一种图像分割方法技术

一种图像分割方法，包括：在图像上确定肿瘤所在的感兴趣区域；利用基于特征分类的方法对图像进行肿瘤粗分割，并获得粗分割结果；基于该粗分割结果，采用水平集方法对该图像进行精分割。

【技术实现步骤摘要】

本专利技术涉及图像分割
，尤其涉及一种基于计算机断层扫描（Computed Tomography，CT)的肿瘤分割方法。
技术介绍
计算机断层扫描（Computed Tomography，CT)已广泛应用于癌症的研宄、预防、诊 断和治疗中。为了确诊病灶、并给病人提供有效的治疗方案，医生可能需要通过计算机断层 扫描影像来了解肿瘤的体积大小。传统方法下，医师通常需要在CT图像上逐层手工标定肿 瘤区域的轮廓，然后统计得到肿瘤的体积大小。然而，这个过程较为枯燥且耗时。 肝癌是全世界范围内最常见的癌症之一，且致死率在所有癌症中排第三位。CT图 像中，肝肿瘤与其周围正常肝组织的对比度很小，且图像噪声比较严重，肿瘤边缘也比较模 糊，不同肿瘤的形状大小也存在较大的差异，因此，通过传统手工方法获得的肿瘤体积大小 存在较大误差。 近些年来，研宄者们开发出不同的半自动和全自动的肝组织分割方法，包括全肝、 肝血管和肝肿瘤之间的分隔。Metaxas等人结合Markov随机场（Markov Random Field) 和可变模型来分割出肿瘤（可参见文献：Chen T, Metaxas D, A hybrid framework for 3D medical image segmentation. Med Image Anal 9:547 - 565,2005)。Peitgen 等 人提出了一种半自动区域增长的方法用于分割肝血管和肿瘤（可参见文献=Bourquain H, Schenk A, Link F,Preim B,Prause G, Peitgen H, Hepavision2a software assistant for preoperative planning in living related liver transplantation and oncologic liver surgery. In:Proceedings of the 16th Conference on Computer Assisted Radiology and Surgery(CARS'02),pp341 - 346, 2002)。以上这两种方法都需要在 CTA 图像 上逐层手动选取大量的种子点，从而限制了它们在临床上的应用。Grady等人提出了一种基 于模糊连通和Random Walk结合的3D肝肿瘤分割方法，该方法只需要用户提供一个肿瘤区 域内的种子点即可（可参见文献：J〇lly M-P, Grady L, 3D general lesion segmentation in CT. In:Proceedings of the 5th IEEE International Symposium on Biomedical Ima ging(ISBI'08), IEEE, pp796 - 799, 2008)。这种方法的不足之处在于，对于对比度较弱、边缘 比较模糊的肿瘤，分割效果不理想。Freiman等人则提出了一种基于SVM分类的监督学习方 法，主要包括肝分割、肿瘤和正常组织种子点选取、SVM分类及后处理，在SVM分类的过程中 利用到的特征是每个体素点5X5X5邻域内灰度平均值、标准差、最大值和最小值（可参见 文献：Moti Freiman, Ofir Cooper, Liver tumors segmentation from CTA images using voxels classification and affinity constraint propagation. Int J CARS, 2010)〇 这 种方法的不足之处在于需要手动点选取肿瘤和正常组织的种子点，交互方式较为繁琐，用 于训练的特征对噪声较为敏感，而CT图像中肝区域颗粒状较为明显，噪声重。 因此，亟需一种鲁棒、方便、分割效果佳的电脑辅助的CT肿瘤分割方法。
技术实现思路
本专利技术的目的在于帮助用户通过简单的交互方式来准确、快速地分割出CT图像 肿瘤（例如：肝肿瘤），准确地得到肿瘤的体积、轮廓、灰度等信息。 在一个实施例中，本专利技术提供了。该方法包括： 在所述图像上确定肿瘤所在的感兴趣区域； 利用基于特征分类的方法对图像进行肿瘤粗分割，并获得粗分割结果； 基于该粗分割结果，采用水平集方法对该图像进行精分割。在一个实施例中，所述 基于特征分类的方法对图像进行肿瘤粗分割包括： 在所述感兴趣区域内，分别对肿瘤区域和非肿瘤区域采样种子点； 利用所述采样种子点进行分类训练； 基于该分类训练结果，对所述图像的各个体素点进行分类以获得粗分割结果。 在一个实施例中，确定图像上肿瘤区域所在的感兴趣区域包括： 在一肿瘤横截面面积较大的一层划定一条穿过该肿瘤的第一直线，该第一直线长 度为Cl 1，以该第一直线的中点为中心划取边长为(12的正方体，该正方体所包含的区域为该 感兴趣区域，其中d 2= d i · r,且l〈r〈2。 在一个实施例中，对肿瘤区域和非肿瘤区域采样种子点包括： 以第一直线的中点为中心，在直径小于d3的区域内随机采样多个正样本种子点， 其中d3= d /1，且1大于1 ; 以第一直线的中点为中心，在以直径大于Cl1 并小于Cl1 ·!的外围区域内随机采 样多个负样本种子点，其中l〈t〈r。 在一个实施例中，该利用所述采样种子点进行分类训练包括： 将该图像灰度级归一化为固定值S ; 统计以每个种子点为中心、直径为j个像素点的邻域内的归一化的S维灰度直方 图特征； 将所述S维灰度直方图特征用于训练和分类，以获得分类器的参数。 在一个实施例中，所述对图像的各个体素点进行分类以获得粗分割结果包括： 获得所述图像中的每个体素点的灰度直方图特征； 利用所述分类器对所述每个体素点进行分类，初步判断所述每个体素点是否属于 肿瘤组织。 在一个实施例中，所述采用水平集方法对该图像进行精分割包括： 利用所述粗分割结果初始化距离场函数； 对所述距离场函数进行多次次迭代； 获得最终的肿瘤精分割结果。 在一个实施例中，在对肿瘤区域和非肿瘤区域采样种子点之前还包括： 对该感兴趣区域做预处理。 在一个实施例中，所述预处理包括： 将所述图像的X轴、Y轴、Z轴方向上的分辨率进行归一化处理； 增强所述图像的对比度； 对所述图像进行去噪处理。 在一个实施例中，所述灰度直方图特征包含结构信息。 在一个实施例中，所述肿瘤为肝肿瘤。 在一个实施例中，所述图像为基于计算机断层扫描图像。【附图说明】 本专利技术的以上
技术实现思路
以及下面的【具体实施方式】在结合附图阅读时会得到更好 当前第1页1 2 本文档来自技高网...

【技术保护点】
一种图像分割方法，其特征在于，包括：确定图像上肿瘤所在的感兴趣区域；利用基于特征分类的方法对图像进行肿瘤粗分割，并获得粗分割结果；基于该粗分割结果，采用水平集方法对该图像进行精分割。

【技术特征摘要】

【专利技术属性】
技术研发人员：王立龙，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海;31