人体肝脏特征建模及血管模型空间归一方法技术

本发明专利技术公开了一种人体肝脏特征建模及血管模型空间归一方法，其步骤包括：多源医学图像信息数据预处理，人体肝脏边缘特征提取及三维建模及基于多源信息、异介质的人体肝脏与血管特征坐标归一化。该方法针对人体肝脏CT图像、MRI图像的灰度不均匀性，通过灰度非线性变换及多相分段光滑水平集算法实现肝脏医学图像特征提取及三维模型重建；针对多介质肝脏血管模型与肝脏模型三维空间不存在准确的对应基准，通过融合多源特征信息的外特征配准技术，解决肝脏组织器管坐标归一化问题。

【技术实现步骤摘要】
人体肝脏特征建模及血管模型空间归一方法
本专利技术涉及医学图像处理及三维数字化建模领域，具体的说是一种人体肝脏特征建模及血管模型空间归一方法，更详细的讲是一种肝脏多源信息图像特征提取及三维模型重建和多介质工况下肝脏血管模型与肝脏模型的空间坐标归一方法。
技术介绍
肝脏是人体重要的器官之一，其复杂的管道解剖结构及疾病的高发病率使肝脏手术成为普外科领域的重点和难点。个体化治疗是目前医疗的发展趋势，肝脏手术因其解剖变异，疾病的多样性，针对每一位患者制定完善的手术方案是非常必要的。传统的CT、MRI等影像学检查方法可提供关于肝脏肿瘤浸润、重要管道走行的有效信息，然而器官的连续性、直观性依然不能得到很好的解决，而一个具有高精度特征信息的肝脏三维模型则能够为术前方案预演提供可靠保证。肝脏三维建模的基础数据来源于CT、MRI等医学图像，特征提取算法根据像素与其邻域间的相似性和不连续性可分成基于边缘的分割方法、基于区域的分割方法、基于特征空间的分割方法、基于能量泛函的分割方法。基于边缘的分割方法通过检测不同区域的边缘来解决图像分割问题。基于区域的分割方法是将图像按照相似性准则分成不同的区域，如生长种子法、分裂合并法等。基于特征空间分割方法将图像分割问题看成样本在特征空间的聚类问题，具有类似分布的样本将被划分为同一类别，从而实现图像的分割。常见的聚类分割算法有C-Means算法和FCM算法。基于能量的分割方法是在活动轮廓模型(ActiveContourModel)基础上发展出来的算法，定义一个能量泛函使得其自变量包括边缘曲线和区域数据项，通过求解函数对应的欧拉(Euler-Lagrange)方程来实现，能量达到最小时的曲线位置就是目标的轮廓所在。活动轮廓模型可以分为参数活动轮廓模型(ParametricActiveContourModel)和几何活动轮廓模型(GeometricActiveContourModel)，其中，参数活动轮廓模型是基于Lagrange框架，最具有代表的Kass等提出的Snake模型，该模型最早用于生物图像分割领域。几何活动轮廓模型是基于曲线的几何度量参数，能较好地处理拓扑结构的变化，水平集(LevelSet)方法极大推动了几何活动轮廓模型的发展。水平集方法通过应用图像的梯度来终止曲线的演化，能量函数由边缘停止项和控制曲线运动的驱动力项构成，该模型在弱边界或者无边界的地方变形曲线运动速度大，而边界强度较强的地方变形曲线速度较慢甚至停止。时该类方法对噪声图像具有一定的敏感性。边缘分割方法能够较好地分割强边缘图像，但由于其过于依赖目标边缘的梯度信息，因此对没有明显梯度变化边缘的图像分割效果并不理想。区域水平集分割方法则采用区域信息来引导曲线向目标轮廓进行逼近。最经典的区域水平集方法是由Chan和Vese提出的Chan-Vese模型，用曲线的内外灰度均值而不是边缘梯度来促进水平集的演化。Chan-Vese模型在分割梯度无意义或边缘模糊的图像上取得了极大的成功，该模型可以检测内部轮廓，并且对噪声不敏感。在现实中医学CT图像、MRI图像的灰度分布不均匀，传统的Chan-Vese模型无法得到满意的分割结果。肝脏三维模型重建的另一个关键技术是其血管特征的坐标归一化，CT和MRI图像在显示组织方面各有不同，MRI图像对于血管组织的显示利于图像的分割，而CT图像对于肝实质的显示利于图像的分割，因而，不同信息来源的CAD模型建立之后，需要进行坐标系归一化处理，形成特征完整的肝脏模型，坐标归一算法分为内特征信息与外特征信息两类，内特征信息指不依赖于坐标系的点云数据或CAD模型所固有的特性，如曲率、两法矢向量之间的角度等。外特征信息与坐标系统相关，如曲面点的切平面等。内特征算法都是通过间接的方法达到点云数据或曲面的配准，其算法特点：存贮量大，适用于点云数据及网格密度不是很大的表面匹配；配准精度不高，适用于复杂场景中物体的识别；待配准的表面点云数据及网格分辨率对算法的有效性有影响。外特征表示算法与坐标系紧密相关，最常用的方法是点位标签法与最优匹配法。外点表示法存在的不足：初始匹配位置对算法的收敛精度有影响；不明显特征表面难以达到最佳收敛效果；外特征对应关系的搜索及计算是算法的瓶颈所在。本专利技术针对现有方法存在的不足，通过对医学图像的非线生灰度分离、多相水平集边缘提取、种子点区域分割及多介质人体肝脏建模及血管模型坐标归一，实现了高精度人体肝脏模型重建，为术前预演提供了数据保障。
技术实现思路
本专利技术要解决的技术问题是，针对人体肝脏CT图像、MRI图像的灰度不均匀性，通过灰度非线性变换及多相分段光滑水平集算法实现肝脏医学图像特征提取及三维模型重建；针对多介质肝脏血管模型与肝脏模型三维空间不存在准确的对应基准，通过融合多源特征信息的外特征配准技术，解决肝脏组织器管坐标归一化问题的人体肝脏特征建模及血管模型空间归一方法。本专利技术的技术解决方案是，提供一种人体肝脏特征建模及血管模型空间归一方法。它包括以下步骤：多源医学图像信息数据预处理，人体肝脏边缘特征提取及三维建模及基于多源信息、异介质的人体肝脏与血管特征坐标归一化。所述的多源医学图像信息数据预处理是指在于肝脏CT、MRI医学图像的非线性灰度分离处理，采用反正切函数将医学图像Hounsfied值[-1024,3072]转化到灰度值[0,255]，使灰度之间的间隔非线性变大，有利于图像边缘特征的提取。所述的人体肝脏边缘弱特征提取及三维建模是指，在于基于非线性灰度分离与多相水平集图像边缘特征提取，最终肝脏边缘提取由区域增长算法来完成，分割种子坐标位置由肝脏统计位置确定。所述的人体肝脏边缘弱特征提取及三维建模的步骤如下：(1)肝脏图像进行灰度直方图统计，确定出灰度分离的峰值；(2)由灰度分离准则进行灰度变换，处于相临峰值间的区域分别在高区段灰度加50，低区段灰度减50，最小于及最大的区域置为0；(3)图像高斯平滑处理，采用4×4宽度的高斯平滑核去卷积处理原始图像，过滤掉设备系统因素所引入的高频噪声；(4)初始化三相水平集函数，定义局域成员函数，并相互组合构成四个联合函数以标示不同灰度区域，由图像曲率及最大梯度方向进行水平集演化，并最终获得图像边缘；(5)由肝脏统计位置确定区域分割种子，由区域分割确定出最终的肝脏边缘，其余边缘灰度置为0，实现肝脏边缘的特征提取。人体肝脏模型采用图结构来表达统一拓扑结构，通过图中节点之间的权值调节实现数据的逼近，生成肝脏的三维模型，肝脏血管建模原理相同。肝脏与胸椎骨三维模型的约束关系设定为固定，血管胸椎骨三维模型约束关系设为浮动，运用多点定位法对两种模型进行粗配准，再ICP优化方法实现肝脏与血管模型的空间坐标归一。本专利技术人体肝脏特征建模及血管模型空间归一方法的创新之处如下。针对人体肝脏不同组织及系统的图像特点，提出多源信息融合的人体肝脏弱特征建模及配准策略，通过三维模型柔性引导与水平集函数演化相结合，实现肝脏不同组织的模型重建，通过外特征配准算法与弱特征信息相结合，实现多介质下组织的空间归一。本专利技术人体肝脏特征建模及血管模型空间归一方法的优点和社会效益如下。近十年来肝脏切除技术发展飞速，但其并发症发生率和死亡率较高，故仍是普外科最为困难的领域之一。由于本文档来自技高网...

