【技术实现步骤摘要】
本专利技术属于医学图像处理，涉及到一种基于主动轮廓模型的三维目标对象分割方法。
技术介绍
1、在过去的近三十年里，医学成像技术取得了巨大的发展，使得人们能够在空间和时间上获取人体结构和组织功能的图像。医学成像技术的出现使得研究人员和医生能够在非接触的情况下获取病人潜在的疾病信息。然而，由于医学图像具有特殊的成像过程和图像特性，因此需要特定的图像处理方法。
2、医学影像数据通常是三维的，例如ct(计算机断层扫描)和mri(磁共振成像)和oct(光学相干断层成像)。医学影像一直以来都是医学领域的重要分支，它为医生提供了关于病人组织器官的信息，三维医学影像分割是指对医学影像中的感兴趣目标区域进行自动或半自动地分割和提取。医学影像分割在医学领域中具有重要的应用价值，可以用于疾病诊断、手术规划、治疗监测等方面。
3、医学图像具有复杂性和多样性等特点，并且具有一定的噪音，图像中器官的边缘也会有局部的不清晰，这使得医学图像中三维目标对象的提取比较困难。目前常用的几种方法有深度学习方法，可以实现对医学影像的自动分割，但需要大量的标注数据进行训练；区域生长方法，基于种子点，通过合并与种子点相似的像素，逐步扩展区域，这种方法对边缘清晰且区域内灰度一致的图像效果较好；基于阈值的分割方法，根据像素灰度值的阈值，将图像分割为目标和背景。这种方法简单快速，但在处理复杂的图像中可能无法准确分割目标。
4、现有的图像分割方法均存在不同方面的不足之处。
技术实现思路
1、为解决上
2、具体方案如下：
3、一种基于主动轮廓模型的三维目标对象分割方法，包括：
4、步骤1：获取原始三维医学图像数据；
5、步骤2：选择三维目标区域内部的一个点作为目标种子点；
6、步骤3：基于球形扩散模型寻找初始三维轮廓点集；
7、步骤4：将初始三维轮廓点集映射到两个垂直的平面集合；
8、步骤5：对二维平面采用主动轮廓模型进行区域分割；
9、步骤6：集成所有二维区域分割结果得到三维分割结果。
10、进一步地，所述步骤1中三维医学图像数据为任意常规三维医学图像，如ct/mr/oct等。
11、进一步地，所述步骤2中选择三维目标区域内部的一个点作为目标种子点，该点应为三维目标区域内部靠近中心的一个点。
12、进一步地，所述步骤3中基于球形扩散模型寻找初始三维轮廓点集，具体方法为：
13、步骤3.1：以步骤2中的目标种子点为中心，使用球面的方式往外发射射线集；
14、步骤3.2：获取每根射线对应的图像体素集合，得到一维数据；
15、步骤3.3：对步骤3.2中的一维数据进行滤波；
16、步骤3.4：对步骤3.3中滤波后的一维数据进行梯度检测，得到一维数据边界点，并记录梯度数值；
17、步骤3.5：求得所有球面射线边界点，形成三维目标区域的初始轮廓点集。
18、进一步地，所述步骤4中将初始三维轮廓映射到两个垂直的平面集合，具体方法为：
19、步骤4.1：将三维轮廓点集坐标进行向下取整；
20、步骤4.2：将取整后的点集，求得包围盒，
21、用(minx,maxx,miny,maxy,minz,maxz)表示；
22、步骤4.3：沿x轴方向展开，得到系列平面点集，即平面上所有点的x值相同；
23、步骤4.4：沿y轴方向展开，得到系列平面点集，即平面上所有点的y值相同；
24、步骤4.5：对两个平面集合中的点集按照梯度分布，过滤噪声数据；
25、步骤4.6：对滤波后的平面点集进行曲线拟合，得到的曲线即为当前平面区域分割初始轮廓；
26、步骤4.7：对所有平面按照步骤4.6中方式，得到三维目标区域所有初始轮廓。
27、进一步地，所述步骤5中对二维平面采用主动轮廓模型进行区域分割，主动轮廓算法基于曲线演化的思想，通过自动寻找图像中感兴趣区域的边界来实现分割；具体方法为：
28、步骤5.1：初始化轮廓，获取步骤4中获取得到的某个平面的初始轮廓；
29、步骤5.2：定义能量函数，能量函数一般包括内部能量和外部能量，以曲率能量项作为内部能量函数；外部能量函数为基于图像梯度的能量项；
30、步骤5.3：优化能量函数，通过迭代的方式优化能量函数，调整轮廓的形状；迭代过程中，根据能量函数的最小值来更新轮廓的位置；
31、步骤5.4：定义停止条件，定义迭代停止的条件，如迭代次数达到阈值、轮廓收敛或能量函数的变化小于某个阈值等。
32、进一步地，所述步骤6中集成所有二维区域分割结果得到三维分割结果，具体为将步骤5中所有平面分割得到的结果求并集，得到的结果即为三维目标区域的分割结果。
33、本专利技术的有益效果在于：应用本专利技术的技术方案，可以方便、快捷分割三维目标对象，且保证其精确度，以帮助用户更好地分割、提取三维结果，并进行后续分析。且此方法适用性广，不局限于三维医学图像，同样也适用于其他类型三维图像。
本文档来自技高网...【技术保护点】
1.一种基于主动轮廓模型的三维目标对象分割方法，其特征在于，包括：
2.根据权利要求1所述的一种基于主动轮廓模型的三维目标对象分割方法，其特征在于，所述步骤1中三维医学图像数据为任意常规三维医学图像。
3.根据权利要求2所述的一种基于主动轮廓模型的三维目标对象分割方法，其特征在于，所述步骤2中选择三维目标区域内部的一个点作为目标种子点，该点为三维目标区域内部靠近中心的一个点。
4.根据权利要求3所述的一种基于主动轮廓模型的三维目标对象分割方法，其特征在于，所述步骤3中基于球形扩散模型寻找初始三维轮廓点集，具体方法为：
5.根据权利要求4所述的一种基于主动轮廓模型的三维目标对象分割方法，其特征在于，所述步骤4中将初始三维轮廓映射到两个垂直的平面集合，具体方法为：
6.根据权利要求5所述的一种基于主动轮廓模型的三维目标对象分割方法，其特征在于，所述步骤5中对二维平面采用主动轮廓模型进行区域分割，主动轮廓算法基于曲线演化的思想，通过自动寻找图像中感兴趣区域的边界来实现分割；具体方法为：
7.根据权利要求6所述的一种
...【技术特征摘要】
1.一种基于主动轮廓模型的三维目标对象分割方法，其特征在于，包括：
2.根据权利要求1所述的一种基于主动轮廓模型的三维目标对象分割方法，其特征在于，所述步骤1中三维医学图像数据为任意常规三维医学图像。
3.根据权利要求2所述的一种基于主动轮廓模型的三维目标对象分割方法，其特征在于，所述步骤2中选择三维目标区域内部的一个点作为目标种子点，该点为三维目标区域内部靠近中心的一个点。
4.根据权利要求3所述的一种基于主动轮廓模型的三维目标对象分割方法，其特征在于，所述步骤3中基于球形扩散模型寻找初始三维轮廓点集，具体方法为：
5.根据权利要求4所...
【专利技术属性】
技术研发人员：曾智敏，黄山云，程浩，赵猛，陈鹤，陈国中，
申请(专利权)人：南京筑卫医学科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。