一種非均一性醫(yī)學(xué)圖像的分割方法
【專利摘要】本發(fā)明涉及一種非均一性醫(yī)學(xué)圖像的分割方法，該方法由以下步驟組成：先在待分割圖像上選擇前景種子點(diǎn)和背景種子點(diǎn)；然后，根據(jù)選擇的種子點(diǎn)集的灰度信息，估計(jì)出各個(gè)灰度歸屬于待分割圖像中前景或背景的概率，并映射到圖像的各個(gè)象素點(diǎn)，得到對(duì)應(yīng)的概率密度分布圖；然后再分別以選擇的前景種子點(diǎn)和背景種子點(diǎn)為生長(zhǎng)種子點(diǎn)，在對(duì)應(yīng)的概率密度分布圖上以一個(gè)概率閾值為生長(zhǎng)條件，執(zhí)行區(qū)域生長(zhǎng)算法，得到自動(dòng)生長(zhǎng)后的前景種子點(diǎn)群和背景種子點(diǎn)群；最后，用得到的自動(dòng)生長(zhǎng)后的種子點(diǎn)群作為隨機(jī)游走算法的種子點(diǎn)，執(zhí)行隨機(jī)游走算法，得到最后的分割結(jié)果。本發(fā)明所述方法可降低對(duì)初始種子點(diǎn)的數(shù)量和位置敏感度，顯著提高非均一性醫(yī)學(xué)圖像的分割精度。
【專利說明】一種非均一性醫(yī)學(xué)圖像的分割方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像分析，具體涉及醫(yī)學(xué)圖像的分割方法。
【背景技術(shù)】
[0002]隨著影像醫(yī)學(xué)的迅速發(fā)展，醫(yī)學(xué)圖像的分割對(duì)于臨床的診斷和治療都具有重要的意義。目前的圖像分割算法主要分為手動(dòng)分割、交互式分割和全自動(dòng)分割三類。手動(dòng)分割比較耗時(shí)，且要求分割者具有豐富的經(jīng)驗(yàn)。全自動(dòng)分割無需人工干預(yù)，通常比較適用于簡(jiǎn)單均勻的圖像的分割，但是對(duì)于復(fù)雜多樣的醫(yī)學(xué)圖像的分割，通常分割的精度達(dá)不到臨床的需求。而交互式分割只需加入少量的人工干預(yù)，就能自動(dòng)分割出較好的結(jié)果。為了滿足復(fù)雜的圖像的分割要求，通常交互式分割的使用較為廣泛。
[0003]基于圖論的圖像分割算法是目前使用最廣泛的交互式圖像分割算法之一，其中包括隨機(jī)游走算法(Random walker),圖切分算法(Graph cut)和最短路徑算法(Shortestpaths)等。此類算法的特點(diǎn)就是需要通過用戶在圖像上選擇幾類種子點(diǎn)，然后根據(jù)種子點(diǎn)提供的圖像信息，將圖像中所有像素點(diǎn)歸類到用戶選定的各類種子點(diǎn)，實(shí)現(xiàn)圖像的最終分割。此類算法有效地提高了圖像分割的精度，但此類方法對(duì)待分割圖像中目標(biāo)內(nèi)部的灰度差很敏感，目標(biāo)的灰度差會(huì)導(dǎo)致目標(biāo)中不同灰度的像素可能錯(cuò)誤分割為不同的類別。非均一性圖像則正好存在這樣的灰度特征，從而導(dǎo)致該方法對(duì)非均一性的目標(biāo)分割效果差。雖然該問題可以通過大量增加用戶選定的種子點(diǎn)數(shù)目來改善，但是此類方法在種子點(diǎn)很少的情況下不僅無法得到精確的分割結(jié)果，且分割結(jié)果的變化隨著初始種子點(diǎn)的變化非常嚴(yán)重，所以這必然導(dǎo)致分割的效率下降。尤其是非均一性三維目標(biāo)的分割，將需要用戶在目標(biāo)的每一個(gè)層面均選定種子點(diǎn)，這是很不現(xiàn)實(shí)的。事實(shí)上，非均一性圖像是臨床上的常見圖像，比如，許多人體結(jié)構(gòu)多種組織構(gòu)成，腫瘤不同區(qū)域在圖像中呈現(xiàn)不同的灰度信息等，這些都導(dǎo)致待分割圖像的目標(biāo)呈現(xiàn)非均一性的特點(diǎn)。通常此類算法在非均一性圖像的分割中無法得到滿意的結(jié)果。
