基于稀疏低秩与Atlas集的3D MRI胰腺分割方法技术

本发明专利技术提出一种基于稀疏低秩与Atlas集的3D MRI胰腺分割方法，主要解决现有技术中分割胰腺粘连现象严重、分割结果不精确的问题。其步骤如下：1)输入3D MRI数据并归一化处理；2)对归一化处理后的序列图像进行稀疏低秩分解并进行Hessian矩阵增强；3)在增强后的图像上人机交互分割出胰腺标签；4)构造粗分割集；5)输入Atlas集，依次进行刚性配准和弹性配准，并进行标签融合，输出分割结果。本发明专利技术运用矩阵增强、矩阵分解、图集法，并利用3D MRI图像的空间信息，进行胰腺分割，减少了胰腺目标与其他组织器官的粘连现象，图像轮廓清晰，提高了分割的准确度，可用于胰腺癌精确放射治疗中的胰腺目标检测。

【技术实现步骤摘要】

本专利技术属于医学图像处理
，更进一步涉及三维核磁共振图像3D MRI胰腺分割，可用于胰腺癌精确放射治疗中的胰腺目标检测。
技术介绍
胰腺癌是出现在胰脏的癌症，通常认为胰腺癌是常见肿瘤中恶性程度最高、死亡率最高的癌症，约90％的患者无法以手术根治，五年存活率低于5％。根据世界卫生组织估计，胰腺癌在全世界发生率排第十三，死亡率排第八。随着科技的发展，其他癌症的治疗都有了提高，但胰腺癌却没有明显的突破，死亡率也没有明显的下降趋势，所以必须加强研究，早日攻克胰腺癌对人类的威胁。传统检查胰腺癌的方式是医生根据经验和观察直接阅片，定性的判断患者的病情，这样易受情绪影响，且随着工作量增加，阅片准确率下降。对胰腺癌的治疗方法中，放射治疗是一种主要的方法，他试图用射线杀死肿瘤，但也会对正常组织造成一次性或永久性伤害。精确放疗通过精确的肿瘤定位、精确的计划设计、精确的剂量计算及在治疗机上精确执行的一种全新的肿瘤放疗技术，有助于减少放射治疗中对健康组织放射造成的伤害。精确分割胰腺组织有助于帮助医生分析胰腺病情，也是精确放疗不可缺少的一步。目前，对胰腺癌进行检测和治疗的设备主要是核磁共振成像MRI系统，该设备功能强大、技术含量高、软组织图像清晰，而且对人体检测损害小，已成为对胰腺进行分析、诊断和治疗的重要手段，而从MRI图像中精确的分割出胰腺，就是这些手段的重要前提。传统医学图像分割方法包括基于区域的方法、基于边缘的方法、基于神经网络的方法、基于模糊聚类的方法、基于图谱的方法等。由于这些方法大多数是基于2D图像序列的分割，利用2D图像本身的特性信息完成感兴趣区域的分割，例如灰度、纹理等信息，而没有利用体素的空间信息，因此不能进行准确的胰腺提取；医学MRI图像有噪声强、对比度低、软组织边界不明显的特点，而这些方法大多数对图像噪声和对比度敏感，所以难以定位目标边界，使得分割结果不精确。
技术实现思路
本专利技术的目的在于针对以上现有技术的不足，提出一种基于稀疏低秩与Atlas集的3D MRI胰腺分割方法，以提高3D MRI胰腺分割的精度。实现本专利技术目的的技术方案如下：(1)输入三维核磁共振3D MRI序列图像，对其进行归一化处理，得到归一化后的序列图像C；(2)用交替迭代法对归一化处理后的序列图像C进行稀疏低秩矩阵分解，得到稀疏图像序列A和低秩图像序列B；(3)对稀疏图像序列A进行Hessian矩阵增强，得到二值增强图像序列A1；(4)通过一次人机交互，在二值增强图像序列A1中确定胰腺的位置区域P，根据胰腺位置区域P，利用形态学原理在二值增强图像序列A1中分割出胰腺的标签图像序列L；(5)根据标签图像序列L和步骤(1)中的序列图像C，得到粗分割集Q，其中包含F帧图像；(6)输入胰腺图像序列W及人工勾画出的胰腺标签序列E，即Atlas集；(7)选择粗分割集Q中的第i帧图像作为参考图像，记为Qi，将Atlas集中的胰腺图像序列W作为浮动图像，用基于互信息的刚性配准算法对Qi、W进行配准,得到刚性配准后的胰腺图像序列W1和刚性转换公式T1，根据T1对胰腺标签序列E进行迁移，得到刚性配准后的胰腺标签序列E1，其中i的取值范围为1～F；(8)将刚性配准后的胰腺图像序列W1作为浮动图像，使用基于Demons的弹性配准算法对参考图像Qi和该W1进行配准，得到弹性配准后的胰腺图像序列W2和弹性转换公式T2，根据T2对刚性配准后的胰腺标签序列E1进行迁移，得到弹性配准后的胰腺标签序列E2；(9)计算参考图像Qi与弹性配准后的胰腺图像序列W2的相关性序列，根据该相关性序列及弹性配准后的胰腺图像序列W2和弹性配准后的胰腺标签序列E2这三者是一一对应的关系，取相关性序列最高的前五个系数对应的标签，并对这五个标签进行融合，得到参考图像Qi精分割后的结果Ri，其中i的取值范围为1～F；(10)重复步骤(7)～(9)，对粗分割集Q中所有图像精分割后，得到最终结果精分割集R。本专利技术与现有技术相比具有以下优点：1.本专利技术采用Hessian矩阵增强的方法，将三维核磁共振图像3D MRI的空间信息运用到胰腺目标的分割中，使分割结果更加准确。2.本专利技术采用稀疏低秩矩阵分解方法，将三维核磁共振图像3D MRI分解成低秩序列部分和稀疏序列部分，通过对稀疏序列部分进行操作，有效减少目标与其他器官的粘连现象。3.本专利技术运用Atlas集方法，将粗分割结果与胰腺模板库图像配准，再进行标签迁移和融合得到最终分割结果，使得分割目标区域能保持较好的轮廓。附图说明图1是本专利技术的实现流程图；图2是待分割3D MRI图像序列中的一帧及该帧的标签；图3是用本专利技术与现有level set法和graph cut法的分割结果对比图。具体实施方式参照图1，本专利技术的实现步骤如下：步骤1、输入数据并归一化处理。输入三维核磁共振图像3D MRI序列C0，按下列公式对其进行归一化处理，得到归一化处理后的序列图像C： C = C 0 m a x ( C 0 ) ]]>其中，max()为提取矩阵最大元素。步骤2、对归一化处理后的序列图像进行稀疏低秩分解。用交替迭代法对归一化处理后的序列图像C进行稀疏低秩矩阵分解，得到稀疏图像序列A和低秩图像序列B:(2a)设置初始值，稀疏图像序列A为零矩阵，低秩图像序列B＝C；(2b)通过公式：更新稀疏矩阵A，其中，是欧几里得投影，γ为常数，且γ＞0，β指偏离线性约束的惩罚参数，且β＞0,k为迭代次数，Bk为第k次迭代后的低秩矩阵，Zk为第k次迭代后的约束矩阵；(2c)对进行奇异值分解产生三个不同的矩阵：左奇异向量矩阵Uk+1、右奇异向量矩阵Vk+1及对角奇异值矩阵(2d)通过公式：更新低秩矩阵B,其中，T为矩阵的转置，max{本文档来自技高网...

