一种基于统计信息的器官血管树自动提取方法技术

本发明专利技术公开了一种基于统计信息的器官血管树自动提取方法，包括如下步骤：S1：对腹部CT图像运用水平集进行肝脏分割得到仅包含肝脏部分的图像序列，对图像数据使用一种改进的三维中值滤波的进行去噪处理；S2：在连续多个阈值下，选取血管丰富的连续多帧进行形态学处理并得到二值图像；S3：由连通域个数大小信息定义目标函数值，得到连续多张图像多阈值下，与连通域信息相关目标函数值的多个直方图，进行固定大小的滑动窗口扫描，选取具有峰值最多的阈值区间的加权平均值作为区域生长的一个全局阈值S4：在全局阈值和中心点像素值的相关限制下，使用三维区域生长得到一棵血管树，并通过三维闭操作对血管进行修复或者后期处理。

Automatic extraction method of organ vascular tree based on statistical information

The invention discloses an automatic extraction method based on the statistical information of the organs of the vascular tree, which comprises the following steps: S1: the abdominal CT image using level set segmentation for liver image sequences containing only part of the liver, the image data using an improved denoising 3-D median filter; S2: in a row multi threshold, morphological processing and get the two value image selection of continuous multi frame vascular; S3: the number of connected size information to define the value of the objective function, continuous image multi threshold, histogram and multiple connected domain information related to the objective function value, fixed size sliding window scanning that has the largest selection of weighted threshold interval peak average value as a global threshold S4 regional growth: in limiting global threshold and the center pixel value of the, A vascular tree was obtained by three-dimensional region growth, and the vessels were repaired or later treated by three-dimensional closed operation.

