一种基于凸约束种子区域生长的脊髓分割方法技术

本发明专利技术提供一种基于凸约束种子区域生长的脊髓分割方法，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。本方法通过使种子区域在生长过程中尽可能保持凸性质来完成脊髓区域准确分割。

A method of spinal cord segmentation based on convex constrained seed region growth

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很高的相似性，但与其周围却有一定的差异，如果能仅对这一局部区域进行处理便可有效完成脊髓区域的提取。因此，针对脊髓分割问题种子区域生长方法将是一个不错的选择方案。本专利技术的专利技术人经过研究发现，传统的种子区域生长方法是仅利用图像灰度信息，每次优先生长与种子区域相邻且灰度值最相近的候选点，而没有充分利用其它信息，其生长过程无规律可寻且不集中，有时会沿着某一条路径一直延伸下去，从而导致在脊髓区域内部还没有生长完全时就发生了过生长(即生长泄露)现象。因此，针对传统种子区域生长方法在生长过程中如何保持集中生长并避免过早出现过生长现象，以及阻止过生长的发生，成为目前种子区域生长方法急需解决的问题。
技术实现思路
针对现有种子区域生长方法在生长过程中如何保持集中生长并避免过早出现过生长现象，以及阻止过生长发生的技术问题，本专利技术提供一种基于凸约束种子区域生长的脊髓分割方法，该方法通过使种子区域在生长过程中尽可能保持凸性质，从而有效地完成了CT图像中脊髓区域的准确分割。为了解决上述技术问题，本专利技术采用了如下的技术方案：一种基于凸约束种子区域生长的脊髓分割方法，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。进一步，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]。进一步，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。进一步，所述步骤S2中，采用曲率Cur(C)来度量某一候选种子点C的凸凹程度，定义如下：其中，表示以候选种子点C为圆心、以k为半径的圆形区域内种子点的个数。进一步，所述步骤S2中，下一次生长的候选种子点通过下式获得：其中，为候选种子点的灰度值，Mean(Ri)为种子区域Ri的灰度均值，为候选种子点的曲率。进一步，所述步骤S3中，优选利用候选种子点来完成种子区域的凹凸度即区域曲率近似计算，定义如下：其中，|Ri|表示种子点个数，为候选种子点个数，为候选种子点的曲率。进一步，所述步骤S3中，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包括：S31、判断种子区域内的种子数量是否大于预设阈值Nδ，若为是则执行步骤S32，否则返回步骤S2继续生长；S32、计算第i次生长结果得到的种子区域Ri的区域曲率Con(Ri)，若Con(Ri)小于生长过程中的最小区域曲率minCon，则更新minCon＝Con(Ri)；再判断是否满足Con(Ri)-minCon≥δ，其中δ为预设的最大容忍误差，若当前区域曲率与最小区域曲率的差超过最大容忍误差则停止生长，否则返回步骤S2继续生长。与现有技术相比，本专利技术提供的基于凸约束种子区域生长的脊髓分割方法，通过使种子区域在生长过程中尽可能保持凸性质，从而能更为有效地完成CT图像中的脊髓分割，具体在种子区域生长过程中，通过加入凸约束来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，有效实现了种子区域在生长过程中保持集中生长并避免了过早出现过生长现象，使得在生长过程中种子区域能够保持较好的凸形状；再者，随着种子生长的进行，当目标区域内部生长完全后一旦发生了生长泄露，就会造成种子区域的形状发生较大的变化，即种子区域由凸形状过渡成了凹形状，而本专利技术同样利用区域曲率来表示种子区域的形状信息，并通过检测种子区域形状的变化来判断是否出现了生长泄露，以此作为停止生长的依据，即若出现了生长泄露则停止生长，反之则继续生长，因而有效阻止了过生长发生。附图说明图1是本专利技术提供的基于凸约束种子区域生长的脊髓分割方法流程示意图。图2是本专利技术提供的一待处理原始CT图像。图3是对原始CT图像经过对比度调整后的图像。图4是对原始CT图像经过对比度调整后的图像及其计算出的质心位置。图5是CT图像F1_5的部分生长结果示意图。图6是不同CT图像中脊髓区域的比较示意图。图7是种子区域与候选种子区域示意图。图8是不同候选种子点示意图。图9是本方法与传统方法生长过程比较示意图。图10是本方法与传统方法最终生长结果比较示意图。图11是种子区域、边缘种子点以及候选种子点的示意图。图12是不同CT图像种子区域的曲率变化结果示意图。图13是CT图像F1_5的种子区域曲率局部变化示意图。图14是CT图像F1_5的部分生长过程示意图。具体实施方式为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本专利技术。请参考图1至图14所示，本专利技术提供一种基于凸约束种子区域生长的脊髓分割方法，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本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：龙建武，冯欣，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：重庆,50