一種面向大面積高密度影CT圖像的臟器分割方法及裝置制造方法及圖紙

本發明專利技術提供了一種面向大面積高密度影CT圖像的臟器分割方法及裝置，包括：優化二值化閾值μ

【技術實現步驟摘要】
一種面向大面積高密度影CT圖像的臟器分割方法及裝置
本專利技術屬于醫療圖像處理領域，涉及一種臟器分割方法及裝置，特別涉及一種面向大面積高密度影CT圖像的臟器分割方法及裝置，該大面積高密度影CT圖像見于患有肺部疾病(如甲型H1N1流感肺炎、間質性肺炎、2019-nCov病毒肺炎、嚴重急性呼吸綜合癥(SARS)等)以及其他臟器組織病變的病人。
技術介紹
正常的臟器屬于CT圖像中的低密度區域，在CT圖像中表現為清晰的陰影部分。當發生病變時，臟器區域就會出現散在的、斑點狀或者斑塊狀的高密度影，呈白色或者灰白色。臨床就是通過觀察高密度影的形態特征來判斷疾病狀況。當患者病情較為嚴重時，臟器CT圖像會出現大面積斑片狀高密度影，大量組織細節會被高密度影所掩蓋，造成臟器邊緣不清、分割困難。自動閾值法依據灰度閾值對CT圖像進行分割，通過尋找能產生最小類間方差的閾值獲得最佳的像素分類效果，但是，這種分割方式只對細節保留較好的圖像有效。而CT圖像中的高密度影丟失了大量細節信息，像素值較大，與正常臟器組織所處的低密度區域差異明顯。因此，該方法會將高密度影部分與細節保留較好的臟器區域分成兩類對象，導致位于高密度影中的臟器部分丟失。分水嶺法利用梯度值來識別目標圖像邊緣，一般認為圖像中梯度值大的像素就是其邊緣位置。臟器CT圖像中高密度影部分與其他部分差異明顯，兩部分之間的梯度值較大，因此，分水嶺法會沿著兩個部分之間進行分割，導致部分臟器缺失。區域增長法從包含種子點的生長區域開始，不斷選擇與生長區域相鄰且符合條件的像素合并到生長區域中，直至沒有新的像素可以增加為止，通過這種方式找出目標區域，實現圖像分割。但是，由于臟器CT圖像中高密度影部分的像素與其他部分的像素差異明顯，很難找到合適的條件將兩個部分的像素合并在一起，因此，區域增長法會將位于高密度影中的臟器部分歸于異類，導致分割結果中部分臟器缺失。另一方面，高密度影部分往往與外圍的其他組織相連、像素值接近，如肺組織高密度影與胸廓，并且細節缺失，沒有足夠清晰的邊緣，在臟器高密度影部分選擇種子點時，該方法還會錯誤地將臟器高密度影部分與外圍其他組織合并在一起，產生錯誤的分割結果。邊緣檢測是圖像分割又一種重要途徑。邊緣是圖像中相鄰區域區分的位置，一般存在著灰度值或者結構的突變，邊緣檢測就是利用這種不連續性來分割圖像。邊緣像素灰度值的不連續性可通過求導運算來檢測。對于灰度值突變的邊緣，其像素位置對應于一階導數的極值點，或者是二階導數的過零點(零交叉點)。因此，傳統方法一般用微分算子來進行邊緣檢測。常用的一階微分算子有Roberts算子、Prewitt算子和Sobel算子，二階微分算子有Laplace算子和Kirsh算子等。但是，這些方法都依賴于對圖像邊緣像素值的分析，而高密度影細節信息缺失較多，導致無法利用像素求導運算發現邊緣。一種改進的方法將包含高密度影的圖像分成兩個部分識別，使用傳統的方法先識別細節保留比較好的臟器區域，然后，通過紋理特征分析來識別臟器高密度影區域，最后將兩者拼接起來構成整體分割結果。但是，這種方法存在如下問題：(1)該方法用來識別臟器高密度影區域的紋理特征并不是其所特有的，其他組織的高密度影區域以及部分非高密度影區域也可以具有同樣的紋理特征，這導致識別出的臟器高密度影區域存在較大的誤差；(2)該方法用兩種不同的方法分別識別細節保留比較好的臟器區域和臟器高密度影區域，兩個區域之間會出現重疊和遺漏，它們會被傳遞到后期的拼接過程而產生總體誤差，導致臟器邊緣銜接不夠自然且部分臟器丟失；(3)該方法進行紋理特征分析時會采用一些經驗閾值，受CT檢測設備差異、放射醫生能力及熟練程度以及大量存在的非典型放射學表現的影響，這些經驗閾值的選擇存在一定的不確定性，這會降低該方法的適用性和可靠性。