【技术实现步骤摘要】
一种基于统计信息的器官血管树自动提取方法
本专利技术涉及计算机图像处理领域，尤其涉及一种基于统计信息的器官血管树自动提取方法。
技术介绍
肝脏切除是治疗肝癌和肝肿瘤的重要手段。以肝肿瘤为中心的局部切除是肝切除的一种重要手术方式，但是在进行手术时容易切断重要的血管从而造成大范围肝组织缺血、淤血甚至坏死。使用计算机技术提取出来三维血管树，立体地展示肿瘤与周围血管之间的真实空间关系，使得医生能够制定出更加细致和合理的肝切除计划，因而具有重要的临床使用价值。经过多年的发展，研究专家们提出了较多的肝内血管树的提取方法，主要方法有区域生长方法、基于边缘的方法、基于几何和图模型的、基于阈值的方法以及混合方法。由于采集的CT图像数据有前一期数据留下的尾影、图像噪声、肝内血管数目众多、血管形态复杂、存在肿瘤等各种不利因素，因而造成了血管提取的困难。肝内血管提取的一种有效的手段是通过区域生长，但是相关的预处理和阈值的选取却是一个难点问题，基于局部的阈值以及生长准容易造成生长出来的血管成片或者过少，这就亟需本领域技术人解决相应的技术问题。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于统计信息的器官血管树自动提取方法。为了实现本专利技术的上述目的，本专利技术提供了一种基于统计信息的器官血管树自动提取方法，包括如下步骤：S1，对腹部CT图像运用水平集进行特定器官分割得到仅包含该特定器官部分的图像序列，对图像数据使用改进的三维中值滤波方法进行去噪处理。S2，在连续多个阈值下，选取血管丰富的连续多帧进行形态学处理并得到二值图像。S3，对连续多帧图像在多阈值下的每一二值图像，由连通域个数大小等信息计算出来目标函数值。根据多帧图像对应的多个目标函数值序列绘制出多个统计信息直方图并取峰值。随后，对多个统计信息直方图进行固定大小的滑动窗口扫描，计算具有峰值最多的阈值区间的加权平均值作为区域生长的一个全局阈值。S4，在全局阈值和中心点体素值的相关限制下，使用三维区域生长得到一棵血管树，并通过三维闭操作对血管进行修复及后期处理，从而提取出清晰的血管树图像。所述的基于统计信息的器官血管树自动提取方法，优选的，所述S1包括：对于给定的原始CT图像序列，使用水平集或深度学习算法进行特定器官分割得到该特定器官实质，剔除非该特定器官部分。所述的基于统计信息的器官血管树自动提取方法，优选的，所述S1还包括使用改进的三维中值滤波算法对每一帧图像进行滤波去噪。该算法首先对每一体素点Pd空间26邻域的体素值进行排序，去掉体素值最高的26*α％个和最低的26*β％个体素值,分别记做Phigh和Plow。对剩余26*(1-α％-β％)个体素值取平均作为该位置的体素值。记为Pd的26邻域的第i个体素值，则有如下公式：其中且所述的基于统计信息的器官血管树自动提取方法，优选的，所述S2包括估算图像序列的背景体素值。背景体素值的估算能够通过该特定器官内部所有体素取平均得到。记Px,y,z为第z帧图像中位置x,y处的体素值，则bakground_mean通过下列公式计算：其中δ(Px,y,z)为所述的基于统计信息的器官血管树自动提取方法，优选的，所述S3包括对二值图像的连通域大小进行统计分析。二值图像中包含数十至数百个大小不一的连通域，本专利称连通域中体素数目不在经验值上下范围内的连通域为非正常连通域，其个数记为ilegal_count。。对二值图像进行膨胀使得相近的连通域合并为一个连通域，记录连通域的个数为dilate_count，称为膨胀连通域个数。定义两类连通域个数之间相关关系的目标值函数如下：其中λ用于衡量膨胀连通域个数和非正常连通域个数之间的重要程度，大的λ通常使得最终的全局阈值偏大，小的λ可能使得全局阈值偏小。所述的基于统计信息的器官血管树自动提取方法，优选的，所述S3还包括根据多帧图像在多阈值下的多个目标函数值序列(如权利要求5中所述)确定全局阈值。对于该特定器官实质最多的中的每一帧图像，在z个等间隔阈值的作用下得到与阈值序列大小相同的z个二值图像。对z个二值图像进行连通域分析则可得到相应的目标函数值序列。根据目标函数值序列绘制直方图，并进行平滑，并取得对应直方图的一个或多个峰值。连续的多张图像，则得到多个直方图及其峰值。用数组pks_count记录每一阈值下的峰值个数，并使用一个大小为γ的滑动窗口进行横向扫描,则峰值数最多的窗口区间为可信赖的全局阈值区间所在。通过下列公式计算可信赖的全局阈值区间的中心位置：其中k为正整数；根据全局阈值区间的中心位置c，计算可信赖阈值区间的加权均值作为全局阈值global_threshold，计算公式如下：所述的基于统计信息的器官血管树自动提取方法，优选的，所述S4包括在全局阈值和中心点体素值的相关限制下，使用三维区域生长得到一棵血管树。根据global_threshold对该特定器官实质最多的一帧根据全局阈值进行二值化。设置η为关于全局阈值的比例参数，δ为关于种子点体素值的比例参数，对每一个非0体素v执行三维区域生长过程。能够加入生长队列的邻接体素应该满足以下三个条件：A、未访问过；B、体素值大于δ×center_pixel；C、体素值大于η×global_hreshold；通过区域生长能够得到多个连通域，按照连通域中体素的数目对连通域进行排序。按照设定比率ρ％，去除掉所有少于最大连通域元素体素数目ρ％的连通域，最后由符合以上条件的多个连通域构建出来叠加二值图像。所述的基于统计信息的器官血管树自动提取方法，优选的，所述S4还包括：通过三维闭操作对血管进行修复及后期处理。本专利使用开源库ITK(InsightSegmentationandRegistrationToolkit)所提供三维形态学操作进行后处理。首先使用球形结构体对血管树进行三维膨胀操作以连接断落部分，随后使用腐蚀操作使得血管尽量恢复膨胀前的大小。使用结构模板M对体数据B进行膨胀可得到体数据C。记m∈M,Am由A按照向量m进行平移得到,则三维膨胀可表示为：若E为三维欧式空间，使用结构模板M对体数据A进行腐蚀得到体数据B。记z∈E,Mz由M按照向量z进行平移得到,则三维腐蚀可表示为：综上所述，由于采用了上述技术方案，本专利技术的有益效果是：其中重要的创新之处在于，利用肝脏内部血管相关先验知识，为区域生长算法确定了一个合理的全局阈值。本专利技术将肝内图像信息与医学先验知识紧密结合，提出了一种基于统计信息的器官血管树自动提取方法。首先利用改进的三维中值滤波进行去噪，再利用肝内血管丰富的特性，绘制不同阈值下的连通域信息统计直方图，并使用滑动窗口得到可信的全局阈值。最后运用基于全局和局部的三维区域生长进而实现对肝内血管的全自动分割，并使用三维闭操作进行平滑，实现了较为理想的肝内血管树的全自动提取。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是本专利技术基于统计信息的器官血管树自动提取方法的整体流程图；图2A-2B是本专利技术基于统计信息的器官血管树自动提取方法中改进三维中值滤波的效果图；图3是本文档来自技高网...

