图像分割系统、方法、装置和计算机可读存储介质制造方法及图纸

本申请提供了一种图像处理的方法、系统、装置和计算机可读存储介质。所述方法包括：获取图像数据，所述图像数据包括至少一根肋骨；确定肋骨区域，所述肋骨区域包含至少一部分肋骨；任选所述肋骨中的一根肋骨为目标肋骨；通过机器学习方法训练得到的分类器处理所述目标肋骨，获得肋骨概率图；确定所述目标肋骨的起始点；基于所述肋骨概率图、所述起始点对所述目标肋骨进行模型追踪；并且基于所述模型追踪的结果对所述目标肋骨进行分割，获得分割后的肋骨。本申请基于机器学习的方法进行模型追踪，提高了模型追踪算法的鲁棒性，确保可以在图像中成功分割出肋骨。

【技术实现步骤摘要】
图像分割系统、方法、装置和计算机可读存储介质
本披露涉及图像处理领域，特别地，涉及肋骨分割系统及方法。
技术介绍
医学图像如今已得到广泛应用。医学图像中，肋骨分割可为分析肋骨解剖结构和诊断各种疾病提供基础。手动分割比较耗费时间。现有的自动分割技术虽然可以在大部分情况下实现较为迅速的分割，但某些情况下可能存在困难，例如因病理状态导致肋骨边界不清，肋骨与其他骨骼粘连，肋骨缺失或肋骨中一部分缺失，这些都可能使肋骨分割结果出现错误。因此，希望有一种成功率高的肋骨分割方法和系统，来解决上述问题。
技术实现思路
本申请的第一方面是关于一种图像处理方法。所述图像处理方法可以包括以下操作中的一个或多个。获取图像数据，所述图像数据包括至少一根肋骨。确定肋骨区域，所述肋骨区域包含至少一部分肋骨。任选所述肋骨中的一根肋骨为目标肋骨。通过机器学习方法训练得到的分类器处理所述目标肋骨，获得肋骨概率图。确定所述目标肋骨的起始点。基于所述肋骨概率图、所述起始点对所述目标肋骨进行模型追踪。基于所述模型追踪的结果对所述目标肋骨进行分割，获得分割后的肋骨。本申请的第二方面是关于一种图像处理系统。所述系统包括数据获取模块和肋骨提取模块。所述数据获取模块用于获取图像数据，所述图像数据包括至少一根肋骨。所述肋骨提取模块用于提取肋骨，所述提取肋骨包括：确定肋骨区域，所述肋骨区域包含至少一部分肋骨；任选所述肋骨中的一根肋骨为目标肋骨；通过机器学习方法训练得到的分类器处理所述目标肋骨，获得肋骨概率图；确定所述目标肋骨的起始点；基于所述肋骨概率图、所述起始点对所述目标肋骨进行模型追踪；基于所述模型追踪的结果对所述目标肋骨进行分割，获得分割后的肋骨。本专利技术的第三方面是关于一种计算机可读存储介质。所述存储介质可以用于存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机可以执行所述图像处理方法。本专利技术的第四方面是关于一种图像处理装置。所述装置包括图像处理程序。所述图像处理程序可以执行所述图像处理方法。在一些实施例中，所述图像处理方法进一步包括：确定所述肋骨的种子点；基于所述种子点对所述图像数据进行初分割，得到初始肋骨；判断所述初始肋骨是否与椎骨粘连，如是，则将所述初始肋骨确定为所述目标肋骨以进行进一步分割；否则，则确定所述初始肋骨为分割后的肋骨。在一些实施例中，所述确定所述目标肋骨的起始点可以包括：确定所述目标肋骨的肋骨像素或体素个数分布的直方图，其中所述肋骨像素或体素为灰度值高于预设阈值的像素或体素；根据所述直方图，确定所述目标肋骨的解剖结构最低点为所述起始点。在一些实施例中，所述确定所述直方图包括：沿人体前后方向对肋骨像素或体素进行个数累加，得到一张个数累加图；沿人体上下方向对所述个数累加图中的肋骨像素或体素进行个数累加，得到肋骨像素或体素个数沿人体左右方向分布的直方图。在一些实施例中，所述获得肋骨概率图包括：基于分类器产生所述肋骨概率图。所述分类器是用样本肋骨的至少一张图片通过所述机器学习方法训练得到的。在一些实施例中，所述对所述目标肋骨进行模型追踪包括：确定肋骨追踪方向范围；根据所述肋骨追踪方向范围和所述模型追踪，确定预测肋骨片段。