一种面向大面积高密度影CT图像的脏器分割方法及装置制造方法及图纸

本发明专利技术提供了一种面向大面积高密度影CT图像的脏器分割方法及装置，包括：优化二值化阈值μ

【技术实现步骤摘要】
一种面向大面积高密度影CT图像的脏器分割方法及装置
本专利技术属于医疗图像处理领域，涉及一种脏器分割方法及装置，特别涉及一种面向大面积高密度影CT图像的脏器分割方法及装置，该大面积高密度影CT图像见于患有肺部疾病(如甲型H1N1流感肺炎、间质性肺炎、2019-nCov病毒肺炎、严重急性呼吸综合症(SARS)等)以及其他脏器组织病变的病人。
技术介绍
正常的脏器属于CT图像中的低密度区域，在CT图像中表现为清晰的阴影部分。当发生病变时，脏器区域就会出现散在的、斑点状或者斑块状的高密度影，呈白色或者灰白色。临床就是通过观察高密度影的形态特征来判断疾病状况。当患者病情较为严重时，脏器CT图像会出现大面积斑片状高密度影，大量组织细节会被高密度影所掩盖，造成脏器边缘不清、分割困难。自动阈值法依据灰度阈值对CT图像进行分割，通过寻找能产生最小类间方差的阈值获得最佳的像素分类效果，但是，这种分割方式只对细节保留较好的图像有效。而CT图像中的高密度影丢失了大量细节信息，像素值较大，与正常脏器组织所处的低密度区域差异明显。因此，该方法会将高密度影部分与细节保留较好的脏器区域分成两类对象，导致位于高密度影中的脏器部分丢失。分水岭法利用梯度值来识别目标图像边缘，一般认为图像中梯度值大的像素就是其边缘位置。脏器CT图像中高密度影部分与其他部分差异明显，两部分之间的梯度值较大，因此，分水岭法会沿着两个部分之间进行分割，导致部分脏器缺失。区域增长法从包含种子点的生长区域开始，不断选择与生长区域相邻且符合条件的像素合并到生长区域中，直至没有新的像素可以增加为止，通过这种方式找出目标区域，实现图像分割。但是，由于脏器CT图像中高密度影部分的像素与其他部分的像素差异明显，很难找到合适的条件将两个部分的像素合并在一起，因此，区域增长法会将位于高密度影中的脏器部分归于异类，导致分割结果中部分脏器缺失。另一方面，高密度影部分往往与外围的其他组织相连、像素值接近，如肺组织高密度影与胸廓，并且细节缺失，没有足够清晰的边缘，在脏器高密度影部分选择种子点时，该方法还会错误地将脏器高密度影部分与外围其他组织合并在一起，产生错误的分割结果。边缘检测是图像分割又一种重要途径。边缘是图像中相邻区域区分的位置，一般存在着灰度值或者结构的突变，边缘检测就是利用这种不连续性来分割图像。边缘像素灰度值的不连续性可通过求导运算来检测。对于灰度值突变的边缘，其像素位置对应于一阶导数的极值点，或者是二阶导数的过零点(零交叉点)。因此，传统方法一般用微分算子来进行边缘检测。常用的一阶微分算子有Roberts算子、Prewitt算子和Sobel算子，二阶微分算子有Laplace算子和Kirsh算子等。但是，这些方法都依赖于对图像边缘像素值的分析，而高密度影细节信息缺失较多，导致无法利用像素求导运算发现边缘。一种改进的方法将包含高密度影的图像分成两个部分识别，使用传统的方法先识别细节保留比较好的脏器区域，然后，通过纹理特征分析来识别脏器高密度影区域，最后将两者拼接起来构成整体分割结果。但是，这种方法存在如下问题：(1)该方法用来识别脏器高密度影区域的纹理特征并不是其所特有的，其他组织的高密度影区域以及部分非高密度影区域也可以具有同样的纹理特征，这导致识别出的脏器高密度影区域存在较大的误差；(2)该方法用两种不同的方法分别识别细节保留比较好的脏器区域和脏器高密度影区域，两个区域之间会出现重叠和遗漏，它们会被传递到后期的拼接过程而产生总体误差，导致脏器边缘衔接不够自然且部分脏器丢失；(3)该方法进行纹理特征分析时会采用一些经验阈值，受CT检测设备差异、放射医生能力及熟练程度以及大量存在的非典型放射学表现的影响，这些经验阈值的选择存在一定的不确定性，这会降低该方法的适用性和可靠性。
