[发明专利]一种医学图像目标区域勾画方法

说明书

技术领域

本发明涉及图像处理，特别是利用计算机对4D图像中的目标区域进行勾画的方法。

背景技术

目标靶区勾画是放疗技术中极为重要的步骤，该步的准确度直接决定了放疗计划的精确程度。目前临床中都是由医师手动对目标进行勾画来制定放疗计划。而4D-CT图像实际是由一组各个不同时相的常规CT图像组成的，图像数目众多，通常约为1000～2000张。巨大的图像数目极大地加重了医师勾画的工作量，这种重复勾画不仅浪费了宝贵的人力和精力，而且容易引起医师疲劳而产生人为失误等。

实现目标靶区边界的自动勾画，最直观的思路应该是直接对每个呼吸时相的图像采用图像分割技术来自动提取出目标靶区。区域生长法是目前图像分割中比较常用的方法，需要首先选取出一个或多个像素点作为种子点，然后逐一对种子像素周围邻域内的像素根据事先确定的生长准则进行判定，若满足，则将该像素合并到种子像素集中，将这些新像素当作新的种子像素继续进行上面操作过程，直到再没有满足条件的像素点可被包括进来。然而种子点的选取一般都是人工手动完成的，而对4D-CT的大量图像来说工作量仍然很大。

由于呼吸运动属于半周期运动，具有一定的规律性，而由此引起的目标运动和变形也应服从一定的统计规律。因此，也有学者提出在一些先验知识的基础上建立一个概率模型来描述目标靶区的运动和变形，从而实现对其轮廓的自动跟踪。常用的概率模型有贝叶斯滤波模型（bayesian filter）、卡尔曼滤波模型（kalman filter）、粒子滤波模型（particle filter）等。然而建立一个概率模型需要大量的训练数据，而呼吸运动较大的个体差异性使得模型建立难度进一步加大。并且，当出现不规则呼吸运动时，很难再用经典的统计模型来描述人体内的器官运动和变形。

近年来，基于图像配准的轮廓映射方法成为目标跟踪和分割问题的比较流行的解决方法，其思路是首先在参考图像中手动勾画目标轮廓，然后将轮廓点映射到其他待处理图像上的对应位置。该类方法的关键在于能够得到准确的点点间的映射关系，该映射关系通常都是采用变形配准来实现的。其缺点在于直接对整幅图像进行变形配准，因此计算量很大，而轮廓映射的准确度也会受到离目标轮廓较远区域的影响。

发明内容

本发明的目的是提供一种医学图像目标区域勾画方法，以快速、准确地从医学图像中勾画出目标区域，大大减轻工作人员在图像分割中的工作量。

本发明的总体思路是：手动勾画出参考时相上的目标轮廓，而在其他时相上以该目标轮廓为参考，通过寻找与轮廓控制区域相似的图像小块来实现目标靶区的自动跟踪，最后通过在跟踪得到的每两个相邻轮廓控制区域中心之间进行非线性插值实现对其他时相靶区边界的自动勾画。进一步，可在轮廓跟踪过程中，通过引入一个约束项来保证跟踪到的边界的完整性和连贯性。

本发明的技术方案如下：一种医学图像目标区域勾画方法，包括以下步骤：（1）对图像进行去噪及增强边界特征的预处理；（2）在参考时相上勾画出目标轮廓，并根据该目标轮廓选取若干轮廓控制区域；（3）分别提取所述若干轮廓控制区域的图像纹理特征；（4）根据图像纹理特征，在待处理时相上搜索，跟踪参考时相上的每个轮廓控制区域在待处理时相上的对应位置；（5）在待处理时相上跟踪得到的每相邻两个轮廓控制区域的中心之间进行插值处理，从而完成待处理时相上目标区域的自动勾画。

一种较佳方案中，步骤（1）采用各向异性滤波算法对图像进行预处理。

一种较佳方案中，步骤（2）通过以下方法选取轮廓控制区域：把目标轮廓作为一个多边形，分别以多边形的每个顶点为中心构建轮廓控制区域。更好的一种方案是，当多边形的两个相邻顶点之间的距离大于设定的阈值A时，在该两个相邻顶点之间的目标轮廓上再选取至少一个像素点作为中心构建轮廓控制区域。

一种较佳方案中，步骤（3）采用sobel算子提取轮廓控制区域的图像纹理特征。

一种较佳方案中，步骤（4）根据医学图像对应的器官运动幅度的先验知识，限定待处理时相上每个轮廓控制区域的搜索范围，该搜索范围的中心位置与参考时相上的相应轮廓控制区域的中心位置对应。