Snake方法对图2(b)进行分割得到示意图；图4(c)是具体实施方式一提出的利用GVF_Snake方法对图2(c)进行分割得到示意图；图5(a)是具体实施方式一提出的利用Snake方法分割的图；图5(b)是具体实施方式一提出的利用GVF_snake方法分割的图；图5(c)是具体实施方式一提出的利用核函数图割GVF_snake方法分割的图。具体实施方式具体实施方式一：本实施方式的一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法，具体是按照以下步骤制备的：步骤一、为了更好地消除肝脏医学扫描图像的脉冲噪声，利用改进的高斯加权中值滤波对肝脏医学扫描图像进行平滑处理后得到滤波后的效果图；其中，改进的滤波器为高斯加权融入到大小为M1×M1的方形中值滤波器；滤波后的效果图为x行y列的灰度值矩阵I；设定滤波后的效果图中的像素标号为l；M1是滤波器窗口的边长；步骤二、选用核函数图割方法对滤波后的效果图进行预分割得到预分割图像如图2(a)～(c)；步骤三、利用改进的半自动梯度矢量流GVF_Snake(GVF的英文全称是gradientvectorflow，中文全称是半自动梯度矢量流)方法实现预分割图像的分割；其中，GVF-Snake方本文档来自技高网...

【技术保护点】
一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法，其特征在于一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法具体是按照以下步骤进行的：步骤一、利用改进的高斯加权中值滤波对肝脏医学扫描图像进行平滑处理后得到滤波后的效果图；其中，改进的滤波器为高斯加权融入到大小为M

【技术特征摘要】
1.一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法，其特征在于一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法具体是按照以下步骤进行的：步骤一、利用改进的高斯加权中值滤波对肝脏医学扫描图像进行平滑处理后得到滤波后的效果图；其中，改进的滤波器为高斯加权融入到大小为M1×M1的方形中值滤波器；滤波后的效果图为x行y列的灰度值矩阵I；设定滤波后的效果图中的像素标号为l；M1是滤波器窗口的边长；步骤二、选用核函数图割方法对滤波后的效果图进行预分割得到预分割图像；步骤三、利用改进的半自动梯度矢量流GVF_Snake方法实现预分割图像的分割；步骤三一、采用的半自动GVF_Snake方法是根据预分割图像肝脏的边缘轮廓，手动选择并确定预分割图像中肝脏轮廓的曲线，作为输入的初始轮廓曲线；得到带有初始轮廓曲线的预分割图像；所述的手动选择并确定预分割图像中肝脏轮廓的曲线的具体过程为：(1)、设预分割图像中肝脏轮廓线上随机选取n个点即P1(x1,y1)为第P1个点的坐标为P1(x1,y1)，P2(x2,y2)第P2个点的坐标为(x2,y2))，…，第Pn个点的坐标为Pn(xn,yn)；(2)、利用以下公式获取点Pn-1到点Pn之间点：其中，Pn-1_i(xn-1_i,yn-1_i)是点Pn-1(xn-1,yn-1)到Pn(xn,yn)之间的第i个点的坐标值；(xn-1_i,yn-1_i)为点Pn-1到点Pn之间的第i个点的坐标；|Pn(xn,yn)-Pn-1(xn-1,yn-1)|是两点之间的欧氏距离，a是相邻两点之间的点的个数，i是相邻之间的点的标号，满足i≤a，a>1；50>n>1；因此根据公式(14)计算得到：P1_i(x1_i,y1_i),P2_i(x2_i,y2_i),…,Pn-1_i(xn-1_i,yn-1_i)(3)、将点P1(x1,y1)，P1_i(x1_i,y1_i)，P2(x2,y2)，P2_i(x2_i,y2_i)，…，Pn-1_i(xn-1_i,yn-1_i)，Pn(xn,yn)连接成一条封闭曲线，即为预分割图像中肝脏轮廓的曲线；步骤三二、将带有初始轮廓曲线的预分割图像作为GVF_Snake方法的输入图；步骤三三、利用输入的初始曲线上的控制点来控制GVF_Snake方法的输入图中的肝脏活动轮廓曲线的变形和能量的变化；步骤三四、利用梯度矢量流Snake模型，根据梯度矢量流GVF的扩散原理，扩散梯度矢量到步骤三一的初始化轮廓曲线处从而分割预分割图像。2.根据权利要求1所述一种用于机器人虚拟训练系统中肝脏模型的医学图像分割方法，其特征在于：步骤一中利用改进的高斯加权中值滤波对肝脏医学扫描图像进行平滑处理后得到滤波后的效果图具体过程：步骤一一、在建立机器人虚拟训练系统中虚拟肝脏模型之前，利用改进的滤波器对获取的肝脏医学扫描图像进行滤波，去除肝脏医学扫描图像中脉冲噪声并保持肝脏医学扫描图像边缘信息；得到肝脏医学扫描图像中M个像素点的像素灰度值；其中，改进的滤波器为高斯加权融入到大小为M1×M1的方形中值滤波器；步骤一二、将步骤一得到的像素灰度值依照灰度值的大小排序后，得到像素灰度值中值以及中值前后各(M-...

【专利技术属性】
技术研发人员：吴冬梅，鲍义东，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23