一种基于图论的三维医学图像的分割方法技术

本发明专利技术公开了一种基于图论的三维医学图像的分割方法，其特征在于，包括下述步骤：（1）、使用双边滤波模型，去除三维医学图像中的斑点噪声；（2）、建立三维图像到三维图的映射，统计顶点之间的邻接关系以及计算连接两个顶点的边的权重；（3）、对图中各个边的权重进行非递增的排序，保证最后生成的每一棵树都是最小生成树；（4）、定义区域对比较准则，用以统计两个区域的体素灰度的统计信息差异和两个区域内部各自的内部体素灰度差异统计信息；（5）、对图中排序后的所有边进行遍历，以区域对比较准则作为判断准则，符合的话进行融合，每个区域对应一棵最小生成树，最后形成一个森林。本发明专利技术提高了三维医学图像分割中提取的感兴趣区域的准确性，同时对图像中固有的斑点噪声和弱边界有鲁棒性。

【技术实现步骤摘要】

本专利技术涉及计算机入住医学图像处理
，特别涉及。
技术介绍
医学图像处理和分析是医学影像的关键组成部分，对医学科研及临床实践的作用影响日益增大，其结果使临床医生对人体内部病变部位的观察更直接、更清晰，确诊率也更高。从图像中将感兴趣区域分离出来是图像分析和识别是首先需要解决的问题，其制约着图像处理中其它相关技术的发展和应用，针对这个问题，人们提出了图像分割技术。它是指根据图像的像素特征把图像划分成为一系列彼此互不交叠的匀质区域，并提取出感兴趣目标区域的技术和过程。三维医学图像分割技术是三维医学图像处理和分析中的重要技术，由于人体组织回声的特性各异，医学图像中不可避免地存在噪声和弱、假边界问题，图像质 量可能不高，因此三维医学图像分割是超声图像处理领域的经典难题。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种可有效解决过分割和欠分割的三维医学图像的分割方法。为了达到上述目的，本专利技术采用以下技术方案本专利技术，包括下述步骤(I)、使用双边滤波模型，去除医学图像中的斑点噪声；(2)、建立三维图像到三维图的映射，统计顶点之间的邻接关系以及计算连接两个顶点的边的权重；(3)、对图中各个边的权重进行非递增的排序，保证最后生成的每一棵树都是最小生成树；(4)、定义区域对比较准则，用以统计两个区域的体素灰度的统计信息差异和两个区域内部各自的内部体素灰度差异统计信息；(5)、对图中排序后的所有边进行遍历，以区域对比较准则作为判断准则，符合的话进行融合，每个区域对应一棵最小生成树，最后形成一个森林。优选的，步骤(2)具体为，建立图像到图G= (V，E)的映射，其中G代表图，V代表顶点集，E代表边集，统计顶点之间的邻接关系以及计算连接两个顶点的边的权重，此处将每个体素看成图像中的一个顶点，将每个体素与其26邻域相连接，得到图的边，边的权值是相应的两个体素点Vi和\的体素值差异，即灰度差，用I (Vi)表示顶点Vi的强度，即此处的灰度，灰度差的表达式如下所示Wij=Il(Vi)-I(Vj)U优选的，步骤(4)中，定义区域对比准则具体为用以对两个区域的相似程度进行评估，根据各体素点灰度的统计信息差异与两个区域内部各自的内部体素灰度差异统计信息进行比较，决定是否融合这两个区域，在图G中，会定义区域间差异、区域内部差异和区域对最内部差异；首先，区域间差异对与任意两个区域GGeF,它们之间的区域差是它们灰度均值的差值，表达式如下Dif(C11C2) = I μ (C1)-U (C2)其次，区域内部差异对与任意区域feK，其内部方差被定义为它的最小生成树的标准方差，表达式为Int(C) = O (C)最后，区域对最小内部差异 Mint (C1, C2) =min (Int (C1) + τ (C1), Int (C2) + τ (C2))其中τ (.)是门限函数，定义如下 ,-a k r η)-7—τ' I H--\( I V α)其中k和α是两个正参数，I C|表示区域C的大小，即该区域所含的体素总数，可通过调整k、α调整图像的分割程度。优选的，所述区域间差异、区域内部差异以及区域对最小内部差异可得到区域对比较准则，用于判断分割过程中相邻的两个区域C1和C2是否融合，其中ClsC2 G F，定义如下 ,，、( true.!)((^(,)^ \. ;1 ■— false.other当区域间差异大于区域对最小内部差异即D (C1, C2)为真时，区域C1和C2不融合，反之则将这两个区域合并。