一种交互式医学图像智能分割建模方法技术

本发明专利技术公开了一种交互式医学图像智能分割建模方法，其包括有如下步骤：获取医学图像数据；将医学图像数据导入图像处理系统，并在多显示视窗中对图像进行显示；将图像调节到呈现特征信息的断面，利用交互工具在多个方向视窗中标记目标区域轮廓；利用已标记的多方向切面轮廓，通过插值重建算法实现目标区域的表面网格重建，并将网格映射为图像的二值分割MASK；判断目标区域分割结果是否准确，若准确则结束，若不准确，则选择目标区域分割不精确的切面，由二值分割图像生成对应的轮廓，之后再次进行插值重建；输出目标区域的二值分割结果和表面网格模型，智能分割建模结束。本发明专利技术可实现目标区域分割、优化分割结果和提高建模效率。

【技术实现步骤摘要】
一种交互式医学图像智能分割建模方法
本专利技术涉及医学图像处理方法，尤其涉及一种交互式医学图像智能分割建模方法。
技术介绍
在与临床外科医生的合作过程中了解到，临床医生在疾病诊断、治疗决策以及手术规划过程中，需要掌握组织以及病灶的解剖结构信息，例如肝脏肿瘤的位置、体积、形状等。目前多是利用手工标注的方式，结合阈值连通、区域增长等图像处理方法，对CT或者MRI图像进行逐层分割病灶区域。随着技术发展进步，图像分辨率越来越高，层间距越来越小，这就给手工分割带来了挑战。1)逐层手工标注是一个非常耗时耗力的工作，分割一副3D图像通常耗费数小时甚至更多的时间；而且，分割结果受标注人的主观影响较大，不同标注人对同一个对象的分割结果、甚至同一标注人对同一对象的多次分割都会存在较大的差异；2)逐层标注方式未考虑三维信息，使得分割体数据的边界非常粗糙，影响建模精度和可视化效果；3)对于肿瘤等病灶组织，经常存在模糊边缘，这使得标注该区域时，难以确定边界；而肿瘤组织内部灰度分布具有异质性，使得阈值连通、区域增长等自动分割方法都不能完整分割该区域，需要借助大量手工后处理，增加工作量。具有模糊边缘的一类对象的分割建模，是医学图像处理技术中的难点，目前方法通常基于图像体素的灰度信息，通过阈值连通、区域增长等方法进行分割。但由于边缘的不确定性，以及分割对象内部灰度的不均匀性，会造成过分割或者欠分割。另外，不同类型、不同采集来源的医学图像存在一定的差异，同一个案例中采集的数据，受扫描参数、造影剂的影像和不同扫描时相的影响，获得的数据集之间也存在不同特征。现在有很多专用的方法和技术可以对特定的医学影像的分割获得比较好的结果，但是需要根据先验知识来确定具体的方法与参数。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的不足，提供一种通过提取3D医学图像多方向切面上模板区域的轮廓，以轮廓信息作为形状约束进行插值重建，进而实现目标区域分割，并通过迭代式编辑中间分割，优化分割结果、提高建模效率的交互式医学图像智能分割建模方法。为解决上述技术问题，本专利技术采用如下技术方案。一种交互式医学图像智能分割建模方法，其包括有如下步骤：步骤S1，获取医学图像数据；步骤S2，将医学图像数据导入图像处理系统，并在多显示视窗中对图像进行显示；步骤S3，将图像调节到呈现特征信息的断面，利用交互工具在多个方向视窗中标记目标区域轮廓；步骤S4，利用已标记的多方向切面轮廓，通过插值重建算法实现目标区域的表面网格重建，并将网格映射为图像的二值分割MASK；步骤S5，判断目标区域分割结果是否准确，若准确，则执行步骤S7，若不准确，则执行步骤S6；步骤S6，选择目标区域分割不精确的切面，由二值分割图像生成对应的轮廓，之后返回至步骤S4，再次进行插值重建；步骤S7，输出目标区域的二值分割结果和表面网格模型，智能分割建模结束。优选地，所述步骤S1包括：获取由医学影像检测设备产生的个体化序列的医学图像数据，对医学图像数据进行分期后，选择合适类型和分期的数据。优选地，所述医学影像检测设备为CT设备、MRI设备或PET设备。优选地，所述步骤S2中，医学图像数据导入图像处理系统后，在四显示视窗中对图像进行显示。优选地，所述步骤S3中，所述断面为容积图像重组后的横断面、矢状面、冠状面或任意斜切面。优选地，所述交互工具包括魔术棒或套索工具。优选地，所述步骤S3中，目标区域轮廓标记完成后，计算坐标轴与当前轮廓的交点，并式在三个视图上同步更新显示。优选地，以圆圈方式在三个视图上同步更新显示，并在标注目标区域轮廓时，穿过当前视图中的圆圈交点。本专利技术公开的交互式医学图像智能分割建模方法，其相比现有技术而言的有益效果在于，本专利技术基于医学图像处理方法中的常用方式，提取3D医学图像多方向切面的模板区域轮廓，以轮廓信息作为形状约束进行插值重建，实现目标区域分割，同时，通过迭代式编辑中间分割，优化分割结果、提高建模效率。附图说明图1为本专利技术方法的流程图。图2为横断面子宫包后块图像。图3为矢状面子宫包后块图像。图4为冠状面子宫包后块图像。图5为矢状面上子宫包后块的轮廓和控制点。图6为冠状面上子宫包后块的轮廓和控制点。图7为初始子宫包后块的表面网络模型。图8为横断面中一个切面编辑前的轮廓线示意图。图9为横断面中一个切面编辑后的轮廓线示意图。图10为优化后子宫包后块的表面网络模型。具体实施方式下面结合附图和实施例对本专利技术作更加详细的描述。本专利技术公开了一种交互式医学图像智能分割建模方法，请参照图1，其包括有如下步骤：步骤S1，获取医学图像数据；步骤S2，将医学图像数据导入图像处理系统，并在多显示视窗中对图像进行显示；步骤S3，将图像调节到呈现特征信息的断面，利用交互工具在多个方向视窗中标记目标区域轮廓；步骤S4，利用已标记的多方向切面轮廓，通过插值重建算法实现目标区域的表面网格重建，并将网格映射为图像的二值分割MASK；步骤S5，判断目标区域分割结果是否准确，若准确，则执行步骤S7，若不准确，则执行步骤S6；步骤S6，选择目标区域分割不精确的切面，由二值分割图像生成对应的轮廓，之后返回至步骤S4，再次进行插值重建；步骤S7，输出目标区域的二值分割结果和表面网格模型，智能分割建模结束。上述方法中，基于医学图像处理方法中的常用方式，提取3D医学图像多方向切面的模板区域轮廓，以轮廓信息作为形状约束进行插值重建，实现目标区域分割，同时，通过迭代式编辑中间分割，优化分割结果、提高建模效率。本专利技术利用3D图像中少数层面上的边界约束，融合多方向信息，自动快速的分割建模，进而优化了处理方式。基于以上特性，本专利技术利用3D图像多方向切片上病灶的轮廓信息，通过插值重建技术进行曲面重建，提供了交互工具对重建曲面的任意方向切面轮廓进行迭代式编辑和重建以优化曲面。本专利技术通过较少次数的交互标注和重建即可完成一个对象的分割和建模，大大提高了建模效率。本实施例中，所述步骤S1包括：获取由医学影像检测设备产生的个体化序列的医学图像数据，对医学图像数据进行分期后，选择合适类型和分期的数据。进一步地，所述医学影像检测设备为CT设备、MRI设备或PET设备。作为一种优选方式，所述步骤S2中，医学图像数据导入图像处理系统后，在四显示视窗中对图像进行显示。本实施例中，所述步骤S3中，所述断面为容积图像重组后的横断面、矢状面、冠状面或任意斜切面。所述步骤S3中，目标区域轮廓标记完成后，计算坐标轴与当前轮廓的交点，并式在三个视图上同步更新显示。进一步地，以圆圈方式在三个视图上同步更新显示，并在标注目标区域轮廓时，穿过当前视图中的圆圈交点。本实施例中，所述交互工具包括魔术棒或套索工具。以子宫包后块为例，本专利技术的实际应用过程请参照如下实施例：1、选定CT图像横断面，通过选择控制点的方式标注当前层面的子宫包后块轮廓，结合图1至图3所示，当轮廓标注完成后，自动计算坐标轴与轮廓的交点，并在其他视图同步更新；2、请参照图4，在矢状面的当前层面上标记子宫包后块的轮廓，并限制轮廓线穿过当前显示交点，同理，请参照图5，在冠状面上当前层面上标记子宫包后块的轮廓，并限制轮廓线穿过当前显示交点；3、请参照图6，基于当前三个方向上的轮廓线进行插值重建，生成子宫包后块的表面网络模型本文档来自技高网...