[0004]穆克等人于2012年公布的一種基于Mean Shift和隨機(jī)游走的圖像分割算法[穆克與程偉等(2012).〃基于Mean Shift和隨機(jī)游走的圖像分割算法.〃遼寧工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版32 (I):27-30.]，該方法由以下步驟組成:(I)選擇前景種子點(diǎn)和背景種子點(diǎn)；
(2)采用Mean Shift算法對(duì)圖像進(jìn)行預(yù)處理，將圖像劃分成一些同質(zhì)區(qū)域，用同質(zhì)區(qū)域作為節(jié)點(diǎn)進(jìn)行隨機(jī)游走；(3)然后，利用馬氏距離定義區(qū)域之間的權(quán)值，對(duì)種子點(diǎn)進(jìn)行改進(jìn)，增加了輔助種子點(diǎn)；(4)利用輔助種子點(diǎn)和用戶標(biāo)記的種子點(diǎn)進(jìn)行隨機(jī)游走，進(jìn)行同質(zhì)區(qū)域的合并，實(shí)現(xiàn)圖像的最終分割。以上方法在一定程度上抑制了噪聲的干擾，削弱了用戶標(biāo)記種子點(diǎn)的位置以及個(gè)數(shù)對(duì)隨機(jī)游走分割結(jié)果的影響，是用戶得到滿意的分割結(jié)果。但是該方法只是將同質(zhì)區(qū)域作為節(jié)點(diǎn)，輔助種子點(diǎn)的生成也依賴于同質(zhì)區(qū)域，所以在待分割目標(biāo)為非均一性時(shí)，對(duì)目標(biāo)區(qū)域的非同質(zhì)區(qū)域仍不能實(shí)現(xiàn)很好的分割，仍然無法實(shí)現(xiàn)準(zhǔn)確的分割。
【發(fā)明內(nèi)容】

[0005]本發(fā)明所要解決的技術(shù)問題是提供一種非均一性醫(yī)學(xué)圖像的分割方法，該方法可顯著提高非均一性醫(yī)學(xué)圖像的分割精度。
[0006]本發(fā)明解決上述問題的技術(shù)解決方案是:
[0007]—種非均一性醫(yī)學(xué)圖像的分割方法，該方法包括以下步驟:
[0008](I)用戶在待分割圖像上的目標(biāo)區(qū)域內(nèi)選取前景種子點(diǎn)，目標(biāo)區(qū)域外選取背景種子點(diǎn)，并獲取前景種子點(diǎn)和背景種子點(diǎn)的灰度信息；
[0009](2)根據(jù)步驟(1)所得到的灰度信息，分別讓前景種子點(diǎn)和背景種子點(diǎn)按以下方法進(jìn)行自動(dòng)生長(zhǎng):
[0010](A)采用下式(I)和(II)所示的概率密度估計(jì)的方法，估計(jì)每一灰度值的象素點(diǎn)的分布概率P(Ii/gs)，
[0011][0012]
【權(quán)利要求】
1.一種非均一性醫(yī)學(xué)圖像的分割方法，該方法包括以下步驟: (1)用戶在待分割圖像上的目標(biāo)區(qū)域內(nèi)選取前景種子點(diǎn)，目標(biāo)區(qū)域外選取背景種子點(diǎn)，并獲取前景種子點(diǎn)和背景種子點(diǎn)的灰度信息； (2)根據(jù)步驟(1)所得到的灰度信息，分別讓前景種子點(diǎn)和背景種子點(diǎn)按以下方法進(jìn)行自動(dòng)生長(zhǎng): (A)采用下式(I)和(II)所示的概率密度估計(jì)的方法，估計(jì)每一灰度值的象素點(diǎn)的分布概率P(Ii/gs)，
【文檔編號(hào)】G06T7/00GK103793910SQ201410028478
【公開日】2014年5月14日 申請(qǐng)日期:2014年1月21日 優(yōu)先權(quán)日:2014年1月21日
【發(fā)明者】陳海斌, 周凌宏, 甄鑫, 王琳婧, 肖陽, 胡潔 申請(qǐng)人:南方醫(yī)科大學(xué)