The invention provides a segmentation method and a segmentation system of large joint tissue, which solves the technical problem of low efficiency of existing joint tissue segmentation. The method includes: forming an image segmentation reference; forming a tissue category and position feature of a single pixel in an MRI image according to the image segmentation reference to determine the tissue plane contour; forming a tissue stereo contour according to the tissue plane contour in each MRI image in combination with the image segmentation reference. The process of tissue segmentation is simplified by using skeleton features, the automatic processing and identification accuracy of object contour are improved by using related image and information features, and the image quantification rules, pixel connotation information and modeling framework are effectively integrated by using segmentation benchmark, so that the large joint organization can realize the automatic segmentation of main body, accurate contour positioning and automatic three-dimensional in MRI image Modeling effectively improves the efficiency of professional human resource identification.
【技术实现步骤摘要】
一种大关节组织的分割方法和分割系统
本专利技术涉及医学图像处理
,具体涉及一种大关节组织分割的方法和分割系统。
技术介绍
关节构成组织较复杂,以腕关节为例包括骨骼、肌腱、脉管和神经,除骨骼外的组织间轮廓受MRI(MagneticResonanceImaging,核磁共振成像)的成像灰度分辨率影响往往不清晰,各组织间的边缘灰度区域相结合,导致组织间图像分割存在困难。现有技术中,需要采用手工方式对各种组织图案进行选择性编辑、缺陷弥补处理、伪影和冗繁数据分离,然后用区域增长的方法来生成分割结果以建立完整的数字化模型,例如较大骨骼组织的轮廓分割。这样会耗去操作人员大量的时间,当需要处理的数据较多时专业资源无法满足时效性。在现有技术中,有采用计算机算法例如随机森林算法进行与组织关联的图案元素分类的图像处理过程,主要过程为:通过以随机形式学习带有标记的数据样本集来建立一系列决策树的过程。训练每一棵树的过程是建立一系列节点的过程。在每棵决策树的节点中,分为中间节点和叶子节点。每个中间节点都是一个弱分类器,也就是说,一个中间节点包含了一个问题,根据这个问题的回答分裂为左右两个孩子节点,目的是使得分裂后得到的某种衡量指标达到最大。信息增益率(IGR)作为建树分裂节点的衡量指标。定义如下:G(R)=Info(D)-InfoR(D)其中,D表示样本集,R表示任意分类,p表示某一类别的概率。G(R)表示信息增益,I(D)表示分裂信息量。在某次对当前样本集进 ...
【技术保护点】
1.一种大关节组织的分割方法,其特征在于,包括:/n形成图像分割基准;/n根据所述图像分割基准形成MRI图像中单一像素的组织类别和位置特征以确定组织平面轮廓;/n根据各所述MRI图像中的所述组织平面轮廓结合所述图像分割基准形成组织立体轮廓。/n
【技术特征摘要】
1.一种大关节组织的分割方法,其特征在于,包括:
形成图像分割基准;
根据所述图像分割基准形成MRI图像中单一像素的组织类别和位置特征以确定组织平面轮廓;
根据各所述MRI图像中的所述组织平面轮廓结合所述图像分割基准形成组织立体轮廓。
2.如权利要求1所述的大关节组织的分割方法,其特征在于,所述形成图像分割基准包括:
根据各MRI图像的像素尺寸建立MRI图像的坐标空间;
根据骨骼影像特征确定MRI图像中骨骼轮廓;
在基准MRI图像中标记待分割组织的范围参考点;
在所述基准MRI图像中形成围绕单一像素的伪像素;
通过像素训练集形成所述待分割组织的随机森林分类模型。
3.如权利要求1所述的大关节组织的分割方法,其特征在于,所述伪像素可以是三个直线排列的所述单一像素形成的伪像素,也可以是三个折线排列的所述单一像素形成。
4.如权利要求1所述的大关节组织的分割方法,其特征在于,所述根据所述图像分割基准形成MRI图像中单一像素的组织类别和位置特征以确定组织平面轮廓包括:
通过随机森林分类模型确定各伪像素的类别;
通过所述随机森林分类模型确定单一像素的类别;
比较所述单一像素与关联伪像素的类别权值确认所述单一像素的组织类别;
比较所述单一像素与关联伪像素的灰度权值确认所述单一像素的位置特征,并形成组织平面轮廓。
5.如权利要求4所述的大关节组织的分割方法,其特征在于,所述比较所述单一像素与关联伪像素的类别权值确认所述单一像素的组织类别包括:
利用范围参考点进行聚类获得所述单一像素的聚集范围集合;
在每个聚集范围中,将每一个单一像素类别与周围的伪像素类别比较,当存在至少两个相邻伪像素的类别与单一像素的类别相同时,...
【专利技术属性】
技术研发人员:林海晓,武正强,
申请(专利权)人:北京灵医灵科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。