基於對稱結構減影的腦腫瘤自動提取方法
2023-05-16 09:24:56
專利名稱：基於對稱結構減影的腦腫瘤自動提取方法
技術領域：
本發明是一種腦部腫瘤圖像的自動提取方法，可以應用於臨床診斷、治療計劃等重要決斷中。
背景技術：
數字醫學影像主要通過X-ray，CT, PET, MRI等技術獲得，其中MRI，即磁共振成像是斷層成像的一種，其特徵是可以得到任意方向的生物體斷層影像、三維體數據，甚至可以得到空間-波譜分布的四維影像。MRI無需注射放射性同位素即可成像，相較PET和SPET更為安全。MRI最常用的核是氫原子核質子(IH)，因為它的信號最強，在人體組織內也廣泛存在。磁共振影像的灰階特性是，磁共振信號愈強，則亮度愈大；磁共振的信號弱，則亮度也小，從白色、灰色到黑色。各種組織磁共振影像灰階特點如下脂肪組織，松質骨呈白色；腦 脊髓、骨髓呈白灰色；內臟、肌肉呈灰白色；液體，正常速度流血液呈黑色；骨皮質、氣體、含氣肺呈黑色。核磁共振的另一特點是流動液體不產生信號，該特性稱為流動效應或流動空白效應。因此血管是灰白色管狀結構，而血液為無信號的黑色。這樣使血管很容易與軟組織分開。正常脊髓周圍有腦脊液包圍，腦脊液為黑色的，並有白色的硬膜為脂肪所襯託，使脊髓顯示為白色的強信號結構。核磁共振已應用於全身各系統的成像診斷。效果最佳的是顱腦，及其脊髓、心臟大血管、關節骨骼、軟組織及盆腔等。在對數字醫學影像進行處理的過程中，圖像分割是圖像分析中的關鍵步驟和最困難的問題之一，而腦部腫瘤則是神經系統常見的疾病之一，對人類神經系統有很大的危害。在MRI圖像上分割腦腫瘤區域非常重要，分割結果直接影響臨床診斷、治療計劃等重要決斷。當前，臨床上腫瘤分割主要還是手工進行，放射科醫生對MRI圖像進行一幀一幀的手工分割來確定腫瘤區域。此項工作非常困難且耗費時間，並具有不可重複性的分割結果。近年來，自動或者半自動的腦部腫瘤分割算法層出不窮，但是，由於腫瘤區域形狀及位置的多變性，以及腫瘤與腦部灰質、白質、腦脊液等正常組織的嚴重粘連性，且腫瘤內部組織與外部組織的不均勻性等特點，導致不同位置的腫瘤呈現不同表現形式。至今，還沒有一個通用、完全自動且分割效果較好的分割算法，必須針對不同表現形式的腫瘤圖像研究不同的分割方法。
發明內容
臨床應用中，得到腦部腫瘤圖像以後，需要經驗豐富的醫生手動選取腫瘤區域，此項工作受主觀因素幹擾嚴重，不同的人會產生不同的分割效果，具有不可重複的分割結果。針對此問題，本發明提出了一種基於對稱結構減影的腦腫瘤自動提取方法，能夠分割出準確的腫瘤區域，避免了人為幹預，顯著提高分割效率。該基於對稱結構減影的腦腫瘤自動提取方法，包括以下步驟第一步腦部腫瘤圖像對稱性分析通過對正常腦部圖像的對稱性分析，得到對稱模型；第二步對稱圖像中矢線優化將第一步中得到的對稱模型應用到腫瘤圖像中，以原圖像與其鏡像圖像的最大互信息為最優化條件計算最優化的中矢線；第三步計算基於中矢線的鏡像圖像減影計算原始圖像與其基於最優化的中矢線鏡像圖像減影；第四步基於鬆弛迭代的腫瘤初始區域跟蹤利用鬆弛迭代方法跟蹤腫瘤區域的初始邊界；第五步基於自動種子點及窗寬的均值漂移法腫瘤精確分割根據第四步得到的腫瘤區域的初始邊界，計算原始種子點和窗寬，利用均值漂移算法分割原始腦部腫瘤圖像。本發明的有益效果I.能夠實現全自動腦部腫瘤區域分割；2.利用最大互信息量為相似性測度，鮑威爾算法為優化方法，提高了計算效率；3.利用鬆弛迭代跟蹤出初始腫瘤區域，然後求初始區域的平均像素點和最大直徑，自動確定均值漂移算法的種子點和窗寬，確保了算法的自動性。
圖I是本發明基於對稱結構減影的腦腫瘤自動提取方法流程圖；圖2是本發明中腦部腫瘤對稱性模型及中矢線求法示意圖。
具體實施例方式如附圖I所示，基於對稱結構減影的腦腫瘤自動提取方法流程圖，具體包括以下幾個步驟步驟S101，腦部腫瘤圖像的對稱性分析。通過對正常腦部圖像的對稱性分析，得到對稱模型；在此步驟中也可以通過對正常腦部圖像的對稱性分析，得到非正常腦部腫瘤的模糊對稱性模型，那麼在步驟S102中即可以根據非正常腦部腫瘤的模糊對稱性模型及原圖像與鏡像圖像的最大互信息量計算最優中矢線。步驟S102，基於互信息的對稱圖像中矢線優化。如附圖2所示，假設圖像的重心為坐標系的原點，那麼以過重心的直線為對稱軸·來尋找中矢線，任意過重心的一條直線L，把圖像分成月Ap B1兩部分圖像，那麼A1關於直線L的鏡像圖像為A2所示。圖像A中的任意像素月AJX1, Y1)關於直線L對稱的像素為A2 (X2, y2)。求圖像A2和圖像B1的互信息量，再根據鮑威爾優化算法得到使此互信息量最大的α角，α為直線L和Y軸的夾角。設直線方程為y=4an(f- )*x
