一种用于放射治疗计划系统的医学图像分割方法技术方案

本发明专利技术提出一种医学图像分割新方法，用于放射治疗计划（ＴＰＳ）制定前的图像预处理。对分割精度要求很高的部位，采用本发明专利技术提出的直方图水面下降互信息法进行分割。该方法模拟形态学流域概念，对图像直方图实施淹没后的水面下降法，计算原图像与分割后图像的互信息，寻求最大互信息值对应的阈值向量，据此完成图像分割。本发明专利技术还可与最大类间方差法结合进行图像分割。

【技术实现步骤摘要】

本专利技术涉及医学图像分割技术，属于医学图像处理领域，该方法特别适用于TPS放射治 疗计划系统。
技术介绍
放射治疗是目前医学界用于肿瘤治疗的主要手段之一，而且由于计算机技术，尤其是放 射治疗计划系统(TPS)在放射治疗中的应用，使放射治疗进入精确放疗年代。治疗计划系 统的应用，可以使得放射治疗做到精确定位、精确设计肿瘤靶区剂量分布，在提高肿瘤局部 控制率的同时，最大限度地限制正常组织的损伤，从而提高生存率。图像处理技术是TPS系统的核心内容和关键技术，对输入图像进行组织和器官的三维重 建，首先要对图像进行组织分割和提取。因此对肿瘤图像的精确分割直接影响到病变体三维 重建的准确度，以及后续放射治疗计划设计的精确度，在TPS系统中具有非常重要的基础作 用。精确的肿瘤图像分割可以使病变组织接受致死剂量的照射，而保证正常组织免受过多剂 量照射，做到精确放疗，使得放射治疗更加安全有效。近年来，医学图像处理领域的研究空前活跃，也取得了丰硕的研究成果。但是由于医学 图像的特殊性、临床病例的复杂多样性，目前还没有成熟的、通用的、可以直接使用的图像 分割方法的固定模式，只有针对临床实际和具体问题，才能选择合适的图像处理技术。在临 床中，病灶性质形态千差万别，而分割方法也多种多样，所以要根据病灶的图像特点以及分 割算法的性质来选择合适的分割方案。病灶区域与敏感组织轮廓的提取精度直接影响治疗效果。在很多情况下，病灶区域、敏 感组织、健康组织没有明显的界线，现有的图像自动分割方法提取的轮廓很难达到精确放射 治疗的要求，如果提取错误，更会造成严重后果。因此，在放射治疗计划系统中， 一般采用 人工分割的方法，在CT图像上手工勾画和编辑轮廓边缘，提取病灶和敏感组织的轮廓。根据分割算法适用性的不同，图像分割方法主要分为两大类 一类方法是基于区域的分 割方法，通常利用同一区域内的均匀性识别图像中的不同区域；另一类方法是基于边缘的分 割方法，通常利用图像间不同性质，如区域内灰度不连续性，划分出各个区域之间的分界线。阈值法是一种传统的图像分割方法，它特别适用于目标和背景占据不同灰度级范围的图 像，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技 术。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一 个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。阈值法主要有双峰法、迭代法、最大类间方差法、熵方法等，在上述阈值选取方法中， 存在的不足是它们实际上只考虑了直方图提供的灰度级信息，而忽略了图像的空间位置细 节，对噪声和灰度不均匀很敏感；另一方面，完全不同的两幅图像却可以有相同的直方图， 所以即使对于峰谷明显的情况，这些方法也不能保证得到合理的阈值。互信息作为一种图像相似性测度，被应用于图像处理领域。对于两幅医学图像，可以认 为它们是关于图像灰度的两个随机变量集浮动图像A和参考图像B，两幅图像中相关的体素 灰度值表示为a和b，它们通过坐标变换相联系。 图像A的熵定义为，)=-I> i。gj^(。) (1)两幅图像A、 B的联合熵定义为(j， B) = —Z p朋(a, 6) log (a, &) p)o，6当^^)和A^)分别代表图像A,B的边缘概率分布时，A，"^)是联合概率分布。两幅图像的互信息为/(X 5) = + -//(A 5) (3) 由Kullback-Leibler距离定义为,)=^"争g d (4) 又有学者提出了归一化互信息(5)互信息在图像处理领域己用于两幅图像间的配准，极大地提高了配准精度。