医学超声影像三维目标对象的分割方法技术

本发明专利技术实施例公开了一种医学超声影像三维目标对象的分割方法，为解决现有技术分割精度不高，或者时间性能不够理想，或者自动化程度较低的问题而发明专利技术。所述医学超声影像三维目标对象的分割方法，包括：对包含所述医学超声影像三维目标对象的原始散乱的医学超声影像数据进行重组重排，得到规则体数据集；对所述规则体数据集进行基于轮廓线的分割。在所述基于轮廓线的分割中，引入了关键帧与中间帧的概念，应用了拓扑自适应形变模型和基于形状的插值，能够快速而准确地获得所述医学超声影像三维目标对象的轮廓。本发明专利技术不仅适用于医学超声影像三维目标对象的分割，也适用于ＣＴ、ＭＲＩ等医学图像序列三维目标对象的分割。

【技术实现步骤摘要】

本专利技术涉及医学超声影像分析与处理
，尤其涉及一种医学超声影像三维 目标对象的分割方法。
技术介绍
在医学超声影像分析与处理
中，三维目标对象的分割有着重要的临床应 用价值。但由于医学超声成像机制的约束，影像的信噪比、空间分辨率和对比度等技术性能 指标不够理想，使得其中三维目标对象的分割较为困难。现有的分割方法主要有手工标定 边界的方法、基于区域增长的方法和基于传统活动轮廓模型的方法等。其中，手工标定边界的分割方法在分割过程中需要操作人员在每帧图像中描绘出 待分割目标对象的边缘，在整个过程中都需要人工操作、缺乏自动化，检测结果受操作人员 主观因素影响较大。基于区域增长的分割方法必须设置种子点，算法执行速度慢，缺少通用 的收敛准则，且种子点以及收敛准则的选取对结果有很大的影响。基于传统活动轮廓模型 的分割方法可以在较少人工干预下实现三维目标对象分割，但是这种方法对复杂拓扑结构 的处理能力较弱，分割效果和分割精度等性能指标很难满足临床应用需求。在实现本专利技术的过程中，专利技术人发现现有技术中至少存在如下问题现有的，分割精度和自动化程度较低，时 间性能较差。
技术实现思路
本专利技术的实施例提供一种，具有较高的分 割精度和自动化程度，时间性能良好。为达到上述目的，本专利技术的实施例采用如下技术方案一种，包括对原始散乱的图像数据进行重组重排，得到规则体数据集，所述原始散乱的图像 数据为包含所述医学超声影像三维目标对象的原始医学超声影像数据；对所述规则体数据集进行基于轮廓线的分割。本专利技术实施例提供的，首先对包含所述医 学超声影像三维目标对象的原始医学超声影像数据进行重组重排，得到规则体数据集，然 后对所述规则体数据集进行基于轮廓线的分割。在所述基于轮廓线的分割中，引入了关键 帧与中间帧的概念，应用了拓扑自适应形变模型和基于形状的插值，能够快速而准确地获 得所述医学超声影像三维目标对象的轮廓。与现有技术相比，整个分割过程具有较高的分 割精度和一定的自动化程度，且具有较好的时间性能。附图说明图1为本专利技术实施例提供的流程图2为本专利技术实施例提供的中T-Snake模 型节点外力法线矢量方向的确定示意图；图3为本专利技术实施例提供的中T-Snake模 型节点外力法线矢量方向的确定示意图；图4为本专利技术实施例提供的中T-Snake模 型节点位置更新示意图；图5为本专利技术实施例提供的中更新后的 节点示意图。具体实施例方式本专利技术的实施例提供一种。为使本专利技术技术方案的优点更加清楚，下面结合附图和实施例对本专利技术作详细说 明。如图1所示，所述包括S101、对原始散乱的图像数据进行重组重排，得到规则体数据集。所述原始散乱的图像数据为包含所述医学超声影像三维目标对象的原始医学超 声影像数据，所述原始医学超声影像数据的空间相对位置没有规律，是散乱、不规则的数据 集。通过对所述原始散乱的图像数据进行重组重排处理，使所述包含三维目标对象的原始 医学超声影像数据填充到正方体组成的规则的三维网格点上，形成规则体数据集。在本实 施例中，所述重组重排处理具体为插值平滑处理，其中，所述插值平滑处理包括体素最近临 域插值平滑、像素最近临域插值平滑和距离加权插值平滑等方法。S102、在所述规则体数据集中选择若干关键帧。其中，在步骤SlOl中得到的规则体数据集中，提取等间距的二维平行图像序列 帧，各二维平行图像序列帧上的人体组织器官轮廓形状是连续变化而不是突变的，所述二 维平行图像序列帧包括一个以上的序列帧段，各序列帧段的首、尾两帧为关键帧。