一种三维医学图像交互标注方法技术

本发明专利技术提出了一种三维医学图像交互标注方法，在少量标注的基础上，实时推理目标区域各层面的完整标注结果，当手工修正标注结果中某一层面时，本方法可同时修正其他标注层面。本方法将人工标注的稳定性和精确性与自动标注快速推理的高效性相结合，从而实现稳定高效的精确标注。的精确标注。的精确标注。

【技术实现步骤摘要】
一种三维医学图像交互标注方法


[0001]本申请属于医学图像信息处理、计算机辅助诊断领域，涉及一种三维医学图像交互标注方法。

技术介绍

[0002]医学图像标注是对医学图像中的目标区域(器官、病灶、肿瘤等)各像素进行标记，或对目标区域边界进行细致勾画，以区分目标区域与图像中的其他区域，从而便于计算目标区域的各类参数、结构信息，应用于临床诊断或模型构建等工作。常用的标注方法包括手工标注与自动标注。
[0003]手工标注方法借助医学图像分析软件中的笔形工具，对目标区域进行勾画，常用的医学图像标注软件包括MITK、ITK
‑
Snap、MIPAV。如图1所示，是使用ITK
‑
Snap进行病灶区域标注的结果。采用手工标注需逐像素逐层标注，费时费力，效率较低。
[0004]自动标注方法借助图像处理算法，包括阈值分割法、水平集算法、以及基于神经网络的U
‑
net分割模型等进行区域的自动标注。其优点在于人工干预少、标注速度快，效率较高。但是由于自动标注方法基于先验知识或前期收集的标注结果进行算法开发或模型构建，当出现噪声干扰或非典型病例时，这些自动标注方法的精度会受到极大影响，其自动标注结果依然需要大量人工修正。

