基于遗传算法的肝脏CT图像自动定位分割方法及系统技术方案

本发明专利技术公开了一种基于遗传算法的肝脏CT图像自动定位分割方法及系统，包括：定位出肝脏CT序列图中的每幅肝脏CT图像中的肝脏位置，与现有标准模板匹配，去除明显的非肝区域；选择第N幅肝脏CT图像作为第N层肝脏CT图像并进行特征提取，得到第N层肝脏轮廓线；获取第N幅肝脏CT图像的肝脏特征信息；采用包括有若干个控制点的第N控制点组描述第N层肝脏轮廓线，将第N控制点组视为一条染色体，将第N控制点组中的每个控制点视为染色体中的一个基因段；设计代价函数，获取目标函数，将第N层肝脏轮廓线作为下一层的肝脏CT图像的初始边界曲线映射到下一层的肝脏CT图像上，利用模拟生物基因遗传操作寻找的控制点组中的控制点生成的边界作为当前层的肝脏轮廓线。

An Automatic Location and Segmentation Method and System for Liver CT Images Based on Genetic Algorithms

【技术实现步骤摘要】
基于遗传算法的肝脏CT图像自动定位分割方法及系统
本专利技术涉及一种医学影像处理方法及系统，特别涉及一种定位分割方法及系统。
技术介绍
图像分割是图像分析的中间步骤，是将图像中具有特殊含义的不同区域区分开来，这些区域是互不相交的。从处理对象角度来讲，分割是在图像矩阵中对所关心的目标的定位。只有将感兴趣的目标从图像中提取出来，才有可能进一步对各个子区域进行定量分析或识别，进而对图像进行处理。而医学图像的分割目标是将医学图像中的特定组织完全提取出来进行可视化或其他处理。图像分割可以分解为两个任务，即识别(recognition)和描绘(delineation)。识别的目的在于确定目标物体的大致位置并区别于图像中的其它物体；而描绘的任务在于精确定义和刻画图像中目标物体的区域或边缘的空间范围。人的识别能力通常强于计算机算法，另一方面，计算机算法的描绘能力则优于操作者(人)。在医学领域中，图像分割是病变区域提取、特定组织测量以及实现三维重建的基础，因此图像分割技术在医学图像处理中具有十分重要的意义。人体各种组织对X射线的吸收程度不同，分割医学图像常常利用这一特性将CT图像以若干体素表示，X射线透过人体测得每一体素的密度或灰度，在CT图像上构成像素，像素的阵列为图像矩阵。各个体素不同的衰减值形成相应各像素的不同灰度。目前对于医学图像，分割方法主要为对图像空间的灰度区域进行分割即表示对不同的软组织进行分割。遗传算法(GeneticAlgorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是通过模拟自然界的生物进化过程，期望通过相类似的竞争手段，得到某一问题的较优解。由于遗传算法具有诸多优点，在众多领域都有应用，取得了巨大成功。目前，遗传算法在图像分割领域也有应用。如中国专利申请201410416268.3号公开的一种基于自适应遗传算法和OTSU算法的图像分割方法，包括如下步骤：步骤S01：计算待分割图像的灰度直方图；步骤S02：对图像的灰度值进行编码，随机产生M个初始种群；步骤S03：根据OTSU算法计算每个个体的适应度值；步骤S04：进行遗传操作，包括顺次执行的选择操作、交叉操作和变异操作；步骤S05：判断新种群是否满足终止条件，若满足则终止，并获得分割阈值，否则，进入步骤S03；步骤S06：根据分割阈值处理待分割图像。然而，该基于自适应遗传算法和OTSU算法的图像分割方法的获得的分割图像的精确度无法满足医学图像分割需要，且分割过程需要人工控制，无法批量处理大规模案例。又如中国专利申请201410622532.9号公开的一种基于遗传算法的阈值图像分割方法，主要涉及一种交通视频图像智能化分割方法，涉及图像处理和目标检测
通过构造阈值图像分割代价函数，对系统中的参数进行设定，如每秒采集图像的帧数，图像二值化的门限值(阈值)。将视频图像按序列连续捕捉下来并数字化，存入内存或帧缓存中将这些采集到的序列数字图像进行预处理(滤波除噪、图像锐化、对比度增强)对预处理后的图像进行图像分割，并对分割后的目标图像进行特征提取。该专利技术采用了改进的遗传算法对阈值进行优化计算，得到最佳阈值，从而根据最优阈值进行阈值法图像分割。然而，该基于遗传算法的阈值图像分割方法主要用于交通视频图像分割领域，直接用于医学图像分割存在技术障碍。再如中国专利201710219460.7号公开的一种基于遗传算法的图像分割方法和系统，该方法包括：获取初始种群，并将初始种群进行初始化；技术按初始种群中每个个体的初始适应度值，选取较优个体进入下一代；根据预设条件调整进入下一代的个体的初始适应度值，获取调整过的适应度值；执行交叉操作和变异操作，并更新种群；判断新种群是否满足终止条件，若满足则获得分割阈值，否则，进入计算初始种群中每个个体的适应度值的步骤；根据分割阈值处理待分割图像。然而，该基于遗传算法的图像分割方法用于处理医学CT图像时，缺少对于不同部位的精准识别能力，无法实时准确的分割，需要人工对分割结果进行调整。因此，提供一种识别能力强、精准提取目标区域、兼具识别能力和描绘能力并能精确的针对医学图像进行自动分割的方法及系统是业界急需解决的问题。