【技术保护点】
一种基于稀疏低秩与Atlas集的3D MRI胰腺分割方法，包括：(1)输入三维核磁共振3D MRI序列图像，对其进行归一化处理，得到归一化后的序列图像C；(2)用交替迭代法对归一化处理后的序列图像C进行稀疏低秩矩阵分解，得到稀疏图像序列A和低秩图像序列B；(3)对稀疏图像序列A进行Hessian矩阵增强，得到二值增强图像序列A1；(4)通过一次人机交互，在二值增强图像序列A1中确定胰腺的位置区域P，根据胰腺位置区域P，利用形态学原理在二值增强图像序列A1中分割出胰腺的标签图像序列L；(5)根据标签图像序列L和步骤(1)中的序列图像C，得到粗分割集Q，其中包含F帧图像；(6)输入胰腺图像序列W及人工勾画出的胰腺标签序列E，即Atlas集；(7)选择粗分割集Q中的第i帧图像作为参考图像，记为Qi，将Atlas集中的胰腺图像序列W作为浮动图像，用基于互信息的刚性配准算法对Qi、W进行配准,得到刚性配准后的胰腺图像序列W1和刚性转换公式T1，根据T1对胰腺标签序列E进行迁移，得到刚性配准后的胰腺标签序列E1，其中i的取值范围为1～F；(8)将刚性配准后的胰腺图像序列W1作为浮动图像，使用基于Demons的弹性配准算法对参考图像Qi和该W1进行配准，得到弹性配准后的胰腺图像序列W2和弹性转换公式T2，根据T2对刚性配准后的胰腺标签序列E1进行迁移，得到弹性配准后的胰腺标签序列E2；(9)计算参考图像Qi与弹性配准后的胰腺图像序列W2的相关性序列，根据该相关性序列及弹性配准后的胰腺图像序列W2和弹性配准后的胰腺标签序列E2这三者是一一 对应的关系，取相关性序列最高的前五个系数对应的标签，并对这五个标签进行融合，得到参考图像Qi精分割后的结果Ri，其中i的取值范围为1～F；(10)重复步骤(7)～(9)，对粗分割集Q中所有图像精分割后，得到最终结果精分割集R。...

【技术特征摘要】
1.一种基于稀疏低秩与Atlas集的3D MRI胰腺分割方法，包括：(1)输入三维核磁共振3D MRI序列图像，对其进行归一化处理，得到归一化后的序列图像C；(2)用交替迭代法对归一化处理后的序列图像C进行稀疏低秩矩阵分解，得到稀疏图像序列A和低秩图像序列B；(3)对稀疏图像序列A进行Hessian矩阵增强，得到二值增强图像序列A1；(4)通过一次人机交互，在二值增强图像序列A1中确定胰腺的位置区域P，根据胰腺位置区域P，利用形态学原理在二值增强图像序列A1中分割出胰腺的标签图像序列L；(5)根据标签图像序列L和步骤(1)中的序列图像C，得到粗分割集Q，其中包含F帧图像；(6)输入胰腺图像序列W及人工勾画出的胰腺标签序列E，即Atlas集；(7)选择粗分割集Q中的第i帧图像作为参考图像，记为Qi，将Atlas集中的胰腺图像序列W作为浮动图像，用基于互信息的刚性配准算法对Qi、W进行配准,得到刚性配准后的胰腺图像序列W1和刚性转换公式T1，根据T1对胰腺标签序列E进行迁移，得到刚性配准后的胰腺标签序列E1，其中i的取值范围为1～F；(8)将刚性配准后的胰腺图像序列W1作为浮动图像，使用基于Demons的弹性配准算法对参考图像Qi和该W1进行配准，得到弹性配准后的胰腺图像序列W2和弹性转换公式T...

【专利技术属性】
技术研发人员：缑水平，牛帅，姚瑶，王蓉芳，焦李成，盛珂，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61