对CT图像采用概率图谱与水平集进行肝脏分割的系统技术方案

本发明专利技术提供一种对CT图像采用概率图谱与水平集技术进行肝脏自动分割的系统，该系统包括：三维图像预处理模块，完成图像的旋转对齐、降噪以及三维重构操作；肝脏粗分割模块，用于生成概率图谱，通过概率图谱预测最可能肝脏区域，通过基于直方图统计的后验概率分类的最大映射实现肝脏粗分割；肝脏细分割模块，利用形状‑灰度先验模型约束的水平集技术进一步提高分割精度，完成对肝脏的精确分割。本系统对肝脏的精确分割提供了很好的支持。

A liver segmentation system based on probability atlas and level set for CT images

The invention provides a system for automatic liver segmentation using probability atlas and level set technology for CT images. The system includes three-dimensional image pre-processing module, which completes image rotation alignment, noise reduction and three-dimensional reconstruction; liver rough segmentation module, which is used to generate probability atlas, predict the most probable liver region by probability atlas, and after histogram-based statistics. The maximum mapping of probabilistic classification is used to achieve rough segmentation of liver; the subdivision module of liver further improves the segmentation accuracy by using the level set technology constrained by the shape-gray prior model to complete the accurate segmentation of liver. This system provides a good support for the accurate segmentation of liver.