其中，所 述关键帧可以进一步结合医师的临床经验以及人体组织器官的解剖结构特征进行选择。S103、基于 T-Snake 模型(Topologically Adaptable Snakes，拓扑自适应形变模 型)在所述关键帧上提取所述医学超声影像三维目标对象的轮廓。这里，所述T-Snake模 型是对传统的T-Snake模型的一种改进。所述在所述关键帧上提取所述医学超声影像三维目标对象的轮廓的具体实现过 程如下S103a、进行图像空间的三角形网格划分；初始化所述T-Snake模型为一条具有任 意形状的闭合曲线，在本实施例中，所述T-Snake模型初始化为一个圆，所述T-Snake模型 与上述三角形网格的交点为所述T-Snake模型的初始节点。其中，所述T-Snake模型是一个拓扑可变的形变模型，对于复杂拓扑结构的处理 和适应能力较强，定义为由N个节点连接而成的闭合轮廓，所述N为正整数，且N >2，其中， 第i(i=0，…，N-1)个节点的运动方程为Yi x^t) + aat (t) + bpt (0 = ρ, (t) + Ji (t)式中，= 乃⑴]为第i个节点的位置函数，无⑴为第i个节点的运动速 度，Yi为阻尼系数。其中，方程左边后两项统称为所述T-Snake模型的内部能量，包括拉伸力⑴和弯 曲力及⑴，其中，孓⑴为第i个节点处的拉伸力，及(0为第i个节点处的弯曲力；参数a控制 着拉伸力的强度，参数b控制着弯曲力的强度，内部能量是模型的平滑性约束条件。方程右 边两项统称为所述T-Snake模型的外部能量，包括膨胀力戎(0和基于图像梯度特征的外力 lit)。膨胀力戎⑴的方向称作节点的外力的法线矢量方向，为所述T-Snake模型的节点的 移动方向；基于图像梯度特征的外力可以使模型收敛于有效边缘。假定节点的运动没 有惯性，则当T-Snake模型的内部能量和外部能量达到平衡状态时，节点的运动速度变为 零，而处于能量平衡状态的节点即为图像中的轮廓点。 传统的T-Snake模型在应用时存在一些缺点在模型形变演化过程中，若相邻三 个节点的间距较大，进行微分计算求内力时会产生较大的误差，并且会出现节点自交现象， 导致模型收敛于不正确的边缘或轮廓上；而且，外力法线矢量的方向会直接影响到传统 T-Snake模型的形变演化态势，极端情况下也会导致模型收敛于不正确的边缘或轮廓上。为了确保基于轮廓线的三维目标对象分割的准确性，本专利技术实施例提出了一种改 进的T-Snake模型，所述改进包括(1)内力的计算传统T-Snake模型的内部能量结构中，拉伸力与弯曲力的计算公式分别如下at (t) = Ixi (0 - Xi^ (0 - Xm (0Pi it) = Iai (t) - (0 - (0式中，元(i) = 为第i个节点的位置函数，5,(0为第i个节点处的拉伸力，是第i个节点位置函数无二阶导数的离散近似；及(0为第i个节点处的弯曲力，是第 i个节点位置函数乓(0四阶导数的离散近似。由计算方法理论知，数值精度要求高的微分近似计算需要中心节点与其相邻节点 的距离应近似相等；而对于不相等的情况，应该将节点间的距离作归一化处理，因此，本发 明实施例提供了改进的拉伸力与弯曲力的计算公式OLi (0 = (x. (J) - xt_x (0) / dx - (xi+] (0 - Xi (0) / d2Pt (t) = (a, (0 - (O) / d、- (ccm (t) - a, (0)丨 d2式中，元⑴=为第i个节点的位置函数，为第i个节点处的拉伸 力，及( )为第i个节点处的弯曲力汍为第i个节点与第i-1个节点之间的距离，d2为第i+1 个节点与第i个节点本文档来自技高网...

【技术保护点】
一种医学超声影像三维目标对象的分割方法，其特征在于，包括：对原始散乱的图像数据进行重组重排，得到规则体数据集，所述原始散乱的图像数据为包含所述医学超声影像三维目标对象的原始医学超声影像数据；对所述规则体数据集进行基于轮廓线的分割。

【技术特征摘要】

【专利技术属性】
技术研发人员：孙丰荣，王文明，王丽梅，刘炜，刘志刚，刘庆江，梅良模，
申请(专利权)人：海信集团有限公司，山东大学，
类型：发明
国别省市：95[中国|青岛]