【技术保护点】
一种人体肝脏特征建模及血管模型空间归一方法，其特征在于：其步骤包括：多源医学图像信息数据预处理，人体肝脏边缘特征提取及三维建模及基于多源信息、异介质的人体肝脏与血管特征坐标归一化。

【技术特征摘要】
1.一种人体肝脏特征建模及血管模型空间归一方法，其特征在于：其步骤包括：多源医学图像信息数据预处理，人体肝脏边缘特征提取及三维建模及基于多源信息、异介质的人体肝脏与血管特征坐标归一化。2.根据权利要求1所述的人体肝脏特征建模及血管模型空间归一方法，其特征在于：所述的多源医学图像信息数据预处理是指在于肝脏CT、MRI医学图像的非线性灰度分离处理，采用反正切函数将医学图像Hounsfied值[-1024,3072]转化到灰度值[0,255]，使灰度之间的间隔非线性变大，有利于图像边缘特征的提取。3.根据权利要求1所述的人体肝脏特征建模及血管模型空间归一方法，其特征在于：所述的人体肝脏边缘弱特征提取及三维建模是指，在于基于非线性灰度分离与多相水平集图像边缘特征提取，最终肝脏边缘提取由区域增长算法来完成，分割种子坐标位置由肝脏统计位置确定。4.根据权利要求3所述的人体肝脏特征建模及血管模型空间归一方法，其特征在于：所述的人体肝脏边缘弱特征提取及三维建模的步骤如下：(1)肝脏图像进行灰度直方图统计，确定出灰度分离的峰值；(2)...

【专利技术属性】
技术研发人员：张学昌，韩俊翔，郑洲，
申请(专利权)人：浙江大学宁波理工学院，
类型：发明
国别省市：浙江,33