技术实现思路
本专利技术的目的是提供一种能够精确的对肝脏部位的医学图像进行自动分割的方法及系统。为了实现上述目的，本专利技术的第一个目的在于提供一种基于遗传算法的肝脏CT图像自动定位分割方法，包括：(1)、通过肝脏体积和肝脏灰度定位出肝脏CT序列图中的每幅肝脏CT图像中的肝脏位置，将每幅肝脏CT图像中的肝脏位置与现有标准模板匹配，去除明显的非肝区域，其中，肝脏CT序列图中包括M幅连续的肝脏CT图像，5≤M≤50；(2)、选择肝脏CT序列图中的第N幅肝脏CT图像作为第N层肝脏CT图像，并对第N层肝脏CT图像进行特征提取，自动定位得到第N层肝脏轮廓线，获得第N层肝脏区域；(3)、统计步骤(2)得到的第N层肝脏区域的灰度直方图分布，计算出第N层肝脏区域的平均灰度，用像素个数表示出第N层肝脏区域的区域面积，计算出第N层肝脏区域的质心，作为第N幅肝脏CT图像的肝脏特征信息；(4)、采用包括有若干个控制点的第N控制点组描述步骤(2)得到的第N层肝脏轮廓线，将第N控制点组视为一条染色体，将第N控制点组中的每个控制点视为染色体中的一个基因段；(5)、根据第N层肝脏轮廓线设计出代价函数；(6)、根据步骤(3)得到的肝脏特征信息以及步骤(5)得到的代价函数获取目标函数，将第N层肝脏轮廓线作为下一层的肝脏CT图像的初始边界曲线通过目标函数映射到下一层的肝脏CT图像上，模拟生物基因遗传操作寻找最优的控制点组，利用控制点组中的控制点生成的边界作为当前层的肝脏轮廓线，其中，模拟生物基因遗传操作包括顺次执行的选择操作、交叉操作及变异操作；(7)、将N的取值设定为自1至M的M个自然数，重复步骤(2)～(6)L次，直到整个肝脏CT序列图都完成分割，其中，L＝M-1。其中，肝脏CT序列图为针对特定肝脏的不同截面的DICOM格式的肝脏CT图像。可选择地，在步骤(1)中，通过肝脏体积和肝脏灰度自动定位出每幅肝脏CT图像中的肝脏位置采用通过分割结果计算质心，过质心做轴线，运用对称性，判定肝脏区域，将每幅肝脏CT图像中的肝脏位置与现有标准模板匹配，基于空间信息的FCM算法消除噪声信息，保留边界信息，进行图像去噪去除明显的非肝区域。可选择地，在评判肝脏CT图像存在的病变区域时，将肝脏CT图像进行整体性处理达到样本参数标准化，提取肝脏CT图像中的扫描对象经调整后与选择地正常人模板的灰度均值图像对齐配准，按照两者的位差绝对值运算获得目标对象差异图与描述正常人的肝脏差异范围的差异均值图进行比较，再次进行按位差运算获得差异异常图，按照差异异常图的异常度判断当前区域是否为病变区域。可选择地，在步骤(4)中，控制点组包括至少60个控制点。可选择地，在步骤(6)中，由第N层肝脏CT图像映射至下一层的肝脏CT图像的每个控制点，相对于第N层肝脏CT图像的对应控制点的相对移动位置以像素为单位编码像素。可选择地，对每个控制点相对于上一层对应控制点的相对移动位置编码，可以选用二进制编码或格雷码编码。可选择地，在步骤(6)中，根据肝脏边界形状相似性将控制点本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的肝脏CT图像自动定位分割方法，其特征在于，包括：(1)、通过肝脏体积和肝脏灰度定位出肝脏CT序列图中的每幅肝脏CT图像中的肝脏位置，将所述每幅肝脏CT图像中的肝脏位置与现有标准模板匹配，去除明显的非肝区域，其中，所述肝脏CT序列图中包括M幅连续的肝脏CT图像，5≤M≤50；(2)、选择所述肝脏CT序列图中的第N幅肝脏CT图像作为第N层肝脏CT图像，并对所述第N层肝脏CT图像进行特征提取，自动定位得到第N层肝脏轮廓线，获得第N层肝脏区域；(3)、统计步骤(2)得到的所述第N层肝脏区域的灰度直方图分布，计算出所述第N层肝脏区域的平均灰度，用像素个数表示出所述第N层肝脏区域的区域面积，计算出所述第N层肝脏区域的质心，作为所述第N幅肝脏CT图像的肝脏特征信息；(4)、采用包括有若干个控制点的第N控制点组描述步骤(2)得到的所述第N层肝脏轮廓线，将所述第N控制点组视为一条染色体，将所述第N控制点组中的每个控制点视为所述染色体中的一个基因段；(5)、根据所述第N层肝脏轮廓线设计出代价函数；(6)、根据步骤(3)得到的所述肝脏特征信息以及步骤(5)得到的代价函数获取目标函数，将所述第N层肝脏轮廓线作为下一层的肝脏CT图像的初始边界曲线通过所述目标函数映射到下一层的肝脏CT图像上，模拟生物基因遗传操作寻找最优的控制点组，利用所述控制点组中的控制点生成的边界作为当前层的肝脏轮廓线，其中，所述模拟生物基因遗传操作包括顺次执行的选择操作、交叉操作及变异操作；以及(7)、将N的取值设定为自1至M的M个自然数，重复步骤(2)～(6)L次，直到整个所述肝脏CT序列图都完成分割，其中，L＝M‑1。...

