一种图像分割方法、系统及网格模型技术方案

本发明专利技术提供一种图像分割方法，包括获取一个模型，所述获取一个模型包括：获取多个参考模型；对获取的多个参考模型进行配准；确定配准后所述多个参考模型上的多个控制点；基于所述多个参考模型上的多个控制点，获得所述模型的控制点；以及根据所述模型的控制点，生成所述模型。

【技术实现步骤摘要】
一种图像分割方法、系统及网格模型
本专利技术涉及一种图像分割方法、系统及网格模型，尤其涉及一种基于关联因子的心脏腔室图像分割方法、系统及网格模型。
技术介绍
心血管疾病是发病率和死亡率较高的疾病，并且具有发病急、隐蔽性强等特性，因此实现心脏疾病的诊断具有十分重要的临床意义。目前，伴随着CT的成像速度和扫描精度的提高，CT医学影像已被广泛应用于心脏检查和疾病诊断。与此同时，为了更好地实现心血管疾病的检查，心脏腔室分割作为一种辅助手段被广泛使用；它通过精确提取心脏各个腔室的边缘和区域，定性和定量的建立心脏模型，可以为医生对心脏疾病的早期预防和诊断提供依据。在心脏腔室分割领域，基于心脏腔室网格模型的分割技术被广泛采用，具有分割精度高、速度快等特征。这种技术首先利用初定位将腔室网格模型定位到心脏附近，然后利用模型特性和边缘特征再实现腔室边缘的精确定位。由于此技术非常依赖于腔室网格模型，所以模型的普适性、模型的内部关联特性对于最终心脏腔室分割结果具有非常显著的影响。目前心脏腔室网格模型多数是基于腔室的边缘进行网格采样的基础上，利用自动配准或者人为标定的技术将多套数据进行对齐，然后利用PDM(PointDistributionModel)模型计算平均网格和点分布模型。然而，上述普通的心脏腔室的网格模型并没有考虑到心脏腔室分布以及腔室之间的联系，在某些情形下会导致心脏分割结果中腔室边界的分离，割裂心脏腔室间的内在联系。因此，如何在心脏分割过程中避免腔室边界分离、改善腔室割裂，从而提高腔室分割的准确度成为目前亟待解决的技术问题。
技术实现思路
一种图像分割方法，包括获取一个模型，所述获取一个模型包括：获取多个参考模型；对获取的多个参考模型进行配准；确定配准后所述多个参考模型上的多个控制点；基于所述多个参考模型上的多个控制点，获得模型的控制点；以及根据所述模型的控制点，生成所述模型。进一步的，所述模型包括一个或多个第二边缘，所述获取一个模型进一步包括根据所述模型的控制点与所述模型中所述一个或多个第二边缘的关系，生成所述模型的控制点的关联因子。进一步的，所述图像分割方法进一步包括：获取图像数据；基于所述图像数据，重建图像，其中，所述图像包括一个或多个第一边缘；根据所述一个或多个第一边缘和所述一个或多个第二边缘，匹配所述模型与所述重建后的图像；以及根据所述一个或多个第一边缘，调整所述模型的一个或多个第二边缘。进一步的，所述调整所述模型的一个或多个第二边缘包括：对所述第二边缘进行相似性变换；根据关联因子，对所述第二边缘进行仿射变换；或基于一个能量函数，对所述第二边缘进行微调。进一步的，一个系统，包括:一个存储器，被配置为存储数据及指令；一个与存储器建立通信的处理器，其中，当执行存储器中的指令时，所述处理器被配置为：获取一个模型，所述获取一个模型包括：获取多个参考模型；对获取的多个参考模型进行配准；确定配准后所述多个参考模型上的多个控制点；基于所述多个参考模型上的多个控制点，获得模型的控制点；以及根据所述模型的控制点，生成所述模型。进一步的，所述处理器被进一步配置为：所述模型包括一个或多个第二边缘，所述获取一个模型进一步包括根据所述模型的控制点与所述模型中所述一个或多个第二边缘的关系，生成所述模型的控制点的关联因子。进一步的，所述处理器被进一步配置为：所述图像分割方法进一步包括：获取图像数据；基于所述图像数据，重建图像，其中，所述图像包括一个或多个第一边缘；根据所述一个或多个第一边缘和所述一个或多个第二边缘，匹配所述模型与所述重建后的图像；以及根据所述一个或多个第一边缘，调整所述模型的一个或多个第二边缘。进一步的，所述处理器被进一步配置为：所述调整所述模型的一个或多个第二边缘包括：对所述第二边缘进行相似性变换；根据关联因子，对所述第二边缘进行仿射变换；或基于一个能量函数，对所述第二边缘进行微调。进一步的，一种网格模型，包括多个子网格及分别属于所述子网格的多个控制点，所述多个控制点包括：仅受其所属子网格影响的非关联控制点；及受其所属子网格及至少一个其他子网格影响的关联因子。进一步的，所述关联因子位于其所属子网格与其他子网格的连接部分。【附图说明】图1是根据本申请的一些实施例所示的示例控制及处理系统的一种应用场景示意图；图2是根据本申请的一些实施例所示的处理设备的一种示例系统配置的示意图；图3是根据本申请的一些实施例所示的用于实施本申请中一些特定系统的一种示例移动设备示意图；图4是根据本申请的一些实施例所示的示例处理设备的示意图；图5是根据本申请的一些实施例所示的实施处理设备的示例性流程图；图6是根据本申请的一些实施例所示的示例模型构建模块的示意图；图7是根据本申请的一些实施例所示的构建平均模型的示例性流程图；图8是根据本申请的一些实施例所示的示例训练模块的示意图；图9是根据本申请的一些实施例所示的训练分类器的示例性流程图；图10是根据本申请的一些实施例所示的示例模型匹配模块的结构示意图；图11是根据本申请的一些实施例所示的匹配平均模型与重建的图像的示例性流程图；图12是根据本申请的一些实施例所示的示例调整模块的结构示意图；图13是根据本申请的一些实施例所示的调整模型的示例性流程图；图14是根据本申请的一些实施例所示的确定目标点的示例性流程图；图15是根据本申请的一些实施例所示的确定一个平均模型边缘点法线的示例性流程图；图16是根据本申请的一些实施例所示的平均模型边缘点变换的示例性流程图；图17是本申请的一个图像锐利程度示意图；图18是本申请的一个图像边缘分类训练的实施例；图19是本申请的一个模型网格分类的实施例；图20是本申请的一个模型网格划分的实施例；图21是本申请的基于关联因子的网格模型的实施例；图22是基于锐利程度分类的图像边缘示例图；图23是基于锐利程度分类的模型示例图；图24是本实施例依据分类器获得的图像概率图实施例；图25是经过霍夫变换后的平均网格模型和图像匹配的示例图；图26是调整后精确匹配的图像腔室分割结果示例图；图27A是未基于关联因子进行划分的图像分割图；以及图27B是基于关联因子进行划分的图像分割图。【具体实施方式】在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施的限制。其次，本专利技术利用示意图进行详细描述，在详述本专利技术实施例时，为便于说明，所述示意图只是实例，其在此不应限制本专利技术保护的范围。图1是根据本申请的一些实施例所示的示例控制及处理系统的一种应用场景示意图。如图1所示，控制及处理系统100包括一个成像设备110、一个数据库120和一个处理设备130。成像设备110可以通过扫描一个目标物体生成图像。所述图像可以是各种医学图像。例如，头部图像、胸部图像、腹部图像、骨盆图像、会阴部图像、肢体图像、脊椎图像、椎骨图像等。其中，头部图像可以包括脑部图像、颅骨图像等。胸部图像可以包括整个胸部图像、心脏图像、乳腺图像等。腹部图像可以包括整个腹部图像、肾脏图像、肝脏图像等。心脏图像可以包括但不限于全方位数字化心脏图、数字化心脏层析X射线图、心脏相衬图、X射本文档来自技高网...

