一种基于CT图像的肝脏血管三维分割方法技术

本发明专利技术公开了一种基于CT图像的肝脏血管三维分割方法，包括自适应S型非线性灰度映射和各向同性插值采样；随后进行改进的基于Hessian矩阵特征值分析的肝血管增强处理；最后将血管增强响应引入模糊亲和度函数，借助Otsu多阈值算法初始化模糊分割参数，经由模糊连接分割算法获取完整的肝脏血管。该方法可以从CT图像中分割出完整的三维肝脏血管结构，同时分割精度有显著提升。

【技术实现步骤摘要】
一种基于CT图像的肝脏血管三维分割方法
本专利技术属于图像处理
，尤其涉及一种基于CT图像的肝脏血管三维分割方法，应用于核医学图像自动分割目标结构。
技术介绍
肝脏是人体最大的消化腺和代谢中枢，因其功能的独特，使得肝脏发病率较高，尤以肝细胞癌最为致命。据《2017年中国肿瘤登记年报》指出，中国每日新增确诊癌症约1万例，以呼吸道癌症(肺癌)和消化道癌症(肝癌)最为常见。另据统计，肝癌多为中心发病，恶性程度高，易转移，致死率高。目前临床对肝癌的治疗除了肿瘤切除术和肝脏移植术外，基于增强CT图像引导的射频/微波消融术也广泛用于肝肿瘤治疗。而肝血管结构准确的三维分割是上述肝脏外科手术的重要前提，单纯依赖放射学专家进行耗时巨大的手工分割并不现实，也会因个人主观因素致使分割结果存有差异。因此借助计算机进行自动、准确且有效的肝血管分割是近年研究的热点。三维肝脏血管分割是基于CT成像的计算机辅助治疗系统的重要环节，近年来，为了实现对CT图像三维肝脏血管分割，大量研究者进行了深入的研究，现阶段对于CT图像的三维肝脏血管分割方面已提出诸多方法，以如下几类为主：阈值与区域增长算法、水平集算法、图割算法和模糊算法等。这些方法主要存在以下缺陷：(1)部分方法需要手动交互过程，如选取初始种子点或初始轮廓。(2)部分方法对噪声或初始化位置的选取十分敏感。(3)部分方法在灰度层次较多且灰度分布不均的医学图像中，分割结果存在显著的欠分割或过分割问题。(4)多数方法算法复杂度高，处理时间长，不适合临床使用。本专利技术旨在提出一种针对CT图像的自动肝脏血管分割算法，算法从临床实用角度出发兼顾分割的准确性与有效性。据此，本专利技术首先对图像进行自适应的S型非线性灰度映射，增强图像对比度，之后对图像进行各向同性插值采样，弥补CT图像体素三维空间间距差异显著造成的三维图像空间信息损失问题。再经过改进的基于图像灰度Hessian矩阵特征值分解的血管增强算法，得到非负且平滑的血管增强响应，大幅抑制肝脏轮廓、肝脏实质以及噪声等结构影响。最后将血管增强响应引入模糊亲和度函数，在血管增强响应中筛选一个种子点，并统计分割前景感兴趣区域的灰度均值与标准方差作为模糊连接分割算法的初始化输入，最后经由模糊连接分割算法分割得到完整的肝脏血管结构。本专利技术提出了一种基于CT图像的肝脏血管三维分割方法，大幅提升肝脏血管结构的分割准确性与有效性，借此为临床肝脏外科手术奠定了基础，同时也为计算机辅助治疗系统中的术前规划、术中检测提供依据。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提出一种基于CT图像的肝脏血管三维分割方法，本方法的预处理流程包括自适应S型非线性灰度映射和各向同性插值采样；随后进行改进的基于Hessian矩阵特征值分析的肝血管增强处理；最后将血管增强响应引入模糊亲和度函数，借助Otsu多阈值算法初始化模糊分割参数，经由模糊连接分割算法获取完整的肝脏血管。该方法可以从CT图像中分割出完整的三维肝脏血管结构，且分割精度有显著提升。