[发明专利]一种医学图像反分割方法

说明书

技术领域

本发明是一种医学图像反分割方法，属于医学图像反分割方法 的创新技术。

背景技术

图像分割是CT断层数据进行三维重建的关键步骤之一。将图像 中具有特殊含义互相不交叉的不同区域分开来，使得每一个区域都满 足特定区域的一致性。图像分割在医学应用中具有特殊的重要意义， 它是医学图像处理的关键一步，是个跨越医学和计算机科学综合性研 究课题。医学图像分割是病变区域提取、特定组织测量以及实现三维 重建的基础。由于成像原理、局部体效应和组织边缘模糊等因素使得 三维医学数据场分割一直是一项极富挑战的课题，由于人体结构的复 杂性、组织器官的不规则性以及不同个体问的差异性等，到目前为止 医学数据场分割仍然没有通用的理论。尽管三维医学数据场分割难度 很大，但是却是数据场处理、分析和理解系统的关键技术之一，也是 对数据场进行可视化极其重要的一步，只有对数据场进行准确的分 割，才能为后继的绘制得出合理的模型，可以说要实现医学数据场的 三维可视化，其首要任务就是将图像数据进行正确、合理的分割。因 此，多年来一直得到人们的高度重视，至今已提出了上千种各种类型 的分割算法，主要集中以下几种类型：

(1)基于像素的方法。这种方法仅仅考虑图像中像素本身， 而没有利用图像中其它信息，比如空间位置信息、纹理信息等， 因此这种方法一般用于图像的前期预处理。

(2)基于区域的方法。这类方法除了利用像素本身信息外， 还同时考虑到像素之间的空间位置关系，分割结果是连通的，是 一种局部的分割方法。

(3)基于边界的方法。此类方法可以说是最早的研究方法， 主要是利用边缘上的像素灰度值的变化往往比较剧烈这一特点来 试图解决图像分割的问题。

(4)基于模型与地图集的方法。这类方法是目前该领域研究 的一个热点问题。主要是利用人工参与或者先验知识来指导图像 的分割。

(5)多种算法相结合。把各种算法的优点结合起来以达到对图 像比较准确的分割。

以上方法主要是在二维图像上或者三维的序列图像上使用。同 时在分割算法进行的过程中用户无法进行交互或干预。通过这些方法 所得出的最终结果只能等到算法全部运行结束后才可以查看，这时如 果算法得出的结果不符合用户的要求则需要完全重新再进行分割。由 于序列医学图像的分割过程非常漫长，在普通配置的PC机上需要好几 个甚至几十个小时。因此当前分割算法过程的不可视与不能交互就造 成了用户的极大不便。

在医学上，把肝脏从腹部CT图像中提取出来，是肝脏虚拟手术系 统实现的一个基本前提。以往腹部肝脏的提取主要有三种方法：

(1)CT序列中的每一幅图像是通过手工方法将肝脏提取出来，这 样既耗时费力，而且精确度也不高，对一个实用的虚拟手术系统来说， 手工提取基本没什么价值。

(2)结合空间体素和CT序列图像的像素之间的相似性，在某张CT 上选取种子点，然后使用分割算法在三维CT序列图像中进行分割。算 法运行速度慢，不允许交互，种子点选取困难。

(3)在体绘制的场景中选择种子点，然后使用分割算法在三维CT 序列图像中进行分割。该方法解决了种子点选取困难的问题，但算法 运行过程中依然不允许用户交互和干预。

因此，研究肝脏及其内部管道的计算机交互式分割提取技术就成 为一个迫切的问题。

现有的反分割技术，简单来说就是先重建出物体再进行分割或 者是边重建边进行分割。传统医学图像处理流程大致如下：

(1)先对获取的医学序列图像进行去噪等消除影响图像质量的杂 质。

(2)使用一些合适的分割算法对以上医学序列图像进行分割，获 取我们感兴趣的区域。如：肝胆脾胰等器官。

(3)等待分割算法执行完成后，对分割结果进行可视化操作。使 得最终的分割结果可以让用户进行查看，确定本次分割提取是否精 确。如不符合用户的要求则需要重复(2)(3)步的操作，知道用户 满意为止。

要实现序列化分割，要充分利用基于模型分割方法的优点，目前 常用的主要有三种方案：

(1)将前面图像的分割结果作为其后续图像的先验知识，即 轮廓初值。

(2)将序列图像分成若干组，每组共用一个人工的初始化轮 廓。

(3)三维空间分割，把序列图像看成是体素的集合，充分利 用它们之间的相似性。