【技术实现步骤摘要】
对CT图像采用概率图谱与水平集进行肝脏分割的系统
本专利技术涉及图像处理
，尤其涉及一种基于概率图谱与水平集技术的肝脏分割的系统。
技术介绍
肝脏分割被视为肝脏量化分析的关键步骤，该技术可以用于帮助临床医生分析肝脏疾病的诊疗进展。然而，从CT图像中分割肝脏仍然是一件比较棘手的难题。传统的分割技术往往难以从CT数据集中成功分割肝脏，不仅是因为肝脏与周边器官的对比度低，肝脏病理的存在，以及个体间肝脏形状的巨大差异也是影响肝脏难以准确自动分割的重要原因。概率图谱技术可以用于捕获灰度、形状、尺寸、位置的先验知识，然而，部分肝脏组织会因肝脏疾病而造成形状变化，因而，构造带疾病的肝脏图谱非常困难，例如，在肝硬化中肝脏形态的变化非常大，而且部分肝移植的肝脏形状也极不规则。为了克服概率图谱在相邻器官灰度分布相似、肝脏形状变化不规律等方面的分割难题，进一步提高分割精度，特别是弥补概率图谱构建过程中因异常导致的误差，本专利技术提出了形状-灰度先验模型约束的水平集技术，借助水平集分割技术计算稳定、可灵活的加入先验知识的优点来实现精准分割。
技术实现思路
有鉴于此，本专利技术实施例提供一种对CT图像采用概率图谱与水平集技术进行肝脏自动分割的系统，至少部分解决现有技术中存在的问题。本专利技术实施例提供的专利技术提供一种对CT图像采用概率图谱与水平集技术进行肝脏自动分割的系统，包括：一种对CT图像采用概率图谱与水平集进行肝脏分割的系统，包括：三维图像预处理模块，完成图像的旋转对齐、降噪以及三维重构操作；肝脏粗分割模块，用于生成概率图谱，通过概率图谱预测最可能肝脏区域，通过基于直方图统计的后验概率分类的最大映射实现肝脏粗分割；肝脏细分割模块，利用形状-灰度先验模型约束的水平集技术进一步提高分割精度，完成对肝脏的精确分割。根据本专利技术实施例的一种具体实现方式，所述三维图像预处理模块还用于：基于姿势旋转纠正算法倾斜图像旋转对齐，完成旋转校准处理；使用阈值处理从CT图像中提取隶属于骨部分分析病人的姿势；采用三维非线性各向异性扩散滤波的进行降噪，同时最大限度地保留图像的边缘信息；采用图像三线性插值的重采样技术进行预处理，来重构均匀的三维体，完成三维图像预处理。根据本专利技术实施例的一种具体实现方式，所述的三维图像预处理通过对CT原始图像的旋转对齐、滤波降噪、三维重构为下一步粗分割做准备。根据本专利技术实施例的一种具体实现方式，使用阈值处理从CT图像中提取隶属于骨部分的体素，通过对所有骨体素使用主成分分析产生第一主成分使用图像姿势纠正算法。根据本专利技术实施例的一种具体实现方式，所述肝脏粗分割模块，还用于：形状-灰度先验模型约束的水平集技术进一步提高分割精度，弥补概率图谱构建过程中的因病变异常导致的误差；将特定的测试图像与已知的多张训练图谱进行相似性比较，并依据不同的相似度设置不同的权重，从而构造基于特定权重的概率图谱；将肝脏区域划分为心脏、肝脏、右肾脏、脾和骨5大类，每一类对应的可能性函数通过高斯核卷积灰度直方图进行评估；借助于归一化互相关分析计算该图像的相似度；使用Parzen窗方法对直方图进行平滑；通过形态学填孔洞操作实现图像孔洞填充；借助连接成分分析算法确定最大腹部连接成分，移除大多数不属于肝脏的区域，并最大限度地保留肝脏区域。根据本专利技术实施例的一种具体实现方式，所述的肝脏粗分割对已经完成预处理的原始的CT图像进行分割，在可能存在肝脏的五大区域进行评估，对图像进行孔洞填充。根据本专利技术实施例的一种具体实现方式，对于分割算法上的量化分析，采用了比较已提出算法的分割结果与真实的分割金标准之间相似系数的方法。根据本专利技术实施例的一种具体实现方式，本系统提出不需要大量的训练集，来获取很好的分割结果。因为基于权重的概率图谱被用于获取粗分割的肝脏区域，同时使用一个带约束的主动轮廓模型来进行优化分割。根据本专利技术实施例的一种具体实现方式，所述肝脏细分割模块，还用于：借助水平集分割技术来实现细化分割，提高形状-灰度先验模型的分割精度；构造目标区域的最大后验概率框架；构造形状-灰度先验模型；水平集的形成与演化。根据本专利技术实施例的一种具体实现方式，将目标图像和感兴趣的区域通过图像的形状-灰度信息构造的最大后验概率框架，用来实现图像分割。本系统对肝脏的精确分割提供了很好的支持。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1展示了肝脏自动分割方法整体流程图；图2a-2b展示了非均质滤波前后结果滤波前原图及滤波后结果；图3为训练集中五类器官的灰度直方图；图4a-4b为水平集演化前后的结果及处理前图处理后结果图；图5a-5c展示了为包含不同类型肿瘤的肝脏CT分割结果。具体实施方式下面结合附图对本专利技术做进一步说明。结合图1，输入一个肝脏CT图像，使用阈值处理从原始扫描的CT图像中提取隶属于骨部分的体素，通过分析CT图像中骨头的主成分方向来推断病人的卧姿。通过姿势旋转纠正对倾斜原始CT图像的旋转对齐达到最佳扫描位置。完成旋转对其后，为了使旋转后的图像在降噪的同时保留更准确的边缘信息，本专利技术采用非线性三维各向异性扩散滤波，在达到降噪平滑目的的同时，能够最大限度地保留图像的边缘信息。结合图2a-2b可知，三维各向异性扩散滤波有着良好的降噪效果且能更好的保留边缘信息。通常螺旋CT扫描生成的图像，由于存在夹角，会形成三维非均匀的体素空间，易形成明显边缘锯齿，对图像的分割操作带来不便。本专利技术中,采用三线性插值的重采样技术进行预处理，来重构均匀的三维体素空间，以提供平滑流畅的高质量的图像输出。经过上述操作，此时原始的CT图像经过旋转变换、图像降噪、重构三维体素空间等操作，完成了三维图像预处理，可进行肝脏的粗分割操作。结合图1，在肝脏粗分割中考虑到肝脏所处人体内位置及肝脏病变等原因对肝脏初始化带来的误差。本专利技术引入基于特定病人的概率图谱技术进行粗分割，该概率图谱技术能够有效利用病变异常信息构建图谱，而且能够提供多方面的先验信息。首先构造概率图谱，通过计算训练集中数据之间的相似度将其分成多个类簇并依据相似度的不同而设置权重，继而构造出基于特定权重的概率图谱。当输入一组有效的数据集时，计算这组数据集与已知所有图谱的相似性，并进行相似程度递增排序，而后借助于归一化互相关分析完成相似度计算，紧接着需要为每个图谱赋予一个权重，与目标图像越相似的图谱越容易被赋予较大的次序和权重。肝脏区域后概率映射是粗分割中最重要的部分。其目的在于准确的划分出最有可能为肝脏区域的五大类，即心脏、肝脏、右肾脏、脾和骨。每一部分通过评估、训练得出最有可能存在肝脏的比例，继而在肝脏分割时优先考虑该部分，图3为基于5类组织先验概率的肝脏区域映射。其具体操作如下：首先将腹部CT灰度图像中肝脏实质掩码部分进行分类(先验概率大于0的部分)。其次将最可能的肝脏区域划分为5大类，每一类对应的可能性函数通过高斯核卷积灰度直方图进行评估。得出一个体素是肝脏的先验概率。使用高斯核的Parzen窗方法对直方图进行平滑，并且未强加特定的分布函数，通过贝叶斯原理得出一本文档来自技高网...