一种基于CT图像的肝脏血管三维分割方法，包括以下步骤：步骤1、将人体腹腔CT图像IO与对应的肝脏掩膜图像IlMask进行逻辑与运算，得到肝脏感兴趣区域图像IVOI；步骤2、对图像IVOI进行自适应S型非线性灰度映射，得到肝血管对比度增强的三维感兴趣区域图像IS；步骤3、对图像IS进行各向同性插值采样，得到各向同性图像IIso；步骤4、对图像IIso进行改进的基于灰度Hessian矩阵特征值分解的多尺度血管增强滤波，得到肝血管增强图像Ivesselness；步骤5、将图像Ivesselness的响应代替原始图像IO的灰度值，引入模糊亲和度函数，进行模糊连接分割算法，得到最终的三维肝脏血管图像Iseg。步骤2具体包括如下步骤：2.1.对肝脏感兴趣区域图像IVOI进行k均值聚类，聚类中心数为5，得到图像Ik；2.2.图像Ik中按聚类中心灰度强度由低到高分为5个区域，我们通过第4区域与第5区域的灰度均值计算出S型非线性灰度映射的参数；2.3.对图像IVOI进行自适应的S型非线性灰度映射，得到肝血管对比度增强的三维感兴趣区域图像IS；上述步骤3具体包括如下步骤：3.1.对图像IS进行x轴方向的高斯递归卷积运算，得到图像3.2.对图像进行y轴方向的高斯递归卷积运算,得到图像3.3.对图像进行sinc插值运算，插值运算中的窗函数选取Blackman窗函数，得到各向同性图像IIso；上述步骤4具体包括如下步骤：4.1.初始化多尺度血管增强策略，设置最小尺度σmin＝1，设置最大尺度σmax＝4，尺度步进次数为5，特征值补偿阈值τ＝0.6，背景抑制系数γ＝30；4.2.基于图像IIso，从最小尺度起(σ＝σmin)，计算当前尺度σ下，空间位置x处的三维灰度Hessian矩阵元素，构造得到三维灰度Hessian矩阵H(x,σ)，对H(x,σ)进行特征值分解，得到三维Hessian矩阵特征值eigH(x,σ)→λi，i＝1,2,3，这里特征值按λ1＞λ2＞λ3进行排序；4.3.对当前尺度下的三维灰度Hessian矩阵特征值求取相反数；4.4.对当前尺度下的特征值λ3进行分段补偿，得到补偿特征值λρ；4.5.利用Hessian矩阵特征值构造当前尺度下的血管增强响应υk:[eigH(x,σ)]；4.6.尺度步进次数加1，重复4.2至4.5的流程，计算下一尺度的血管增强响应，直至尺度步进次数达到5次，此时尺度恰好至设定的最大尺度σ＝σmax；4.7.求取尺度σmin至σmax中各个尺度下的血管增强响应极大值作为血管增强算法的最终响应υsup＝sup{υk[eigH(x,σ)]:σmin≤σ≤σmax}。上述步骤5具体包括如下步骤：5.1.自动获取种子点Seed1，将图像Ivesselness分为5*5*5mm的子区域，获取灰度均值最大的子区域R，将该子区域内灰度值最大的体素点作为模糊连接分割算法的种子点Seed1；5.2.将图像Ivesselness进行Otsu多阈值算法，设定阈值数为2，得到图像IvesOtsu；5.3.将图像Ivesselness与图像IvesOtsu进行逻辑与运算，得到图像IvesMask，统计图像IvesMask中的灰度均值m和灰度标准方差s；5.4.将血管增强响应υsup引入模糊亲和度函数，图像IvesMask的灰度均值m与灰度标准方差s作为模糊连接分割算法的初始化输入，结合种子点Seed1，对图像Ivesselness进行模糊连接分割，分割阈值T＝0.05。附图说明图1：本专利技术一种基于CT图像的肝脏血管三维分割方法的流程图。具体实施方式如图1所示，本专利技术提供一种基于CT图像的肝脏血管三维分割方法，包括以下步骤：1.将一例人体腹腔增强CT图像IO与对应的肝脏掩膜图像IlMask进行逻辑与运算，得到肝脏感兴趣区域图像IVOI，肝脏掩膜图像IlMask的获取可以参见相关肝脏分割算法。2.对图像IVOI进行自适应S型非线性灰度映射，得到肝血管对比度增强的三维VOI图像IS。具体实施如下：1)对肝脏感兴趣区域图像IVOI进行k均值聚类，聚类中心数为5，得到图像Ik。2)图像Ik中按聚类中心灰度强度由低到高分为5个区域，区域1代表本文档来自技高网...