【技术保护点】
一种基于统计信息的器官血管树自动提取方法，其特征在于，包括如下步骤：S1，对腹部CT图像运用水平集进行特定器官分割得到仅包含该特定器官部分的图像序列，对图像数据使用改进的三维中值滤波方法进行去噪处理；S2，在连续多个阈值下，选取血管丰富的连续多帧进行形态学处理并得到二值图像；S3，对连续多帧图像在多阈值下的每一二值图像，由连通域个数大小等信息计算出来目标函数值；根据多帧图像对应的多个目标函数值序列绘制出多个统计信息直方图并取峰值；随后，对多个统计信息直方图进行固定大小的滑动窗口扫描，计算具有峰值最多的阈值区间的加权平均值作为区域生长的一个全局阈值；S4，在全局阈值和中心点体素值的相关限制下，使用三维区域生长得到一棵血管树，并通过三维闭操作对血管进行修复及后期处理，从而提取出清晰的血管树图像。

【技术特征摘要】
1.一种基于统计信息的器官血管树自动提取方法，其特征在于，包括如下步骤：S1，对腹部CT图像运用水平集进行特定器官分割得到仅包含该特定器官部分的图像序列，对图像数据使用改进的三维中值滤波方法进行去噪处理；S2，在连续多个阈值下，选取血管丰富的连续多帧进行形态学处理并得到二值图像；S3，对连续多帧图像在多阈值下的每一二值图像，由连通域个数大小等信息计算出来目标函数值；根据多帧图像对应的多个目标函数值序列绘制出多个统计信息直方图并取峰值；随后，对多个统计信息直方图进行固定大小的滑动窗口扫描，计算具有峰值最多的阈值区间的加权平均值作为区域生长的一个全局阈值；S4，在全局阈值和中心点体素值的相关限制下，使用三维区域生长得到一棵血管树，并通过三维闭操作对血管进行修复及后期处理，从而提取出清晰的血管树图像。2.根据权利要求1所述的基于统计信息的器官血管树自动提取方法，其特征在于，所述S1包括：对于给定的原始CT图像序列，使用水平集或深度学习算法进行特定器官分割得到该特定器官实质，剔除非该特定器官部分。3.根据权利要求1所述的基于统计信息的器官血管树自动提取方法，其特征在于，所述S1还包括使用改进的三维中值滤波算法对每一帧图像进行滤波去噪；该算法首先对每一体素点Pd空间26邻域的体素值进行排序，去掉体素值最高的26*α％个和最低的26*β％个体素值,分别记做Phigh和Plow；对剩余26*(1-α％-β％)个体素值取平均作为该位置的体素值；记为Pd的26邻域的第i个体素值，则有如下公式：其中且4.根据权利要求1所述的基于统计信息的器官血管树自动提取方法，其特征在于，所述S2包括估算图像序列的背景体素值；背景体素值的估算能够通过该特定器官内部所有体素取平均得到；记Px,y,z为第z帧图像中位置x,y处的体素值，则bakground_mean通过下列公式计算：其中δ(Px,y,z)为5.根据权利要求1所述的基于统计信息的器官血管树自动提取方法，其特征在于，所述S3包括对二值图像的连通域大小进行统计分析；二值图像中包含数十至数百个大小不一的连通域，本专利称连通域中体素数目不在经验值上下范围内的连通域为非正常连通域，其个数记为ilegal_count；对二值图像进行膨胀使得相近的连通域合并为一个连通域，记录连通域的个数为dilate_count，称为膨胀连通域个数；定义两类连通域个数之间相关关系的目标值函数如下：其中λ用...

【专利技术属性】
技术研发人员：房斌，刘勇清，王翊，张绍祥，谭立文，李颖，杨粟，徐颖，
申请(专利权)人：重庆大学，中国人民解放军第三军医大学，
类型：发明
国别省市：重庆,50