优选的，步骤(5)中，在融合之前，将每个顶点看作为一个独立的子图，接着遍历所有排序后的边集，若当前遍历的边属于两个不同的区域，则根据判断准则决定是否融合这两个区域，若融合，则形成一个较大的区域，依次类推，直到遍历完所有的边，最终原来的图形成一个森林，其中每棵树对应图中的一个子图，也代表图像中的一个区域。本专利技术相对于现有技术具有如下的优点及效果I、本专利技术使用了结构简单且具有丰富的理论支持的图论技术，提出了基于图论的三维医学图像分割方法首先选用一种双边滤波模型，对超声图像进行去噪；接着建立三维图像到三维图的映射，统计顶点之间的邻接关系以及计算连接两个顶点的边的权重；再对图中各个边的权重进行非递增的排序，排序是为了保证最后生成的每一棵树都是最小生成树；之后定义区域对比较准则，用以统计两个区域的体素灰度的统计信息差异与两个区域内部各自的内部体素灰度差异统计信息；然后对图中排序后的所有边进行遍历，以区域对比较准则作为判断准则，符合的话进行融合，每个区域对应一棵最小生成树，最后形成一个森林；在图像分割过程中，适当地调整其中的可调参数，可有效地解决过分割和欠分割现象，能够较准确地对三维图像进行分割，得到理想的分割效果。本方法对三维医学图像中固有的斑点噪声和弱边界有鲁棒性。附图说明图I是本专利技术的流程图；图2 Ca)是本实施例六邻域建图模块的示意图；图2 (b)是本实施例十二邻域建图模块的示意图；图3 Ca) 一图3 Cf)是本实施例图论涉及到的最小生成树的构造过程图；图4 (a)、5 (a)、6 (a) 一图4(f)、5 (f)、6 (f)本实施例的分割方法与现有的snakes方法和FCM的分割方法对胎儿体模进行分割的效果图； 图4 (g)、图5 (g)、图6 (g)是本实施例图4 (f)、图5 (f)、图6 Cf)中将感兴趣区域单独显示的结果示意图。具体实施例方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施本技术方案需要医学设备采集到的医学图像，本实施例在此阶段运用了超声设备仪采集到的B型超声图像，用计算机从B型超声图像中提取出图像数据重建成三维医学图像进而进行三维分割，用纯平型显示器显示用户图形界面，可采用C和C++语言编制各类处理程序，便能较好地实施本专利技术。本专利技术的系统结果如图I所示,主要包括建图和融合两个阶段；本实施例基于图论的三维医学图像的分割方法，包括下述步骤(I)、使用双边滤波模型，去除医学图像中的斑点噪声；(2)、建立三维图像到三维图的映射，统计顶点之间的邻接关系以及计算连接两个顶点的边的权重；(3)、对图中各个边的权重进行非递增的排序，保证最后生成的每一棵树都是最小生成树；(4)、定义区域对比较准则，用以统计两个区域的体素灰度的统计信息差异和两个区域内部各自的内部体素灰度差异统计信息；(5)、对图中排序后的所有边进行遍历，以区域对比较准则作为判断准则，符合的话进行融合，每个区域对应一棵最小生成树，最后形成一个森林。建图阶段是建立图像到图的映射，主要是统计顶点之间的邻接关系以及计算边权；融合阶段是根据判定准则决定两个相邻区域是否融合，用到的判定准则是区域对比较准则，其中定义了区域内部比较准则、区域间比较准则和区域对最小内部准则，根据上述三个概念定义区域对比较准则。本实施例中的建图阶段即建立图像到图G= (V，E)的映射(其中G代表图，V代表顶点集，E代表边集)，主要是统计顶点之间的邻接关系以及计算连接两个顶点的边的权重。每个顶点对应三维医学图像中的一个体素点，每条边连接着两个体素点。由于三维医学图像中每个顶点(体素点)有二十六个邻域点，所以邻接关系的种类较多。以A为参考顶点，可以考本文档来自技高网...

【技术保护点】
一种基于图论的三维医学图像的分割方法，其特征在于，包括下述步骤：（1）、使用双边滤波模型，去除医学图像中的斑点噪声；（2）、建立三维图像到三维图的映射，统计顶点之间的邻接关系以及计算连接两个顶点的边的权重；（3）、对图中各个边的权重进行非递增的排序，保证最后生成的每一棵树都是最小生成树；（4）、定义区域对比较准则，用以统计两个区域的体素灰度的统计信息差异和两个区域内部各自的内部体素灰度差异统计信息；（5）、对图中排序后的所有边进行遍历，以区域对比较准则作为判断准则，符合的话进行融合，每个区域对应一棵最小生成树，最后形成一个森林。

【技术特征摘要】

【专利技术属性】
技术研发人员：黄庆华，郑丽芳，林春漪，韦岗，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：