在一些实施例中，所述确定预测肋骨片段包括：确定所述肋骨概率图在所述追踪方向范围内的子集；根据所述子集确定追踪方向；根据所述追踪方向确定所述预测肋骨片段。在一些实施例中，所述图像处理方法进一步包括：将所述预测肋骨片段与肋骨模型进行匹配。在一些实施例中，所述图像处理方法进一步包括：如果所述预测肋骨片段与肋骨模型匹配，则确定所述预测肋骨片段为已匹配的肋骨片段；根据所述已匹配的肋骨片段和所述肋骨概率图，追踪下一个肋骨片段。在一些实施例中，所述图像处理方法进一步包括：如果所述预测肋骨片段与肋骨模型不匹配，则终止所述模型追踪；基于已匹配的预测肋骨片段进行模型重建。在一些实施例中，所述目标肋骨具有第一端和第二端，所述第一端与椎骨相距第一距离，所述第二端与所述椎骨相距第二距离，所述第一距离大于所述第二距离。在一些实施例中，所述确定所述目标肋骨的起始点包括：将靠近所述目标肋骨的所述第二端的一点确定为所述起始点。在一些实施例中，所述图像处理方法进一步包括：用第一分割算法分割所述目标肋骨的第一部分。其中所述第一部分包括所述起始点至所述第一端之间的区域。在一些实施例中，所述第一分割算法为区域生长法。在一些实施例中，所述对所述目标肋骨进行模型追踪包括：对所述目标肋骨的第二部分进行模型追踪。其中所述第二部分包括所述起始点至所述第二端之间的区域。在一些实施例中，所述图像处理方法进一步包括：合并所述目标肋骨的所述第一部分和所述第二部分，得到所述目标肋骨。因为采用了以上的技术方案，本专利技术具备以下的技术效果：将机器学习的方法与模型追踪算法结合，提高了模型追踪算法的鲁棒性，确保可以在图像中成功分割出肋骨。引入肋骨初分割，大大加速了肋骨分割的速度。在肋骨模型中加入肋骨先验知识，使得肋骨分割更加准确快速。利用人体的解剖结构信息，定位肋骨分割种子点，使得种子点的确定较为稳定，不易受到干扰。附图说明以示例性实施例的方式对本披露进一步描述。这些示例性实施例具体参照附图进行描述。这些实施例是非限制性实施例，其中类似参考号在附图的不同视图中代表类似结构，并且其中：图1是根据本披露的一些实施例所示的一种示例性CT系统的示意图；图2是根据本披露的一些实施例所示的一种示例性CT系统的示意图；图3是根据本披露的一些实施例所示的一种示例性计算设备的示例性硬件和/或软件组件的示意图；图4是根据本披露的一些实施例所示的示例性移动设备的示例性硬件和/或软件组件的示意图；图5是根据本披露的一些实施例所示的一种示例性处理引擎的框图；图6是根据本披露的一些实施例所示的一种示例性生成肋骨图像过程的流程图；图7是根据本披露的一些实施例所示的一种示例性肋骨提取模块的框图；图8是根据本披露的一些实施例所示的一种示例性提取肋骨过程的流程图；图9是根据本披露的一些实施例所示的一种示例性肋骨分割子模块的框图；图10是根据本披露的一些实施例所示的一种示例性分割肋骨过程的流程图；图11是根据本披露的一些实施例所示的一种示例性肋骨模型追踪单元的框图；图12是根据本披露的一些实施例所示的一种示例性肋骨模型追踪过程的流程图；图13是根据本披露的一些实施例所示的一种示例性肋骨模型追踪的追踪方向范围；图14是根据本披露的一些实施例所示的示例性原始肋骨图像；图15是根据本披露的一些实施例所示的示例性分类概率图；图16是根据本披露的一些实施例所示的一种示例性提取肋骨过程的流程图；以及图17到20是根据本披露的一些实施例所示的示例性利用基于机器学习的模型追踪的肋骨分割测试图像。具体实施方式在下面的详细描述中，通过示例阐述了本披露的许多具体细节，以便提供对相关披露的透彻理解。然而，对于本领域的普通技术人员来讲，本披露显而易见的可以在没有这些细节的情况下实施。在其他情况下，本披露中的公知的方法、过程、系统、组件和/或电路已经在别处以相对高的级别进行了描素，本披露中对此没有详细地描述，以避免不必要地重复。对于本领域普通人员来说，对本披露所披露的实施例的各种修正都应是显而易见的，并且，在不偏离本披露的精神和范围的前提本文档来自技高网...

