基于分块区域生长法的CT脑实质分割系统、方法及装置制造方法及图纸

本发明专利技术公开了一种基于分块区域生长法的CT脑实质分割系统，包括：预处理模块、粗分割模块、脑实质提取模块和后处理模块，预处理模块用于对原始三维CT影像数据进行预处理得到预处理后的数据；粗分割模块采用阈值分割法对预处理后的数据进行分割得到前景和初始颅骨部分，采用二值形态学对初始颅骨部分进行处理得到脑实质掩膜；脑实质提取模块用于从脑实质掩膜中获取脑实质区域的种子点，通过三维区域生长算法分块循环分割得到全脑实质掩膜；所述后处理模块用全脑实质掩膜减去初始颅骨部分得到最终脑实质分割结果。本发明专利技术将分块的思想用在区域生长分割方法上，实现了脑实质的快速稳定分割。

【技术实现步骤摘要】
基于分块区域生长法的CT脑实质分割系统、方法及装置
本专利技术涉及颅脑CT影像处理
，具体涉及一种基于分块区域生长法的CT脑实质分割系统、方法、装置及介质。
技术介绍
自动颅骨剥离或脑提取是在放射学图像上分离脑组织的过程。这项技术已成为神经影像学研究中一种有价值的图像处理工具。有关用于磁共振成像(MRI)的脑提取工具的文献已经很成熟，FMRIB软件库(FSL)中的脑提取工具(BET)是一种可靠且经验证的脑提取工具。然而，在有关计算机断层扫描(CT)大脑提取的研究中存在空白。尤其令人痛心的是，与磁共振成像相比，CT在中风患者诊断和治疗的临床实践中得到了更广泛的应用。CT图像后处理是非对比CT(NCCT)、CT血管造影(CTA)、自动化阿尔伯塔中风项目早期CT评分(ASPECTS)评分等缺血性中风病变和出血分割的必要步骤，一个经过验证和自动化的脑提取工具对于CT成像将是非常有价值的研究和临床实践。为了利用CT图像，已经对BET进行了调整，但是这些方法还没有按照手工分割的黄金标准进行验证。Mandell等人开发了一种用于CT图像的大脑提取方法，该方法经过验证；然而，该方法并非完全自动化。Muschelli等人开发了一种基于BET的自动化和有效的CT图像大脑提取方法，取得了成功的结果。然而，这种方法的算法被发现依赖于参数(分数强度(FI))，并且仅在NCCT上得到验证，而在CTA图像上没有得到验证。近年来，基于卷积神经网络(CNN)的深度学习技术被应用于这一领域，取得了很好的效果。然而，该方法仅在22张NCCT图像上得到验证，在CTA图像上没有结果报道。此外，与任何其他基于深度学习的分割方法一样，它需要大量适当标记的训练图像，这是时间和劳动密集型的。
技术实现思路
针对现有技术中的缺陷，本专利技术实施例提供一种基于分块区域生长法的CT脑实质分割系统、方法、装置及介质，将分块的思想用在区域生长分割方法上，实现脑实质快速、稳定分割。第一方面，本专利技术实施例提供的一种基于分块区域生长法的CT脑实质分割系统，包括：预处理模块、粗分割模块、脑实质提取模块和后处理模块，所述预处理模块用于对原始三维CT影像数据进行预处理得到预处理后的数据；所述粗分割模块采用阈值分割法对预处理后的数据进行分割得到前景和初始颅骨部分，采用二值形态学对初始颅骨部分进行处理得到脑实质掩膜；所述脑实质提取模块用于从脑实质掩膜中获取脑实质区域的种子点，通过三维区域生长算法分块循环分割得到全脑实质掩膜；所述后处理模块用全脑实质掩膜减去初始颅骨部分得到最终脑实质分割结果。第二方面，本专利技术实施例提供的一种基于分块区域生长法的CT脑实质分割方法，包括以下步骤：对原始三维CT影像数据进行预处理得到处理后的数据；采用阈值分割法对预处理后的数据进行分割得到前景和初始颅骨部分，采用二值形态学对初始颅骨部分进行处理得到脑实质掩膜；从脑实质掩膜中获取脑实质区域的种子点，通过三维区域生长算法分块循环分割得到全脑实质掩膜；用全脑实质掩膜减去初始颅骨部分得到最终脑实质分割结果。第三方面，本专利技术实施例提供的一种CT脑实质分割装置，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。第四方面，本专利技术实施例提供的一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。本专利技术的有益效果：本专利技术实施例提供的一种基于分块区域生长法的CT脑实质分割系统、方法、装置及介质，对原始三维CT影像数据进行预处理，减小组织间的差异，然后进行前景、颅骨、脑组织的粗分割，在粗分割的结果中选取种子点，分块循环获取各块的脑组织。本实施例将分块的思想用在区域生长分割方法上，实现了脑实质的快速稳定分割。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1示出了本专利技术第一实施例所提供的一种基于分块区域生长法的CT脑实质分割系统的结构框图；图2示出了第一实施例中的原始三维CT影像图；图3示出了第一实施例中的预处理后的影像图；图4示出了第一实施例中颅骨与前景分割图；图5示出了第一实施例中的脑组织粗分割图；图6示出了第一实施例中的脑组织截面面积曲线图；图7示出了第一实施例中的分块循环区域生长方法的示意图；图8示出了第一实施例中的最终的脑实质分割结果图；图9示出了本专利技术第二实施例所提供的一种基于分块区域生长法的CT脑实质分割方法的流程图；图10示出了本专利技术第三实施例所提供的一种CT脑实质分割装置的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。如图1所示，示出了本专利技术第一实施例所提供的一种基于分块区域生长法的CT脑实质分割系统的结构框图，该系统包括：预处理模块、粗分割模块、脑实质提取模块和后处理模块，所述预处理模块用于对原始三维CT影像数据进行预处理得到预处理后的数据；所述粗分割模块采用阈值分割法对预处本文档来自技高网...