经验证，图 像分割越精确，分割后图像与原图像之间互信息值越大，因此可将互信息作为图像分割的一 种测度，提高分割精确度。现有的将互信息理论应用于图像分割的方法，将其作为一种测度， 与聚类法、区域分割法等结合，取得了不错的效果。但是这些方法在精确度方面并不能满足 TPS系统中分割精度的要求，仍然有待改进。由于当前TPS系统中的图像分割方法很多时候并不能满足治疗计划制定的需要，本专利技术 提出一种新的图像分割方法。
技术实现思路
本专利技术的目的是提供一种更为精确的医学图像分割方法，使TPS系统中的图像分割更加 精确，从而使得放射治疗更加安全有效。本专利技术提出一种医学图像分割新方法，用于TPS系统放射治疗计划制定前的图像分割预 处理，其特征在于输入待分割医学图像，根据分割要求，由粗到细分别选择不同分割算法; 对分割精度要求很高的部位采用直方图水面下降互信息法。按照优选实施方式，所述由粗到细分别选择不同分割算法，指根据分割精度的要求，在 待分割图像上选择需要不同分割方法的区域，对精度要求不高且直方图峰谷明显的部位采用 双峰法、迭代法等简单快速的分割方法，对分割精度要求很高的部位采用直方图水面下降互 信息法。所述直方图水面下降互信息法指将互信息作为最优阈值测度，模拟形态学流域算法，将 图像直方图看作是一座山坡的切面图，直方图上的峰点视为山脊，谷点则认为是山谷。假设 该山坡被浸入湖泊，所有山脊都被水面淹没，缓慢下降水面，最高的山峰将最先露出水面， 将它作为第一个目标物体，并为它构造一个阈值向量T，随着水面继续下降，判断每个露出 的点属于该目标物体或者新目标，修改阈值向量T，随着变换的进行，计算原图像与根据阈 值向量T所分割得到的图像间互信息，直到找到最大互信息，此时所得图像即为最佳分割图 像。该方法包括以下步骤a) 求取图像直方图，平滑直方图，寻找直方图最高点Highpoint,阈值向量T赋零值；b) 从Highpoint开始下降，并将该点所对应灰度值标记为第一个目标；c) 继续下降，判断下一个露出水面的点所对应灰度值是否属于上一个目标，如果该点与 己露出水面的点相邻或小于给定尺度A，则归为同一目标，否则标记为新目标；d) 计算互信息分别将对应每个目标的最大和最小灰度值作为阈值分割图像，并计算分 割后图像与原图像的互信息；e) 求得最佳分割阈值向量将每次所得互信息与上一结果比较，如果互信息值增大，则 将该灰度值记为对应该目标的最大或最小阈值，写入阈值向量T，直到水面下降到最低，所 得向量T即为最佳分割阈值向量T;f) 根据阈值向量T分割原图像，得到最佳分割图像。直方图水面下降互信息法对边界模糊目标单一的图像进行分割时，相对于传统阈值分割 方法可得到更为精确的分割结果，但是该算法计算量相对较大，因此只适合截取出的小区域图像。使用最大类间方差法进行分割时所得阈值较为理想，而且计算量小，速度快，可实现 实时要求，但是当目标物与背景灰度差不明显时，不能得到满意的结果。为使结果更为精确，对直方图水面下降互信息法进行改进。改进方法是首先用最大类 间方差法求得阈值向量To，然后在To决定的小范围灰度级内进行最大互信息分割，寻求更优阈值T 。具体方法如下a) 根据多阈值分割策略，应用最大类间方差法求得阈值向量To;b) 在图像直方图上，由阈值向量To中元素灰度值所对应最高点处，沿纵轴上升d距离到达A高度处；c) 在A高度处应用HIST—MI方法，下降水面，i十算互信息，得到最优阈值向量T;d本文档来自技高网...

【技术保护点】
一种用于ＴＰＳ系统的医学图像分割新方法，包括由粗到细分别选择不同分割算法，其特征在于：对图像中分割精度要求很高的部位采用直方图水面下降互信息法。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘常春，徐延霞，杨静，胡顺波，程孝国，杨金宝，邵鹏，
申请(专利权)人：山东大学，
类型：发明
国别省市：88[中国|济南]