【技术保护点】
一种图像处理方法，包括：获取图像数据，所述图像数据包括至少一根肋骨；确定肋骨区域，所述肋骨区域包含至少一部分肋骨；任选所述肋骨中的一根肋骨为目标肋骨；通过机器学习方法训练得到的分类器处理所述目标肋骨，获得肋骨概率图；确定所述目标肋骨的起始点；基于所述肋骨概率图、所述起始点对所述目标肋骨进行模型追踪；并且基于所述模型追踪的结果对所述目标肋骨进行分割，获得分割后的肋骨。

【技术特征摘要】
2017.08.31 CN PCT/CN2017/1000241.一种图像处理方法，包括：获取图像数据，所述图像数据包括至少一根肋骨；确定肋骨区域，所述肋骨区域包含至少一部分肋骨；任选所述肋骨中的一根肋骨为目标肋骨；通过机器学习方法训练得到的分类器处理所述目标肋骨，获得肋骨概率图；确定所述目标肋骨的起始点；基于所述肋骨概率图、所述起始点对所述目标肋骨进行模型追踪；并且基于所述模型追踪的结果对所述目标肋骨进行分割，获得分割后的肋骨。2.根据权利要求1所述的图像处理方法，还包括：确定所述肋骨的种子点；基于所述种子点对所述图像数据进行初分割，得到初始肋骨；并且判断所述初始肋骨是否与椎骨粘连，如是，则将所述初始肋骨确定为所述目标肋骨以进行进一步分割；否则，确定所述初始肋骨为分割后的肋骨。3.根据权利要求1所述的图像处理方法，其中确定所述目标肋骨的起始点包括：确定所述目标肋骨的肋骨像素或体素个数分布的直方图，其中所述肋骨像素或体素为灰度值高于预设阈值的像素或体素；并且根据所述直方图，确定所述目标肋骨的解剖结构最低点为所述起始点。4.根据权利要求1所述的图像处理方法，其中对所述目标肋骨进行模型追踪包括：确定肋骨追踪方向范围；并且根据所述肋骨追踪方向范围和所述模型追踪，确定预测肋骨片段。5.根据权利要求4所述的图像处理方法，其中确定预测肋骨片段包括：确定所述肋骨概率图在所述追踪方向范围内的子集；根据所述子集确定追踪方向；并且根据所述追踪方向确定所述预测肋骨片段。6.根据权利要求4所述的图像处理方法，还包括：将所述预测肋骨片段与肋骨模型进行匹配。7.根据权利要求6所述的图像处理方法，还包括：如果所述预测肋骨片段与肋骨模型匹配，则确定所述预测肋骨片段为已匹配的肋骨片段，并且根据所述已匹配的肋骨片段和所述肋骨概率图，追踪下一个肋骨...

【专利技术属性】
技术研发人员：王策，
申请(专利权)人：深圳联影医疗科技有限公司，
类型：发明
国别省市：广东,44