【技术保护点】
1.一种基于CT图像的肝脏血管三维分割方法，其特征在于，包括以下步骤：步骤1、将人体腹腔CT图像IO与对应的肝脏掩膜图像IlMask进行逻辑与运算，得到肝脏感兴趣区域图像IVOI；步骤2、对图像IVOI进行自适应S型非线性灰度映射，得到肝血管对比度增强的三维感兴趣区域图像IS；步骤3、对图像IS进行各向同性插值采样，得到各向同性图像IIso；步骤4、对图像IIso进行改进的基于灰度Hessian矩阵特征值分解的多尺度血管增强滤波，得到肝血管增强图像Ivesselness；步骤5、将图像Ivesselness的响应代替原始图像IO的灰度值，引入模糊亲和度函数，进行模糊连接分割算法，得到最终的三维肝脏血管图像Iseg。

【技术特征摘要】
1.一种基于CT图像的肝脏血管三维分割方法，其特征在于，包括以下步骤：步骤1、将人体腹腔CT图像IO与对应的肝脏掩膜图像IlMask进行逻辑与运算，得到肝脏感兴趣区域图像IVOI；步骤2、对图像IVOI进行自适应S型非线性灰度映射，得到肝血管对比度增强的三维感兴趣区域图像IS；步骤3、对图像IS进行各向同性插值采样，得到各向同性图像IIso；步骤4、对图像IIso进行改进的基于灰度Hessian矩阵特征值分解的多尺度血管增强滤波，得到肝血管增强图像Ivesselness；步骤5、将图像Ivesselness的响应代替原始图像IO的灰度值，引入模糊亲和度函数，进行模糊连接分割算法，得到最终的三维肝脏血管图像Iseg。2.如权利要求1所述的基于CT图像的肝脏血管三维分割方法，其特征在于，步骤2具体包括如下步骤：2.1.对肝脏感兴趣区域图像IVOI进行k均值聚类，聚类中心数为5，得到图像Ik；2.2.图像Ik中按聚类中心灰度强度由低到高分为5个区域，通过第4区域与第5区域的灰度均值计算出S型非线性灰度映射的参数；2.3.对图像IVOI进行自适应的S型非线性灰度映射，得到肝血管对比度增强的三维感兴趣区域图像IS。3.如权利要求2所述的基于CT图像的肝脏血管三维分割方法，其特征在于，步骤3具体包括如下步骤：3.1.对图像IS进行x轴方向的高斯递归卷积运算，得到图像3.2.对图像进行y轴方向的高斯递归卷积运算,得到图像3.3.对图像进行sinc插值运算，插值运算中的窗函数选取Blackman窗函数，得到各向同性图像IIso。4.如权利要求3所述的基于CT图像的肝脏血管三维分割方法，其特征在于，步骤4具体包括如下步骤：4.1.初始化多尺度血管增强策略，设置最小尺度σmin＝1，设置最大尺度σmax＝4，尺度步进次数为5，特征值补偿阈值τ＝0.6，背景抑制系数γ＝...

【专利技术属性】
技术研发人员：吴水才，张睿，周著黄，高宏建，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11