[发明专利]一种基于可形变表面模型的MR图像颅骨剥离方法

说明书

技术领域

本发明属于图像处理技术领域，涉及MR图像的颅骨剥离方法。 

背景技术

磁共振成像技术以其无创性、信噪比高、扫描角度灵活以及在软组织成像上的优势而广泛应用于大脑病理学研究，如脑肿瘤、脑萎缩、脑积水、脑多发硬化症以及老年痴呆病等。这些病情严重威胁着人的健康和生命，而要对这些疾病做出准确的诊断，离不开对人脑相关组织的定量测量和分析。通常需要将感兴趣区域从整个颅脑图像中精确的分割出来。而进行准确分割的一个先决条件就是从脑部MR图像中将头皮、颅骨、肌肉、血管等组织剔除，只保留脑组织。这是因为，一方面，在对神经系统疾病如老年痴呆进行病理研究时，整个大脑就是所研究的对象；另一方面，将脑组织进一步分割为脑脊液、脑灰质和脑白质时，头皮、颅骨等组织的存在会使得情况变得复杂，给分割带来很多不便。 

为了使后续的脑组织分割更加准确易行，首先需要在处理前将磁共振图像中的头皮、颅骨、肌肉、血管等组织剔除，实现颅骨的剥离，目前主要有三种方法来实现颅骨的剥离：人工手动分割的方法、基于形态学的方法和基于表面模型的方法。 

人工分割的方法，顾名思义，是需要受过专门训练的人对图像进行分割。一般情况下，分割结果准确性最高，通常用来作为检验其他分割方法的标准。但是人工分割的方法需要耗费大量的人力，分割一组颅脑MR图像通常需要花15分钟到2个小时。在处理大量的数据时，这种时间的开销显然是巨大的。 

基于形态学的方法是考虑到脑组织的一个先验信息，即，在颅脑MR图像中，脑组织所在区域是最大的连通区域，可以通过形态学的方法寻找到这个连通区域，进而实现颅骨的剥离。算法的最终目的是寻找MR图像中最大的连通区域。常常采用边界检测算子寻找脑部区域所在的边界，然后通过形态学方法处理，将间断的不连续的边界连接成封闭的曲线，曲线内部的区域就是脑组织所在区域。但是，该算法的结果依赖于边界检测的结果，对于包含眼球的MR图像，边界检测算子所得结果较差，难以分割出准确的结果。 

基于表面模型的方法，是采用可形变的表面模型，在外力和内力的驱使下逐渐逼近脑组织表面的一种方法。外力促使模型向脑组织表面移动，而内力则用来保持模型表面的光滑性和连贯性，避免模型表面发生断裂。该算法需要构造一个初始表面模型，初始表面模型的形 状和位置与算法的运算速度密切相关，一般的，在颅脑内部构造一个圆球状初始表面模型，但是该初始表面模型与脑组织外表面的形状不同，位置也相距较远，算法的运算速度仍然有待提高。 

发明内容

本发明目的是提供一种基于可形变表面模型的颅骨剥离方法。该方法在接近颅骨的脑部区域生成一个类椭圆面的网格模型作为初始表面模型，通过逐渐的形变达到颅骨剥离的目的，属于一种基于表面模型的方法；该方法针对完整的3DMR图像进行处理，可以确保分割结果的完整性，不用人工干预，提高了计算速度和鲁棒性。 

本发明首先在3D颅脑MR图形中，用三角面片构造一个初始表面模型，初始表面模型通过逐渐的形变能够逼近脑组织的表面。形变过程需要满足两个约束条件，其一，保证表面连续平滑，避免出现“断层”和“折线”的情况；其二，促使模型向图像中合适的位置移动，即脑组织的表面。为了方便描述，将这两种约束条件分别称为外力和内力。外力作用于表面模型，使之发生形变，向脑组织外表面移动，内力则保持模型的连续和平滑。微观上看，形变的过程，就是三角网格模型中的每一个顶点的逐步移动的过程，即网格中的每一个顶点都在一个“力”(位移向量)的作用下进行移动的过程。 

本发明技术方案如下： 

一种基于可形变表面模型的MR图像颅骨剥离方法，如图1所示，包括以下步骤： 

步骤1：建立初始化表面模型。 

步骤1-1：在颅骨组织平均像素值和脑部组织平均像素值之间确定一个阈值T，根据阈值T初步确定颅骨的边缘，记录边缘点的坐标，用这组坐标值拟合一个椭圆球面A，设椭圆球面A方程为 估计出椭圆球面球心坐标(x₀，y₀，z₀)，以及参数a，b，c。