技术实现思路
为了克服现有技术的不足，本专利技术人进行了锐意研究，提供了一种面向大面积高密度影CT图像的脏器分割方法及装置，充分挖掘和利用CT图像中的有用信息，通过尽可能多地保留高密度影中有意义的像素，改善了高密度影部分的识别效果，在此基础上，通过边缘局部去噪获得准确的脏器轮廓，进而实现脏器的准确分割，避免了传统方法中出现的位于高密度影中的脏器部分丢失、脏器分割不准确的问题，可以准确完整地分割出因大面积高密度影而导致局部细节显著损失的CT图像中的脏器，从而完成本专利技术。本专利技术的目的在于提供以下技术方案：第一方面，一种面向大面积高密度影CT图像的脏器分割方法，包括：S100，优化二值化阈值μ1，使采用该阈值进行二值化后，CT图像中目标脏器的高密度影区域中增加尽可能多的可识别的像素点，同时又尽可能避免其他组织的像素或噪音带来显著的干扰，此时，二值化后的高值区域的边缘位于脏器实际边缘附近；S200，基于S100中得到的优化的阈值μ1，对脏器所有CT图像进行二值化处理，产生脏器二值化图像组Plist1；S300，对脏器二值化图像组Plist1进行三维膨胀，只保留体素个数大于等于设定阈值υ的三维连通域，产生脏器膨胀图像组Plist2；其中，设定阈值υ为S100中，阈值μ1初始值下CT图像组中可识别的脏器三维连通域的大小或小于其的值，以可区分排除其他噪音产生的连通域为目标；S400，对脏器膨胀图像组Plist2进行三维收缩，产生脏器收缩图像组Plist3；其中，三维收缩的幅度大于三维膨胀的幅度；S500，将脏器膨胀图像组Plist2中的图像与脏器收缩图像组Plist3中对应的图像相减，再与脏器二值化图像组Plist1中对应的图像进行与运算，得到脏器边缘带图像组Plist4；S600，对脏器边缘带图像组Plist4中的图像去噪，产生脏器边缘轮廓图像组Plist5；S700，将脏器二值化图像组Plist1中的图像与脏器边缘带图像组Plist4中对应的图像相减，再与脏器边缘轮廓图像组Plist5中对应的图像叠加，产生准脏器掩码图像组Plist6；S800，检测准脏器掩码图像组Plist6中图像的脏器边缘，再对脏器边缘线内的区域进行填充，最后对脏器边缘进行平滑，由此产生脏器掩码图像组Plist7；S900，将脏器掩码图像组Plist7中的图像与对应的脏器CT原图进行与运算，得到脏器分割结果图像组Plist8；其中，脏器分割结果图像组Plist8中的图像即为脏器分割结果图。第二方面，一种面向大面积高密度影CT图像的脏器分割装置，用于实施第一方面所述的脏器分割方法，该装置包括：阈值优化模块，用于优化得到用于CT图像二值化的阈值；二值化模块，用于根据优化后的阈值μ1对脏器所有CT图像进行二值化处理，产生脏器二值化图像组Plist1；三维膨胀模块，用于对脏器二值化图像组Plist1进行三维膨胀，然后只保留体素个数大于等于设定阈值υ的三维连通域，产生脏器膨胀图像组Plist2；其中，设定阈值υ为阈值优化模块中，阈值μ1初始值下CT图像组中可识别的脏器三维连通域的大小或小于其的值，以可区分排除其他噪音产生的连通域为本文档来自技高网...

