一种超声图像分割方法和系统技术方案

本发明专利技术适用于图像处理技术领域，尤其涉及一种超声图像分割方法和系统。所述方法包括以下步骤：将统计形状模型和采集到的指定器官的三维超声数据进行粗配准，得到初始化坐标变换参数；根据初始化坐标变换参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割，所述统计形状模型是通过对多个高清晰度三维数据的手动分割结果进行训练得到的平均值与表征变化模态的一组特征向量的组合。这样，就避免了手动分割及半自动分割需要人工参与较多的问题，相比现有的全自动分割方法，本发明专利技术解决图像分辨率低以及图像模糊状态下分割的准确性问题。

【技术实现步骤摘要】
【专利摘要】本专利技术适用于图像处理
，尤其涉及一种超声图像分割方法和系统。所述方法包括以下步骤：将统计形状模型和采集到的指定器官的三维超声数据进行粗配准，得到初始化坐标变换参数；根据初始化坐标变换参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割，所述统计形状模型是通过对多个高清晰度三维数据的手动分割结果进行训练得到的平均值与表征变化模态的一组特征向量的组合。这样，就避免了手动分割及半自动分割需要人工参与较多的问题，相比现有的全自动分割方法，本专利技术解决图像分辨率低以及图像模糊状态下分割的准确性问题。【专利说明】一种超声图像分割方法和系统
本专利技术属于图像处理
，尤其涉及一种超声图像分割方法和系统。
技术介绍
图像分割技术在图像导航、疾病诊断等多方面有着重要的意义。在图像导航中，只有较为精确的图像分割结果数据才能为导航过程提供良好的三维可视化环境，并且后续的路径规划功能等也立足于良好的分割结果。在疾病诊断中，精确的分割结果能够让医生更好的观察脏器的形状，以及能提供脏器的某些特征指标以辅助医生诊断。目前的分割技术可以分为手动、半自动、全自动三类。手动分割依靠医生个人经验，需对三维图像数据的每一帧进行手动勾勒指定脏器的边缘，费时费力，工作负担重，而且由于主观性较强，就可能导致精确性太低的问题。半自动分割技术依赖较好的初始化，因此通常需要医生提供额外的信息，然后经由算法给出分割结果。虽然不需要大量的勾勒边缘之类的工作，但其依赖初始化，仍然需要人机交互，有可能对正常的手术流程造成干扰。而全自动分割技术则完全依靠算法处理图像得到指定脏器的分割结果，但是全自动技术往往存在准确性和稳定性等方面的问题，在图像质量差的情况下很难达到满意的分割效果。
技术实现思路
为了解决上述技术问题，本专利技术的目的在于提供一种超声图像分割方法。本专利技术是这样实现的，一种超声图像分割方法，所述方法包括以下步骤:将统计形状模型和采集到的指定器官的三维超声数据进行粗配准，得到初始化坐标变换参数；根据初始化坐标变换参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割，所述统计形状模型是通过对多个高清晰度三维图像数据的手动分割结果进行训练得到的平均值与表征变化模态的一组特征向量的组合。进一步地，所述统计形状模型的建立包括以下步骤:通过高清晰度成像方法采集多个志愿者的指定器官部位的三维图像数据，并由专业人士进行手动分割；对于每一个分割结果，进行表面重建，并网格化；对于网格化后的每一个网格，从其顶点中各选取设定数量的顶点构成训练点集，所述训练集需满足:训练集中拥有相同下标的点--对应；对训练点集进行主成分分析，得到训练集的平均值点集U以及其协方差矩阵的特征空间；将构成所述特征空 间的特征向量按特征值大小排列，按顺序选择对应特征值大的多个特征向量，使得其对应特征值之和达到设定的阈值要求，所述训练集平均值点集u以及被选取的特征向量Vi共同构成统计形状模型。进一步地，所述将统计形状模型和采集到的指定器官的三维超声数据进行粗配准，得到初始化坐标变换参数的步骤包括:在三维超声数据中手动选取一个目测最接近感兴趣器官几何中心的点；统计形状模型中训练集平均值的几何中心与该点之间的平移关系作为粗配准。