技术实现思路

[0005]本专利技术公开了一种三维医学图像交互标注方法，包括以下步骤：
[0006]步骤一，初级标注；
[0007]步骤二，实时推理；
[0008]步骤三，完整标注结果；
[0009]步骤四，修复判断，给出图像完整标注结果。
[0010]进一步地，步骤一中初级标注生成若干层面上边界轮廓点集合P0＝{x1,x2,
…
,x
i
,
…
,x
n
}，所述初级标注无需逐像素逐层标注。
[0011]进一步地，步骤二中基于初级标注的完整标注结果实时推理包括利用所述轮廓点集合P0推理图像空间中的完整标注结果，即可得到三维图像每一层的标注结果，具体计算过程如下：完整标注结果可看作是P0所在的一个三维曲面S，将初始轮廓点集合P0设为原点，采用距离函数d定量描述图像空间中的所有点p到平面S的距离，距离函数d(p)定义如下：
[0012][0013]其中，p是图像空间中的所有像素点；n是给定轮廓点集合P0中点的数目；是高斯函数，ε用于调节高斯函数的平滑程度，ε可任意设置，ε越大则插值
平滑程度越大；‖p
‑
x
i
‖2代表p与P0中各点的欧式距离；是权重，即表征P0中各点x
i
(i＝1～n)对距离值的贡献程度，由于P0中的点必然位于曲面S上，d用于定量描述点到曲面S的距离，那么d(P0)＝0，则θ
i
可由公式计算得到：
[0014][0015]为了避免上式出现平凡解，即所有系数均为0的情况，随机对等式右侧加入轻微偏移d
i
＝0,0.1或
‑
0.1(i＝1～n)，由此，公式变为：
[0016][0017]由于上式为对称正定矩阵，可保证必然有解，且其求解可通过现有的任意矩阵计算工具实现，从而保证了计算的实时性。
[0018]在图像空间中，计算所有点的距离d(p)，满足d(p)＝0的图像空间点p的集合P1即为推理出的图像完整标注结果。
[0019]进一步地，步骤四中对完整标注结果进行判断，是否需要修复，当手工修正标注结果中某一层面时，再次标注生成边界轮廓点集合，并利用所述步骤二中的实时推理方法再次推导图像完整标注结果，即可同时修正其他标注层面，从而实时交互标注。
附图说明
[0020]图1所示是本专利技术的流程图；
[0021]图2所示为本专利技术
技术介绍
中逐像素逐层标注病灶区域。
具体实施方式
[0022]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，所描述的实施例仅仅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。
[0023]请参见图1
‑
2，本专利技术提供一种三维医学图像交互标注方法，包括以下步骤：
[0024]步骤一，初级标注；
[0025]步骤二，实时推理；
[0026]步骤三，完整标注结果；
[0027]步骤四，修复判断，给出图像完整标注结果。
[0028]进一步地，步骤一中初级标注生成若干层面上边界轮廓点集合P0＝{x1,x2,
…
,x
i
,
…
,x
n
}，所述初级标注无需逐像素逐层标注。
[0029]进一步地，步骤二中基于初级标注的完整标注结果实时推理包括利用所述轮廓点集合P0推理图像空间中的完整标注结果，即可得到三维图像每一层的标注结果，具体计算过程如下：完整标注结果可看作是P0所在的一个三维曲面S，将初始轮廓点集合P0设为原点，
采用距离函数d定量描述图像空间中的所有点p到平面S的距离，距离函数d(p)定义如下：
[0030][0031]其中，p是图像空间中的所有像素点；n是给定轮廓点集合P0中点的数目；是高斯函数，ε用于调节高斯函数的平滑程度，ε可任意设置，ε越大则插值平滑程度越大；‖p
‑
x
i
‖2代表p与P0中各点的欧式距离；是权重，即表征P0中各点x
i
(i＝1～n)对距离值的贡献程度，由于P0中的点必然位于曲面S上，d用于定量描述点到曲面S的距离，那么d(P0)＝0，则可由公式计算得到：
[0032][0033]为了避免上式出现平凡解，即所有系数均为0的情况，随机对等式右侧加入轻微偏移d
i
＝0,0.1或
‑
0.1(i＝1～n)，由此，公式变为：
[0034][0035]由于上式为对称正定矩阵，可保证必然有解，且其求解可通过现有的任意矩阵计算工具实现，从而保证了计算的实时性。
[0036]在图像空间中，计算所有点的距离d(p)，满足d(p)＝0的图像空间点p的集合P1即为推理出的图像完整标注结果。
[0037]步骤四中对完整标注结果进行判断，是否需要修复，当手工修正标注结果中某一层面时，再次标注生成边界轮廓点集合，并利用所述步骤二中的实时推理方法再次推导图像完整标注结果，即可同时修正其他标注层面，从而实时交互标注。
[0038]需要强调的是，本专利技术并不需要逐像素逐层标注，如图2所示，现有技术中使用ITK
‑
Snap进行病灶标注。用户使用软件逐像素、逐层勾画病灶区域，费时费力，效率较低。由于自动标注方法基于先验知识或前期收集的标注结果进行算法开发或模型构建，当出现噪声干扰或非典型病例时，这些自动标注方法的精度会受到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维医学图像交互标注方法，其特征在于，包括以下步骤：步骤一，初级标注；步骤二，实时推理；步骤三，完整标注结果；步骤四，修复判断，给出图像完整标注结果。2.根据权利要求1所述的一种三维医学图像交互标注方法，其特征在于，所述步骤一中初级标注生成若干层面上边界轮廓点集合P0＝{X1，X2，
…
，X
i
，
…
，X
n
}，所述初级标注无需逐像素逐层标注。3.根据权利要求2所述的一种三维医学图像交互标注方法，其特征在于，所述步骤二中基于初级标注的完整标注结果实时推理包括利用所述轮廓点集合P0推理图像空间中的完整标注结果，即可得到三维图像每一层的标注结果，具体计算过程如下：完整标注结果可看作是P0所在的一个三维曲面S，将初始轮廓点集合P0设为原点，采用距离函数d定量描述图像空间中的所有点p到平面S的距离，距离函数d(p)定义如下：其中，p是图像空间中的所有像素点；n是给定轮廓点集合P0中点的数目；是高斯函数，ε用于调节高斯函数的平滑程度，ε可任意设置，ε越大则插值平滑程度越大；||p
‑
x
i

【专利技术属性】
技术研发人员：夏威，张家意，高欣，
申请(专利权)人：苏州威融信息技术有限公司，
类型：发明
国别省市：