【技术保护点】
1.一种面向大面积高密度影CT图像的脏器分割方法，其特征在于，包括：/nS100，优化二值化阈值μ

【技术特征摘要】
1.一种面向大面积高密度影CT图像的脏器分割方法，其特征在于，包括：
S100，优化二值化阈值μ1，使采用该阈值进行二值化后，CT图像中高值区域的边缘位于脏器实际边缘附近；
S200，基于S100中得到的优化的阈值μ1，对脏器所有CT图像进行二值化处理，产生脏器二值化图像组Plist1；
S300，对脏器二值化图像组Plist1进行三维膨胀，只保留体素个数大于等于设定阈值υ的三维连通域，产生脏器膨胀图像组Plist2；其中，设定阈值υ为S100中，阈值μ1初始值下CT图像组中可识别的脏器三维连通域的大小或小于其的值，以可区分排除其他噪音产生的连通域为目标；
S400，对脏器膨胀图像组Plist2进行三维收缩，产生脏器收缩图像组Plist3；其中，三维收缩的幅度大于三维膨胀的幅度；
S500，将脏器膨胀图像组Plist2中的图像与脏器收缩图像组Plist3中对应的图像相减，再与脏器二值化图像组Plist1中对应的图像进行与运算，得到脏器边缘带图像组Plist4；
S600，对脏器边缘带图像组Plist4中的图像去噪，产生脏器边缘轮廓图像组Plist5；
S700，将脏器二值化图像组Plist1中的图像与脏器边缘带图像组Plist4中对应的图像相减，再与脏器边缘轮廓图像组Plist5中对应的图像叠加，产生准脏器掩码图像组Plist6；
S800，检测准脏器掩码图像组Plist6中图像的脏器边缘，再对脏器边缘线内的区域进行填充，最后对脏器边缘进行平滑，由此产生脏器掩码图像组Plist7；
S900，将脏器掩码图像组Plist7中的图像与对应的脏器CT原图进行与运算，得到脏器分割结果图像组Plist8；其中，脏器分割结果图像组Plist8中的图像即为脏器分割结果图。


2.根据权利要求1所述的方法，其特征在于，S100中二值化阈值μ1可以通过以下方式获得：
S110，将一次采集的二维图像全部导入，得到二维图像组，全部二维图像通过三维重建能够得到针对图像中目标的三维图像；
S120，设定分割阈值间隔ο，判别参量阈值ε；
S130，选择阈值搜索初始值μ0，该阈值搜索初始值μ0小于等于分割阈值；
S140，分别计算阈值μ0-2*ο、阈值μ0-ο和阈值μ0下分割出的前景区域体素总数量N，和/或分割出的体素总数量M，和/或分割出的非前景区域体素总数量L；
S150，基于S140中测定的参数设定判别参量β，该判别参量β用以衡量分割出的前景区域体素总数量N是否出现陡增；
S160，若判别参量β>判别参量阈值ε，则跳到S180；否则，继续S170；
S170，μ0←μ0+ο，返回S140；
S180，取当前β对应的阈值μ0，并输出μ0-ο，作为最佳阈值。


3.根据权利要求1所述的方法，其特征在于，在S200中，二值化处理后，脏器二值化图中脏器区域的灰度值设为一致且选自1～255，其他背景区域的灰度值设为0。


4.根据权利要求1所述的方法，其特征在于，在S300中，以宽度λ进行三维膨胀，宽度λ的选用标准包括：(a)在该宽度下进行三维膨胀，能够将脏器中的散点以及脏器边缘附近的散点，与脏器主体区域合并，以避免...

【专利技术属性】
技术研发人员：汪昌健，郭凌超，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：湖南;43