[发明专利]一种高效的基于博弈框架的医学图像分割方法

说明书

技术领域

本发明涉及计算机视觉领域，具体的涉及一种基于博弈框架的医学图像分割方法。 

背景技术

医学图像是疾病诊断的重要依据，直接影响诊断的正确性。医学图像的成像和处理技术经历了一个多世纪的发展，在分辨率、清晰度和诊断技术方面有了显著的改进和提高，多种新的医学图像成像和照影技术相继问世。计算机技术的应用促进了CT、MRI、超声等数字医学图像技术的发展，这些医学图像技术利用了人体不同器官和组织对X射线、超声波及光线的散射、透射、反射和吸收的不同特性，为对人体骨骼、内脏器官的疾病和损伤进行诊断和定位提供了有效的手段。 

医学图像分割是医学图像处理与分析的一个重要领域，同时也是计算机辅助诊断与治疗的基础。所谓图像分割就是根据某种均匀性(或一致性)原则将图像分成若干个有意义的部分，使得每个部分都符合某种均匀性(或一致性)的要求，从而把医学图像中感兴趣的组织或区域分离出来。图像分割对源图像进行特征提取和参数测量，将原始图像转化为更抽象的形式，使得更高层的分析和理解成为可能。通常我们所说的医学图像分割，是指从医学图像中自动或半自动的获得感兴趣区域、器官或组织结构的过程。通过一个良好的分割结果获得感兴趣的区域，这是实现计算机辅助诊断和治疗的重要前提。无论是对于进一步的计算机辅助诊断、手术的术前准备，还是对于提高医生的诊断效率和准确性，图像分割技术都有重要的价值。医学图像分割的应用非常广泛，目前国内外的研究主要集中在分割各种细胞、组织和器官上。例如对核磁共振颅脑 图像的分割可以清晰地描绘出颅脑各个解剖结构的边界如灰质、白质和脑脊液等。在临床诊断、病理分析以及人体器官三维重现等方面，医学图像分割也起到了非常重要的作用。 

近年来随着医学图像获取技术的不断提高，图像的质量越来越好，分辨率越来越高，细节越来越复杂，传统分割算法所需要的时间也越来越多，通用性也越来越差。如何高效而又精确的在图像中分割出感兴趣的器官成为国际上一个重要且前沿的研究课题。目前常用的图像分割技术是基于标记的图像分割技术。基于标记的图像分割技术首先用一系列原有的图像形成训练集，标注相应位置的标记，通过图像强度(灰度)和空间关系建立模型，然后确定这些标记在新图像上的位置。由于正常生物的解剖结构有很大的差距，图像噪声的存在和成像设备的不同，传统的基于标记的图像分割技术通常很难准确地分割医学图像。为了更好的分割医学图像，Ibragimov，B提出了基于标记的博弈论框架图像分割技术，将标记检测制定为一个博弈的过程。其中，标记作为局中人，标记候选点作为策略，标记候选点可能性(结合图像强度可能性和图像形状可能性)作为得失，使得整体的收益最大化。根据从训练集的图像中的标记和目标图像中标记的候选点之间图像强度和空间关系的相似性来确定博弈理论问题的解决方案。最后基于最优路径搜索问题来提取得到相邻标记之间的边界。该分割方法克服了现有技术需要精确的初始化和分割结果收敛到局部最优的缺点。然而，该方法只是简单的将样本集合的标记位置映射到待分割的图像上作为候选点集合，候选点集合中存在着很多可有可无的点，故不能精确的选取候选点，并且在计算过程中存在重复计算及需要一个很大的内存空间存储生成的支付矩阵等问题。 

发明内容

本发明为解决现有技术在医学图象分割过程中的不能精确的选取候选点问题，发明了一种高效的基于博弈框架的医学图像分割方法，在计算过程中的重复计算问题及需要存储一个临时的支付矩阵消耗大量的内存空间的不足。本发明提出的方法分别从候选点选点阶段、训练集训练阶段对现有博弈框架分割算法进行了优化。本发明首先利用主动形状模型建立样本集合，此过程去掉了现有算法中的重复计算过程。本发明同时采用Sobel边缘检测算法和Otsu阈值自适应算法对图像进行预操作，从而得到优化的候选点集合。与现有算法相比，新的候选点集合具有更精确的选出候选点以及候选点的数量更少的特性。然后，本发明使用新的候选点集合，结合基于博弈框架图像分割算法中的图像分割步骤，得到更加精确的分割结果。在使用基于博弈框架图像分割算法中的图像分割步骤的过程中，本发明节省了需要存储的支付矩阵，也就意味着节省了大量的内存消耗。实验证明，本发明提出的方法能够对医学图像进行更加精确的分割，大大缩短了图像分割的时间，同时降低了图像分割的内存需要。 

本发明采用的技术方案是一种高效的基于博弈框架的医学图像分割方法，该方法包括样本集合建立，图像预操作，选定候选点集合和详细分割四个部分，具体步骤如下：