技術實現思路
為了克服現有技術的不足，本專利技術人進行了銳意研究，提供了一種面向大面積高密度影CT圖像的臟器分割方法及裝置，充分挖掘和利用CT圖像中的有用信息，通過盡可能多地保留高密度影中有意義的像素，改善了高密度影部分的識別效果，在此基礎上，通過邊緣局部去噪獲得準確的臟器輪廓，進而實現臟器的準確分割，避免了傳統方法中出現的位于高密度影中的臟器部分丟失、臟器分割不準確的問題，可以準確完整地分割出因大面積高密度影而導致局部細節顯著損失的CT圖像中的臟器，從而完成本專利技術。本專利技術的目的在于提供以下技術方案：第一方面，一種面向大面積高密度影CT圖像的臟器分割方法，包括：S100，優化二值化閾值μ1，使采用該閾值進行二值化后，CT圖像中目標臟器的高密度影區域中增加盡可能多的可識別的像素點，同時又盡可能避免其他組織的像素或噪音帶來顯著的干擾，此時，二值化后的高值區域的邊緣位于臟器實際邊緣附近；S200，基于S100中得到的優化的閾值μ1，對臟器所有CT圖像進行二值化處理，產生臟器二值化圖像組Plist1；S300，對臟器二值化圖像組Plist1進行三維膨脹，只保留體素個數大于等于設定閾值υ的三維連通域，產生臟器膨脹圖像組Plist2；其中，設定閾值υ為S100中，閾值μ1初始值下CT圖像組中可識別的臟器三維連通域的大小或小于其的值，以可區分排除其他噪音產生的連通域為目標；S400，對臟器膨脹圖像組Plist2進行三維收縮，產生臟器收縮圖像組Plist3；其中，三維收縮的幅度大于三維膨脹的幅度；S500，將臟器膨脹圖像組Plist2中的圖像與臟器收縮圖像組Plist3中對應的圖像相減，再與臟器二值化圖像組Plist1中對應的圖像進行與運算，得到臟器邊緣帶圖像組Plist4；S600，對臟器邊緣帶圖像組Plist4中的圖像去噪，產生臟器邊緣輪廓圖像組Plist5；S700，將臟器二值化圖像組Plist1中的圖像與臟器邊緣帶圖像組Plist4中對應的圖像相減，再與臟器邊緣輪廓圖像組Plist5中對應的圖像疊加，產生準臟器掩碼圖像組Plist6；S800，檢測準臟器掩碼圖像組Plist6中圖像的臟器邊緣，再對臟器邊緣線內的區域進行填充，最后對臟器邊緣進行平滑，由此產生臟器掩碼圖像組Plist7；S900，將臟器掩碼圖像組Plist7中的圖像與對應的臟器CT原圖進行與運算，得到臟器分割結果圖像組Plist8；其中，臟器分割結果圖像組Plist8中的圖像即為臟器分割結果圖。第二方面，一種面向大面積高密度影CT圖像的臟器分割裝置，用于實施第一方面所述的臟器分割方法，該裝置包括：閾值優化模塊，用于優化得到用于CT圖像二值化的閾值；二值化模塊，用于根據優化后的閾值μ1對臟器所有CT圖像進行二值化處理，產生臟器二值化圖像組Plist1；三維膨脹模塊，用于對臟器二值化圖像組Plist1進行三維膨脹，然后只保留體素個數大于等于設定閾值υ的三維連通域，產生臟器膨脹圖像組Plist2；其中，設定閾值υ為閾值優化模塊中，閾值μ1初始值下CT圖像組中可識別的臟器三維連通域的大小或小于其的值，以可區分排除其他噪音產生的連通域為本文檔來自技高網...