【技术保护点】
一种交互式医学图像智能分割建模方法，其特征在于，包括有如下步骤：步骤S1，获取医学图像数据；步骤S2，将医学图像数据导入图像处理系统，并在多显示视窗中对图像进行显示；步骤S3，将图像调节到呈现特征信息的断面，利用交互工具在多个方向视窗中标记目标区域轮廓；步骤S4，利用已标记的多方向切面轮廓，通过插值重建算法实现目标区域的表面网格重建，并将网格映射为图像的二值分割MASK；步骤S5，判断目标区域分割结果是否准确，若准确，则执行步骤S7，若不准确，则执行步骤S6；步骤S6，选择目标区域分割不精确的切面，由二值分割图像生成对应的轮廓，之后返回至步骤S4，再次进行插值重建；步骤S7，输出目标区域的二值分割结果和表面网格模型，智能分割建模结束。

【技术特征摘要】
1.一种交互式医学图像智能分割建模方法，其特征在于，包括有如下步骤：步骤S1，获取医学图像数据；步骤S2，将医学图像数据导入图像处理系统，并在多显示视窗中对图像进行显示；步骤S3，将图像调节到呈现特征信息的断面，利用交互工具在多个方向视窗中标记目标区域轮廓；步骤S4，利用已标记的多方向切面轮廓，通过插值重建算法实现目标区域的表面网格重建，并将网格映射为图像的二值分割MASK；步骤S5，判断目标区域分割结果是否准确，若准确，则执行步骤S7，若不准确，则执行步骤S6；步骤S6，选择目标区域分割不精确的切面，由二值分割图像生成对应的轮廓，之后返回至步骤S4，再次进行插值重建；步骤S7，输出目标区域的二值分割结果和表面网格模型，智能分割建模结束。2.如权利要求1所述的交互式医学图像智能分割建模方法，其特征在于，所述步骤S1包括：获取由医学影像检测设备产生的个体化序列的医学图像数据，对医学图像数据进行分期后，选择合适类型和分期的...

【专利技术属性】
技术研发人员：张晓东，
申请(专利权)人：深圳市一图智能科技有限公司，
类型：发明
国别省市：广东,44