【技术保护点】
一种图像分割方法，包括获取一个模型，所述获取一个模型包括：获取多个参考模型；对获取的多个参考模型进行配准；确定配准后所述多个参考模型上的多个控制点；基于所述多个参考模型上的多个控制点，获得模型的控制点；以及根据所述模型的控制点，生成所述模型。

【技术特征摘要】
1.一种图像分割方法，包括获取一个模型，所述获取一个模型包括：获取多个参考模型；对获取的多个参考模型进行配准；确定配准后所述多个参考模型上的多个控制点；基于所述多个参考模型上的多个控制点，获得模型的控制点；以及根据所述模型的控制点，生成所述模型。2.如权利要求1所述的图像分割方法，其特征在于：所述模型包括一个或多个第二边缘，所述获取一个模型进一步包括根据所述模型的控制点与所述模型中所述一个或多个第二边缘的关系，生成所述模型的控制点的关联因子。3.如权利要求2所述的图像分割方法，其特征在于：所述图像分割方法进一步包括：获取图像数据；基于所述图像数据，重建图像，其中，所述图像包括一个或多个第一边缘；根据所述一个或多个第一边缘和所述一个或多个第二边缘，匹配所述模型与所述重建后的图像；以及根据所述一个或多个第一边缘，调整所述模型的一个或多个第二边缘。4.如权利要求3所述的图像分割方法，其特征在于：所述调整所述模型的一个或多个第二边缘包括：对所述第二边缘进行相似性变换；根据关联因子，对所述第二边缘进行仿射变换；或基于一个能量函数，对所述第二边缘进行微调。5.一个系统，包括:一个存储器，被配置为存储数据及指令；一个与存储器建立通信的处理器，其中，当执行存储器中的指令时，所述处理器被配置为：获取一个模型，所述获取一个模型包括：获取多个参考模型；对获取的多个参考模型进行配准；确定...

【专利技术属性】
技术研发人员：沈建华，王晓东，郭延恩，
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