图像分割方法、手术导航设备、电子设备及存储介质技术

本发明专利技术提供图像分割方法及手术导航设备，该方法包括：构建视神经及内直肌的统计形状模型；将所述统计形状模型向参考CT图像的视神经及内直肌粗分割模型进行拟合，得到所述参考CT图像的标准形状模型；计算所述参考CT图像映射到目标CT图像的弹性形变场；将所述弹性形变场作用于所述标准形状模型，得到所述目标CT图像的视神经及内直肌图像分割结果。本发明专利技术提供的方法及手术导航设备，能够基于视神经及内直肌的统计形状模型，对目标CT图像进行视神经及内直肌图像分割，分割得到的视神经及内直肌图像比较准确，从而可以提高从CT图像中分割视神经及内直肌图像的分割效果，提高手术导航的安全性。

【技术实现步骤摘要】
图像分割方法、手术导航设备、电子设备及存储介质
本专利技术涉及手术导航领域，尤其涉及一种图像分割方法、手术导航设备、电子设备及存储介质。
技术介绍
目前，在经鼻内镜颅底肿瘤微创切除手术中，临床医生需识别出内直肌和视神经等附着在眼眶上的重要组织器官，并使得手术器械避开这些器官。在计算机辅助诊断治疗方法中，对电子计算机断层扫描(ComputedTomography，CT)三维图像进行视神经和内直肌的分割，对于术前规划和手术导航至关重要。然而由于视神经和内直肌的图像在CT图像中成像对比度低、边缘模糊及图像噪声等原因，使得使用经典的基于灰度、基于对比度、基于边缘的目标分割方法无法得到视神经及内直肌图像，在CT图像中分割视神经和内直肌图像的图像分割效果比较差。可见，现有的图像分割过程中存在视神经及内直肌图像分割效果比较差的问题。
技术实现思路
本专利技术的目的在于提供一种图像分割方法、手术导航设备、电子设备及存储介质，解决现有的在CT图像中分割视神经及内直肌图像分割效果比较差的技术问题。为解决上述技术问题，本专利技术提供了一种图像分割方法，包括：构建视神经及内直肌的统计形状模型；将所述统计形状模型向参考CT图像的视神经及内直肌粗分割模型进行拟合，得到所述参考CT图像的标准形状模型；计算所述参考CT图像映射到目标CT图像的弹性形变场；将所述弹性形变场作用于所述标准形状模型，得到所述目标CT图像的视神经及内直肌图像分割结果。优选地，所述构建视神经及内直肌的统计形状模型包括：从K张CT图像中分别标识出K张视神经及内直肌二维切面轮廓，所述K为正整数；将所述K张视神经及内直肌二维切面轮廓进行融合处理，得到N张视神经及内直肌形状图像，所述N为小于K的正整数；通过分组级弹性配准获取所述N张视神经及内直肌形状图像中具有形状对应关系的M个三维点云数据集，所述M个三维点云数据集具有相同的点数，且相同序列的点相对应，所述M为小于或等于N的正整数；对所述M个三维点云数据集采用主成分分析法构建所述统计形状模型。优选地，所述将所述统计形状模型向参考CT图像的视神经及内直肌图像的粗分割模型进行拟合，得到所述参考CT图像的标准形状模型之前，包括：从所述K张CT图像选取所述参考CT图像；对所述参考CT图像进行视神经及内直肌粗分割，得到所述参考CT图像的视神经及内直肌粗分割模型。优选地，所述将所述统计形状模型向参考CT图像的视神经及内直肌粗分割模型进行拟合，得到所述参考CT图像的标准形状模型，包括：基于所述参考CT图像中提取的目标视神经及内直肌边缘，获取所述统计形状模型中每个点到所述目标视神经及内直肌边缘的位移向量；基于所述统计形状模型的特征矩阵及所述位移向量，获取所述参考CT图像的标准形状模型。优选地，所述计算所述参考CT图像映射到目标CT图像的弹性形变场，包括：采用归一化互信息量作为所述参考CT图像与所述目标CT图像之间的相似度测度，采用B样条函数作为形变函数，其中，所述归一化互信息量为：其中，NMI(μ；Iref，Itar)为归一化互信息量，Iref为参考CT图像，Itar为目标CT图像，k为参考CT图像Iref中的像素点，l为目标CT图像Itar中的像素点，p为离散联合分布概率，pref为参考CT图像中像素的分布概率，及ptar为目标CT图像中像素的分布概率，μ为形变函数的参数；所述B样条函数为：其中xk为控制点，β3为B样条多项式，ρk为B样条的系数向量，σ为控制点间隔；调整所述B样条函数的形变参数u，以获取所述归一化互信息量的最优值将所述归一化互信息量的最优值所对应的所述B样条函数的最优形变参数u作为所述弹性形变场。