【技术保护点】
1.一种基于分块区域生长法的CT脑实质分割系统，其特征在于，包括：预处理模块、粗分割模块、脑实质提取模块和后处理模块，/n所述预处理模块用于对原始三维CT影像数据进行预处理，得到预处理后的数据；/n所述粗分割模块采用阈值分割法对预处理后的数据进行分割得到前景和初始颅骨部分，采用二值形态学对初始颅骨部分进行处理得到脑实质掩膜；/n所述脑实质提取模块用于从脑实质掩膜中获取脑实质区域的种子点，通过三维区域生长算法分块循环分割得到全脑实质掩膜；/n所述后处理模块用全脑实质掩膜减去初始颅骨部分得到最终脑实质分割结果。/n

【技术特征摘要】
1.一种基于分块区域生长法的CT脑实质分割系统，其特征在于，包括：预处理模块、粗分割模块、脑实质提取模块和后处理模块，
所述预处理模块用于对原始三维CT影像数据进行预处理，得到预处理后的数据；
所述粗分割模块采用阈值分割法对预处理后的数据进行分割得到前景和初始颅骨部分，采用二值形态学对初始颅骨部分进行处理得到脑实质掩膜；
所述脑实质提取模块用于从脑实质掩膜中获取脑实质区域的种子点，通过三维区域生长算法分块循环分割得到全脑实质掩膜；
所述后处理模块用全脑实质掩膜减去初始颅骨部分得到最终脑实质分割结果。


2.根据权利要求1所述的系统，其特征在于，所述粗分割模块包括颅骨与前景分割单元，所述颅骨与前景分割单元设置分割阈值大于第一阈值得到初始颅骨部分，设置分割阈值大于第二阈值得到前景。


3.根据权利要求2所述的系统，其特征在于，所述粗分割模块包括脑组织粗分割单元，所述脑组织粗分割单元对初始颅骨进行二值形态学膨胀操作得到颅骨膨胀部分，将前景减去颅骨膨胀部分得到初始组织部分，对初始组织部分进行二值形态学开操作，得到脑组织粗分割部分，计算脑组织粗分割部分的每一层求最大连通分量，并统计对应的像素点数得到面积，得到脑实质掩膜。


4.根据权利要求3所述的系统，其特征在于，所述脑实质提取模块包括区域生长分割单元，所述区域生长分割单元根据统计得到的每层最大连通分量的面积曲线，找到面积最大层的序号，以面积最大层的最大连通分量的几何中心作为初始种子点，对预处理后的图像以最大层为中间层，上下各取设定层数得到三维数据块，利用选好的种子点，设置第三阈值进行区域生长分割得到脑模板块，将中间层分别向上向下移动，每一次都能得到多个的分割结果，将所有结果进行并运算，得到全脑实质掩膜。


5.一种基于分块区域生长法的CT脑实质分割方法，其特征在于，包括以下步骤：
对原始三维CT影像数据进行预处理得到处理后的数据；
采用阈值分割法对预处理后的数据进行分割得到前景和初始颅骨部分，采用二值形态学...

【专利技术属性】
技术研发人员：王思伦，周竞宇，肖焕辉，
申请(专利权)人：深圳市铱硙医疗科技有限公司，
类型：发明
国别省市：广东;44