The invention provides a spinal cord segmentation method based on convex seed region growth, which includes the following steps: (1) contrast enhancement of the input CT image to improve the brightness difference between the spinal cord region and its surrounding region in the image, and obtaining the initial seed point by calculating the spatial position centroid of the image; In the process of domain growth, the candidate seed points with the largest curvature and the greatest similarity to the gray level information of the seed region are selected as the next growth point, that is, the candidate seed points in the concave region are preferentially grown; S3, the shape information of the seed region is expressed by the curvature of the seed region, and the shape information of the seed region is detected. The morphological changes of the seed region were measured to determine whether there was growth leakage. If there was growth leakage, the growth stopped and the spinal cord region was extracted. If there was no growth leakage, the seeds returned to the growth of S2. This method can segment the spinal cord region accurately by keeping the seed region as convex as possible during the growth process.
【技术实现步骤摘要】
一种基于凸约束种子区域生长的脊髓分割方法
本专利技术涉及医学图像处理
,具体涉及一种基于凸约束种子区域生长的脊髓分割方法。
技术介绍
随着医学影像在临床医学诊断中的广泛应用,图像分割技术作为医学图像处理中的关键一步,其主要目的是对感兴趣目标如脊髓、脑组织、血管、细胞等进行准确的分割,在医学中发挥着越来越大的作用。医学图像分割是提取医学影像中特殊组织定量信息所不可缺少的手段,其被广泛地应用于各个方面,如组织容积的定量分析、解剖结构的研究、病变组织的定位、治疗规划、功能成像数据的局部体效应校正、计算机辅助诊断、计算机引导手术等等。在医学图像分割领域,比较经典的分割算法有阈值分割方法、水平集方法、活动轮廓模型、基于图论的分割方法、基于智能群优化的分割方法、基于深度学习的分割方法、种子区域生长等。在CT图像对脊髓的分割中,请参考图2所示,可以发现待分割脊髓区域在亮度上与其他区域非常相近,因此阈值分割方法和水平集方法并不适合处理此类图像。活动轮廓模型是利用梯度信息进行曲线演化来完成区域分割,但从图2中可以发现,脊髓区域边界并不十分明显,因此采用活动轮廓模型很容易导致边缘泄露。而基于图论的分割方法是以图像中所有像素为节点建立图模型进行分割,实时性较差,并且在图2中很难建立较好的前景和背景模型。而基于智能群优化的分割方法需要大量的迭代次数寻求最优解,同样实时性较差。基于深度学习的分割方法是目前的一个研究热点,但是该方法需要大量的样本图像进行训练,并且每幅图像均需要人工进行标记,因而对训练样本要求较高且成本较大。观察图2可以发现,虽然脊髓区域的亮度与其他区域亮度具有 ...
【技术保护点】
1.一种基于凸约束种子区域生长的脊髓分割方法,其特征在于,包括以下步骤:S1、对输入CT图像进行对比度增强,以提高图像中脊髓区域与其周围区域在亮度上的差异,并通过计算图像空间位置质心来获取初始种子点;S2、在种子区域生长过程中,选择具有最大曲率且与种子区域在灰度信息上具有最大相似度的候选种子点作为下一次的生长点,即优先生长那些处于凹形区域内的候选种子点;S3、利用种子区域的区域曲率来表示种子区域的形状信息,通过检测种子区域形状的变化来判断是否发生了生长泄露,若发生了生长泄露则停止生长并提取脊髓区域,若未发生生长泄露则返回步骤S2继续生长。
【技术特征摘要】
1.一种基于凸约束种子区域生长的脊髓分割方法,其特征在于,包括以下步骤:S1、对输入CT图像进行对比度增强,以提高图像中脊髓区域与其周围区域在亮度上的差异,并通过计算图像空间位置质心来获取初始种子点;S2、在种子区域生长过程中,选择具有最大曲率且与种子区域在灰度信息上具有最大相似度的候选种子点作为下一次的生长点,即优先生长那些处于凹形区域内的候选种子点;S3、利用种子区域的区域曲率来表示种子区域的形状信息,通过检测种子区域形状的变化来判断是否发生了生长泄露,若发生了生长泄露则停止生长并提取脊髓区域,若未发生生长泄露则返回步骤S2继续生长。2.根据权利要求1所述的基于凸约束种子区域生长的脊髓分割方法,其特征在于,所述步骤S1中,对输入CT图像进行对比度增强包括:将CT图像数据通过下式归一化处理到[0,1]:其中,src为输入图像,nor为归一化后图像,i为任意一像素点,min(src)为输入图像src的最小值,max(src)为输入图像src的最大值;对归一化后图像采用下式进行对比度调整:其中,I为对比度调整后的输出图像,τ为对比度调整阈值,且τ∈[0,1]。3.根据权利要求1所述的基于凸约束种子区域生长的脊髓分割方法,其特征在于,所述步骤S1中,图像空间位置质心的计算如下:其中,(x(i),y(i))为像素点i的位置坐标,(cx,cy)为图像I的图像空间位置质心。4.根据权利要求1所述的基于凸...
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。