为解决上述技术问题，本专利技术还提供一种手术导航设备，包括：构建模块，用于构建视神经及内直肌的统计形状模型；拟合模块，用于将所述统计形状模型向参考CT图像的视神经及内直肌粗分割模型进行拟合，得到所述参考CT图像的标准形状模型；计算模块，用于计算所述参考CT图像映射到目标CT图像的弹性形变场；处理模块，用于将所述弹性形变场作用于所述标准形状模型，得到所述目标CT图像的视神经及内直肌图像分割结果。优选地，所述构建模块包括：识别子模块，用于从K张CT图像中分别标识出N张视神经及内直肌二维切面轮廓，所述K为正整数；融合子模块，将所述K张视神经及内直肌二维切面轮廓进行融合处理，得到N张视神经及内直肌形状图像，所述N为小于K的正整数；第一获取子模块，用于通过分组级弹性配准获取所述N张视神经及内直肌形状图像中具有形状对应关系的M个三维点云数据集，所述M个三维点云数据集具有相同的点数，且相同序列的点相对应，所述M为小于或等于N的正整数；构建子模块，用于对所述M个三维点云数据集采用主成分分析法构建所述统计形状模型。优选地，手术导航设备还包括：选取模块，用于从所述K张CT图像选取所述参考CT图像；粗分割模块，用于对所述参考CT图像进行视神经及内直肌粗分割，得到所述参考CT图像的视神经及内直肌粗分割模型。优选地，所述拟合模块包括：第二获取子模块，用于基于所述参考CT图像中提取的目标视神经及内直肌边缘，获取所述统计形状模型中每个点到所述目标视神经及内直肌边缘的位移向量；第三获取子模块，用于基于所述统计形状模型的特征矩阵及所述位移向量，获取所述参考CT图像的标准形状模型。优选地，所述计算模块包括：第一处理子模块，用于采用归一化互信息量作为所述参考CT图像与所述目标CT图像之间的相似度测度，采用B样条函数作为形变函数，其中，所述归一化互信息量为：其中，NMI(μ；Iref，Itar)为归一化互信息量，Iref为参考CT图像，Itar为目标CT图像，k为参考CT图像Iref中的像素点，l为目标CT图像Itar中的像素点，p为离散联合分布概率，pref为参考CT图像中像素的分布概率，及ptar为目标CT图像中像素的分布概率，μ为形变函数的参数；所述B样条函数为：其中xk为控制点，β3为B样条多项式，ρk为B样条的系数向量，σ为控制点间隔；调整子模块，用于调整所述B样条函数的形变参数u，以获取所述归一化互信息量的最优值第二处理子模块，用于将所述归一化互信息量的最优值所对应的所述B样条函数的最优形变参数u作为所述弹性形变场。为解决上述技术问题，本专利技术提供了一种电子设备，包括：包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述的图像分割方法的步骤。为解决上述技术问题，本专利技术提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的图像分割方法的步骤。本专利技术提供的图像分割方法、手术导航设备、电子设备及存储介质，能够基于视神经及内直肌的统计形状模型，对目标CT图像进行视神经及内直肌图像分割，分割得到的视神经及内直肌图像比较准确，从而可以提高从CT图像中分割视神经及内直肌图像的分割效果，提高手术导航的安全性。附图说明图1为本专利技术提供的图像分割方法一实施例的流程图；图2为本专利技术提供的图1所示的图像分割方法的步骤S1的一实施例的流程图；图3为本专利技术提供的图像处理过程的示意图；图4为本专利技术提供的图1所示的图像分割方法的步骤S2的一实施例的流程图；图5为本专利技术提供的图1所示的图像分割方本文档来自技高网...