【技术保护点】
1.一种对CT图像采用概率图谱与水平集进行肝脏分割的系统，其特征在于，包括：三维图像预处理模块，完成图像的旋转对齐、降噪以及三维重构操作；肝脏粗分割模块，用于生成概率图谱，通过概率图谱预测最可能肝脏区域，通过基于直方图统计的后验概率分类的最大映射实现肝脏粗分割；肝脏细分割模块，利用形状‑灰度先验模型约束的水平集技术进一步提高分割精度，完成对肝脏的精确分割。

【技术特征摘要】
1.一种对CT图像采用概率图谱与水平集进行肝脏分割的系统，其特征在于，包括：三维图像预处理模块，完成图像的旋转对齐、降噪以及三维重构操作；肝脏粗分割模块，用于生成概率图谱，通过概率图谱预测最可能肝脏区域，通过基于直方图统计的后验概率分类的最大映射实现肝脏粗分割；肝脏细分割模块，利用形状-灰度先验模型约束的水平集技术进一步提高分割精度，完成对肝脏的精确分割。2.根据权利要求1所述的系统，其特征在于，所述三维图像预处理模块还用于：基于姿势旋转纠正算法倾斜图像旋转对齐，完成旋转校准处理；使用阈值处理从CT图像中提取隶属于骨部分分析病人的姿势；采用三维非线性各向异性扩散滤波的进行降噪，同时最大限度地保留图像的边缘信息；采用图像三线性插值的重采样技术进行预处理，来重构均匀的三维体，完成三维图像预处理。3.根据权利要求2所述的系统，其特征在于：所述的三维图像预处理通过对CT原始图像的旋转对齐、滤波降噪、三维重构为下一步粗分割做准备。4.根据权利要求2所述的系统，其特征在于：使用阈值处理从CT图像中提取隶属于骨部分的体素，通过对所有骨体素使用主成分分析产生第一主成分使用图像姿势纠正算法。5.根据权利要求1所述的系统，其特征在于，所述肝脏粗分割模块，还用于：形状-灰度先验模型约束的水平集技术进一步提高分割精度，弥补概率图谱构建过程中的因病变异常导致的误差；将特定的测试图像与已知的多张训练图谱进行相似性比较，并依...

【专利技术属性】
技术研发人员：王进科，杨博韬，祖宏亮，孙艳霞，程远志，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23