2(I)那麼圖像A1 (X1, Y1)，和其相對於直線L的鏡像圖像A2 (X2, y2)的關係式為
權利要求
1.基於對稱結構減影的腦腫瘤自動提取方法，其特徵包括以下步驟 第一步腦部腫瘤圖像對稱性分析通過對正常腦部圖像的對稱性分析，得到對稱模型； 第二步對稱圖像中矢面及中矢線優化將第一步中得到的對稱模型應用到腫瘤圖像中，以原圖像與其鏡像圖像的最大互信息為最優化條件計算最優化的中矢線； 第三步計算基於中矢線的鏡像圖像減影計算原始圖像與其基於最優化的中矢線鏡像圖像減影； 第四步基於鬆弛迭代的腫瘤初始區域跟蹤利用鬆弛迭代方法跟蹤腫瘤區域的初始邊界； 第五步基於自動種子點及窗寬的均值漂移腫瘤精確分割根據第四步得到的腫瘤區域的初始邊界，計算原始種子點和窗寬，利用均值漂移算法分割原始腦部腫瘤圖像。
2.如權利要求I所述的基於對稱結構減影的腦腫瘤自動提取方法，其特徵在於，所述第一步通過對正常腦部圖像的對稱性分析，得到非正常腦部腫瘤的模糊對稱性模型。
3.如權利要求I所述的基於對稱結構減影的腦腫瘤自動提取方法，其特徵在於，所述第二步的具體步驟如下 [1]任意給定過重心的一條直線； [2]計算圖像關於直線的對稱圖像； [3]求原圖像與鏡像圖像的互信息量； [4]以互信息量為相似性測度，使用鮑威爾算法優化直線斜率，使得互信息量最大； [5]確定最優化的中矢線。
4.如權利要求2所述的基於對稱結構減影的腦腫瘤自動提取方法，其特徵在於，所述第二步根據非正常腦部腫瘤的模糊對稱性模型及原圖像與鏡像圖像的最大互信息量計算最優中矢線。
5.如權利要求2或4所述的基於對稱結構減影的腦腫瘤自動提取方法，其特徵在於，所述第二步中中矢線的優化模型採用共軛方向法。
6.如權利要求I或2或3或4所述的基於對稱結構減影的腦腫瘤自動提取方法，其特徵在於，第三步中通過計算原始圖像基於中矢線為對稱軸的兩圖像像素差，得到原始圖像的鏡像差圖像，從而去除噪聲。
7.如權利要求I或2或3或4所述的基於對稱結構減影的腦腫瘤自動提取方法，其特徵在於，第五步具體包括以下步驟 [1]求取腫瘤初始區域的像素平均值； [2]將離重心最近且具有平均像素值的點作為均值漂移法的初始種子點； [3]選擇初始邊界的最大直徑為窗寬； [4]選擇特定的徑向基函數作為算法的核函數； [5]對具有初始腫瘤邊界的原始圖像精確分割。
8.如權利要求7所述的基於對稱結構減影的腦腫瘤自動提取方法，其特徵在於，第五步中原始圖像精確分割通過計算腫瘤初始區域的重心及平均像素值，自動確定均值漂移算法的種子點。
9.如權利要求7所述的基於對稱結構減影的腦腫瘤自動提取方法，其特徵在於，第五步中原始圖像精確分割通過計算腫瘤初始區域的最大直徑，自動確定均值漂移算法的窗寬，並採用徑向基函數 進行腫瘤精確分割。
全文摘要
本發明提出了一種基於對稱結構減影的腦腫瘤自動提取方法，能夠分割出準確的腫瘤區域，避免了人為幹預，顯著提高分割效率。第一步腦部腫瘤圖像對稱性分析；第二步對稱圖像中矢面及中矢線優化將第一步中得到的對稱模型應用到腫瘤圖像中，以原圖像與其鏡像圖像的最大互信息為最優化條件計算最優化的中矢線；第三步計算基於中矢線的鏡像圖像減影計算原始圖像與基於中矢線鏡像圖像的減影；第四步基於鬆弛迭代的腫瘤初始區域跟蹤利用鬆弛迭代方法跟蹤腫瘤區域的初始邊界；第五步基於自動種子點及窗寬的均值漂移法腫瘤精確分割根據第四步得到的腫瘤區域的初始邊界，計算原始種子點和窗寬，利用均值漂移算法分割原始腦部腫瘤圖像。
文檔編號G06T7/00GK102930552SQ20121048009
公開日2013年2月13日 申請日期2012年11月22日 優先權日2012年11月22日
發明者楊健, 王湧天, 劉越, 王雪虎 申請人:北京理工大學