【技术保护点】
1.一种图像分割方法，其特征在于，包括：构建视神经及内直肌的统计形状模型；将所述统计形状模型向参考CT图像的视神经及内直肌粗分割模型进行拟合，得到所述参考CT图像的标准形状模型；计算所述参考CT图像映射到目标CT图像的弹性形变场；将所述弹性形变场作用于所述标准形状模型，得到所述目标CT图像的视神经及内直肌图像分割结果。

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：构建视神经及内直肌的统计形状模型；将所述统计形状模型向参考CT图像的视神经及内直肌粗分割模型进行拟合，得到所述参考CT图像的标准形状模型；计算所述参考CT图像映射到目标CT图像的弹性形变场；将所述弹性形变场作用于所述标准形状模型，得到所述目标CT图像的视神经及内直肌图像分割结果。2.如权利要求1所述的图像分割方法，其特征在于，所述构建视神经及内直肌的统计形状模型包括：从K张CT图像中分别标识出K张视神经及内直肌二维切面轮廓，所述K为正整数；将所述K张视神经及内直肌二维切面轮廓进行融合处理，得到N张视神经及内直肌形状图像，所述N为小于K的正整数；通过分组级弹性配准获取所述N张视神经及内直肌形状图像中具有形状对应关系的M个三维点云数据集，所述M个三维点云数据集具有相同的点数，且相同序列的点相对应，所述M为小于或等于N的正整数；对所述M个三维点云数据集采用主成分分析法构建所述统计形状模型。3.如权利要求2所述的图像分割方法，其特征在于，所述将所述统计形状模型向参考CT图像的视神经及内直肌图像的粗分割模型进行拟合，得到所述参考CT图像的标准形状模型之前，所述方法还包括：从所述K张CT图像选取所述参考CT图像；对所述参考CT图像进行视神经及内直肌粗分割，得到所述参考CT图像的视神经及内直肌粗分割模型。4.如权利要求1所述的图像分割方法，其特征在于，所述将所述统计形状模型向参考CT图像的视神经及内直肌粗分割模型进行拟合，得到所述参考CT图像的标准形状模型包括：基于所述参考CT图像中提取的目标视神经及内直肌边缘，获取所述统计形状模型中每个点到所述目标视神经及内直肌边缘的位移向量；基于所述统计形状模型的特征矩阵及所述位移向量，获取所述参考CT图像的标准形状模型。5.如权利要求1所述的图像分割方法，其特征在于，所述计算所述参考CT图像映射到目标CT图像的弹性形变场包括：采用归一化互信息量作为所述参考CT图像与所述目标CT图像之间的相似度测度，采用B样条函数作为形变函数，其中，所述归一化互信息量为：其中，NMI(μ；Iref，Itar)为归一化互信息量，Iref为参考CT图像，Itar为目标CT图像，k为参考CT图像Iref中的像素点，l为目标CT图像Itar中的像素点，p为离散联合分布概率，pref为参考CT图像中像素的分布概率，及ptar为目标CT图像中像素的分布概率，μ为形变函数的参数；所述B样条函数为：其中xk为控制点，β3为B样条多项式，ρk为B样条的系数向量，σ为控制点间隔；调整所述B样条函数的形变参数u，以获取所述归一化互信息量的最优值将所述归一化互信息量的最优值所对应的所述B样条函数的最优形变参数u作为所述弹性形变场。6.一种手术导航设备，其特征在于，包括：构建模块，用于构建视神经及内直肌的统计形状模型；拟合模块，用于将所述统计形状模型向参考CT图像的视神经及内直...

【专利技术属性】
技术研发人员：杨峰，朱建军，
申请(专利权)人：艾瑞迈迪医疗科技北京有限公司，
类型：发明
国别省市：北京,11