进一步地，所述根据初始化坐标变换参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割的步骤包括:步骤A、以初始化坐标变换参数为中心,在参数空间中选取多个点,作为粒子；步骤B、对每一个粒子，按其所代表的坐标变换参数，对训练点集的平均值以及特征向量进行坐标变换，将变换后的特征向量乘以各自对应的权重，与变换后的训练点集平均值相加，得到对应于每个粒子的先验模型，在第一次循环中，各特征向量对应的权重均为0，以每个粒子对应的先验模型为种子点集，分别根据三维超声图像的灰度值信息，建立图，应用图形分割算法，通 过最小化给定目标函数，对图进行分割，并取得分割结果的表面点集;步骤C、对于每个粒子的表面点集，分别与相应的先验模型进行配准，并计算其与相应先验模型的相似度，将所有的粒子根据相似度排序并进行重采样，选择出一个最佳的粒子，将最佳的粒子所对应的表面点集与对应的先验模型中平均值的差投影到对应的特征向量构成的空间上，计算出各特征向量的权重；步骤D、计算前后两次循环得到的最佳粒子之间的变动率，如果小于设定阈值，就认为算法收敛，或循环超过设定次数，结束循环，否则，以最佳粒子作为步骤A中的初始化坐标变化参数，以步骤C中得到的权重作为步骤B中的各特征向量对应权重，回到步骤A重新执行。本专利技术的另一目的在于提供一种超声图像分割系统，所述系统包括采集病人的指定器官的三维超声图像的超声图像采集系统以及对采集到的三维超声图像进行处理的图像处理系统，所述图像处理系统包括:粗配准模块，用于将统计形状模型和采集到的指定器官的三维超声数据进行粗配准，得到初始化坐标变换参数；迭代分割模块，用于根据初始化坐标变换参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割，所述统计形状模型是通过对多个高清晰度三维图像数据的手动分割结果进行训练得到的平均值与表征变化模态的一组特征向量的组合。进一步地，所述超声图像分割系统还包括采集病人指定器官的三维图像用于建立统计形状模型的断层成像系统，所述图像处理系统还包括统计形状模型建立模块，所述统计形状模型建立模块包括:三维图像手动分割编辑模块，用于接收专业人士对断层成像系统采集的多个志愿者的指定器官部位的三维图像数据的分割编辑；网格化处理模块，用于对于每一个分割结果，进行表面重建，并网格化；训练点集选取模块，用于对于网格化后的每一个网格，从其顶点中各选取设定数量的顶点构成训练点集，所述训练集需满足:训练集中拥有相同下标的点--对应；训练点集分析模块，用于对训练点集进行主成分分析，得到训练集的平均值点集u以及其协方差矩阵的特征空间；特征向量选取模块，用于将构成所述特征空间的特征向量按特征值大小排列，按顺序选择对应特征值大的多个特征向量，使得其对应特征值之和达到设定的阈值要求，所述训练集平均值点集u以及被选取的特征向量Vi共同构成统计形状模型。进一步地，所述粗配准模块还包括:几何中心点选取输入模块，用于在三维超声数据中手动选取一个目测最接近感兴趣器官几何中心的点；坐标变换关系计算模块，用于统计形状模型中训练集平均值的几何中心与该点之间的平移关系作为粗配准。进一步地，所述迭代分割模块包括:粒子选取模块，用于以初始化坐标变换参数为中心，在参数空间中选取多个点，作为粒子；表面点集获取模块，用于对每一个粒子，按其所代表的坐标变换参数，对训练点集的平均值以及特征向量进行坐标变换，将变换后的特征向量乘以各自对应的权重，与变换后的训练点集平均值相加，得到对应于每个粒子的先验模型，在第一次循环中，各特征向量对应的权重均为0，以每个粒子对应的先验模型为种子点集，分别根据三维超声图像的灰度值信息，建立图，应用图形分割算法，通过最小化给定目标函数，对图进行分割，并取得分割结果的表面点集；相似度配准模块，用于对于每个粒子的表面点集，分别与相应的先验模型进行配准，并计算其与相应先验模型的相似度，将所有的粒子根据相似度排序并进行重采样，选择出一个本文档来自技高网...

【技术保护点】
一种超声图像分割方法，其特征在于，所述方法包括以下步骤：将统计形状模型和采集到的指定器官的三维超声数据进行粗配准，得到初始化坐标变换参数；根据初始化坐标变换参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割，所述统计形状模型是通过对多个高清晰度三维图像数据的手动分割结果进行训练得到的平均值与表征变化模态的一组特征向量的组合。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈垦，李志成，秦文健，李凌，辜嘉，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44