【技术特征摘要】
1.一种基于遗传算法的肝脏CT图像自动定位分割方法，其特征在于，包括：(1)、通过肝脏体积和肝脏灰度定位出肝脏CT序列图中的每幅肝脏CT图像中的肝脏位置，将所述每幅肝脏CT图像中的肝脏位置与现有标准模板匹配，去除明显的非肝区域，其中，所述肝脏CT序列图中包括M幅连续的肝脏CT图像，5≤M≤50；(2)、选择所述肝脏CT序列图中的第N幅肝脏CT图像作为第N层肝脏CT图像，并对所述第N层肝脏CT图像进行特征提取，自动定位得到第N层肝脏轮廓线，获得第N层肝脏区域；(3)、统计步骤(2)得到的所述第N层肝脏区域的灰度直方图分布，计算出所述第N层肝脏区域的平均灰度，用像素个数表示出所述第N层肝脏区域的区域面积，计算出所述第N层肝脏区域的质心，作为所述第N幅肝脏CT图像的肝脏特征信息；(4)、采用包括有若干个控制点的第N控制点组描述步骤(2)得到的所述第N层肝脏轮廓线，将所述第N控制点组视为一条染色体，将所述第N控制点组中的每个控制点视为所述染色体中的一个基因段；(5)、根据所述第N层肝脏轮廓线设计出代价函数；(6)、根据步骤(3)得到的所述肝脏特征信息以及步骤(5)得到的代价函数获取目标函数，将所述第N层肝脏轮廓线作为下一层的肝脏CT图像的初始边界曲线通过所述目标函数映射到下一层的肝脏CT图像上，模拟生物基因遗传操作寻找最优的控制点组，利用所述控制点组中的控制点生成的边界作为当前层的肝脏轮廓线，其中，所述模拟生物基因遗传操作包括顺次执行的选择操作、交叉操作及变异操作；以及(7)、将N的取值设定为自1至M的M个自然数，重复步骤(2)～(6)L次，直到整个所述肝脏CT序列图都完成分割，其中，L＝M-1。2.如权利要求1所述的基于遗传算法的肝脏CT图像自动定位分割方法，其特征在于，在步骤(1)中，将所述每幅肝脏CT图像中的肝脏位置与现有标准模板匹配，基于空间信息的FCM算法消除噪声信息，保留边界信息，进行图像去噪，以去除明显的非肝区域。3.如权利要求1所述的肝脏三维CT重建数据信息处理系统，其特征在于，在步骤(4)中，所述控制点组包括至少60个控制点。4.如权利要求3所述的基于遗传算法的肝脏CT图像自动定位分割方法，其特征在于，在步骤(6)中，由所述第N层肝脏CT图像映射至下一层的肝脏CT图像的每个控制点，相对于所述第N层肝脏CT图像的对应控制点的相对移动位置以像素为单位编码像素。5.如权利要求4所述的基于遗传算法的肝脏CT图像自动定位分割方法，其特征在于，在步骤(6)中，所述目标函数根据所述第N层肝脏轮廓线的能量以及相邻层的相似性设定为F＝aF1+bF2，其中，F1是根据所述第N层肝脏轮廓线的能量求出的归一化的目标函数，F2是根据所述第N层肝脏CT图像的下一层的相似性求出的归一化的目标函数。6.如权利要求5所述的基于遗传算法的肝脏CT图像自动定位分割方法，其特征在于，在步骤(6)中，所述选择操作采用期望值选择机制选择算子，所述交叉操作采用单点交叉算子，所述变异操作采用单点基本位变异算子。7.如权利要求6所述的基于...

【专利技术属性】
技术研发人员：魏宾，董蒨，朱呈瞻，董冰子，夏楠，王菲菲，王凤娇，楚宏硕，
申请(专利权)人：青岛大学附属医院，
类型：发明
国别省市：山东,37