【技術保護點】
1.一種面向大面積高密度影CT圖像的臟器分割方法，其特征在于，包括：/nS100，優化二值化閾值μ

【技術特征摘要】
1.一種面向大面積高密度影CT圖像的臟器分割方法，其特征在于，包括：
S100，優化二值化閾值μ1，使采用該閾值進行二值化后，CT圖像中高值區域的邊緣位于臟器實際邊緣附近；
S200，基于S100中得到的優化的閾值μ1，對臟器所有CT圖像進行二值化處理，產生臟器二值化圖像組Plist1；
S300，對臟器二值化圖像組Plist1進行三維膨脹，只保留體素個數大于等于設定閾值υ的三維連通域，產生臟器膨脹圖像組Plist2；其中，設定閾值υ為S100中，閾值μ1初始值下CT圖像組中可識別的臟器三維連通域的大小或小于其的值，以可區分排除其他噪音產生的連通域為目標；
S400，對臟器膨脹圖像組Plist2進行三維收縮，產生臟器收縮圖像組Plist3；其中，三維收縮的幅度大于三維膨脹的幅度；
S500，將臟器膨脹圖像組Plist2中的圖像與臟器收縮圖像組Plist3中對應的圖像相減，再與臟器二值化圖像組Plist1中對應的圖像進行與運算，得到臟器邊緣帶圖像組Plist4；
S600，對臟器邊緣帶圖像組Plist4中的圖像去噪，產生臟器邊緣輪廓圖像組Plist5；
S700，將臟器二值化圖像組Plist1中的圖像與臟器邊緣帶圖像組Plist4中對應的圖像相減，再與臟器邊緣輪廓圖像組Plist5中對應的圖像疊加，產生準臟器掩碼圖像組Plist6；
S800，檢測準臟器掩碼圖像組Plist6中圖像的臟器邊緣，再對臟器邊緣線內的區域進行填充，最后對臟器邊緣進行平滑，由此產生臟器掩碼圖像組Plist7；
S900，將臟器掩碼圖像組Plist7中的圖像與對應的臟器CT原圖進行與運算，得到臟器分割結果圖像組Plist8；其中，臟器分割結果圖像組Plist8中的圖像即為臟器分割結果圖。


2.根據權利要求1所述的方法，其特征在于，S100中二值化閾值μ1可以通過以下方式獲得：
S110，將一次采集的二維圖像全部導入，得到二維圖像組，全部二維圖像通過三維重建能夠得到針對圖像中目標的三維圖像；
S120，設定分割閾值間隔ο，判別參量閾值ε；
S130，選擇閾值搜索初始值μ0，該閾值搜索初始值μ0小于等于分割閾值；
S140，分別計算閾值μ0-2*ο、閾值μ0-ο和閾值μ0下分割出的前景區域體素總數量N，和/或分割出的體素總數量M，和/或分割出的非前景區域體素總數量L；
S150，基于S140中測定的參數設定判別參量β，該判別參量β用以衡量分割出的前景區域體素總數量N是否出現陡增；
S160，若判別參量β>判別參量閾值ε，則跳到S180；否則，繼續S170；
S170，μ0←μ0+ο，返回S140；
S180，取當前β對應的閾值μ0，并輸出μ0-ο，作為最佳閾值。


3.根據權利要求1所述的方法，其特征在于，在S200中，二值化處理后，臟器二值化圖中臟器區域的灰度值設為一致且選自1～255，其他背景區域的灰度值設為0。


4.根據權利要求1所述的方法，其特征在于，在S300中，以寬度λ進行三維膨脹，寬度λ的選用標準包括：(a)在該寬度下進行三維膨脹，能夠將臟器中的散點以及臟器邊緣附近的散點，與臟器主體區域合并，以避免...

【專利技術屬性】
技術研發人員：汪昌健，郭凌超，
申請(專利權)人：中國人民解放軍國防科學技術大學，
類型：發明
國別省市：湖南;43