[发明专利]一种基于三维超体素的颅内出血区域分割方法及系统

说明书

本发明公开了一种基于三维超体素的颅内出血区域分割方法及系统，所述方法包含CT图像预处理阶段和基于三维超体素的出血区域分割阶段；CT图像预处理阶段是对二维CT图像序列进行格式转换，提取颅骨结构，找出颅内区域；出血区域分割阶段包括将二维局部CT图像重建到三维空间，然后利用超体素算法将三维图像划分成大小相近的超体素，最后通过图割算法将超体素分割为前景和背景两部分。本发明通过预处理提取颅内结构，逐步细化分割，以超体素代替像素进行运算等途径有效地提高了出血区域检测的准确性。本发明方法及系统能够有效的检测出不同原因，不同位置，不同大小的出血区域，对促进计算机辅助医疗在临床上的应用有着重要作用。

技术领域

本发明涉及图像处理领域，尤其涉及一种基于三维超体素的颅内出血区域分割方法及系统。

背景技术

颅内出血(ICH)是最严重的急性脑血管疾病中的一种，同时也是急性神经紊乱疾病，如偏瘫等的重要发病诱因。因此，对于临床治疗来说，颅内出血的早期诊断具有重要意义。同临床表现相比，可以进行无创伤检测的计算机断层(CT)扫描和磁共振成像(MRI)扫描可以更直接、更准确地反映颅内出血的严重程度和演化趋势。同时又因为CT检测的费用要比MRI检测的费用少得多，所以大多数人患者会选择CT检测的方式。在CT图像中新鲜血肿通常显示为边界模糊的高亮度区域。通常情况下，血肿的形状为肾形，圆形或不规则形，并常常被低密度水肿包围。

现在的出血区域检测方法主要集中于模糊C均值聚类(FCM)或以规则为基础的区域分类等算法。然而，这些方法有两个缺点。首先，这些方法中的大多数使用了非常简单的分割算法，诸如聚类和阈值等，虽然这些方法可能在自然图像处理过程中表现良好，但在复杂的情况下，如出血区域与脑组织重叠或出血的边缘没有足够的辨别度时，这些方法的效果并不好。其次，现有的算法大多仅适用于处理二维图像。但CT成像是一个三维的过程，因此会产生一系列的平行扫描图像帧，而2维分割算法会忽略掉一些重要的帧间信息。但使用3D分割算法会更好的利用这些在2D方法中被忽视了的帧间信息。

发明内容

针对目前医学图像分割领域内现有技术的不足，本发明提出了一种新的三维颅内出血分割方法并构建了对应的系统。本发明方法及系统运行效率高，对CT图像中的噪声、伪影有较强的鲁棒性，分割得到的结果准确率高。

为实现上述技术目的，本发明采用的技术方案如下：一种基于三维超体素的脑部CT图像出血区域分割方法，包含CT图像预处理阶段和基于三维超体素的出血区域分割阶段；

所述CT图像预处理阶段包括以下步骤：

(1)转换CT图像格式：从计算机断层扫描设备或者数据库中获取包含出血区域的CT图像序列，截取像素值的有效区间，转换成常用的计算机图像处理格式。(2)提取颅骨结构：通过标准的模糊C均值聚类方法(FCM)分别将序列中的每张CT图像OM的像素聚类成3类，其中亮度最高的一类M1为颅骨区域，亮度最低的一类M2为脑部以外的黑色背景区域，第三类M3是由颅骨包围起来的颅内组织以及包围着颅骨的大脑外皮层组织的总和。

(3)提取颅内结构：以只包含颅骨结构的图像M1为模板，根据颅骨结构的对称性，通过从上到下，左右对称的逐行水平扫描方法得到颅内区域的掩模MS，再将掩模MS和原图像OM进行乘运算，得到只含有颅内区域的图像NM。

(4)找出出血区域：选取包含出血区域的CT图像序列中最中心的一张图像，使用大津自适应阈值算法得到二值图像MB，然后通过卷积的方式，算出二值图像MB中的每个位置周围一个正方形邻域中的像素值的和，选择邻域像素值和最大的一点作为出血区域的中心点，最后选取围绕中心点的L×L×Q的邻域作为进一步细分割的候选区域，其中L为候选区域的宽度，Q为包含出血区域的CT图像数。

所述出血区域分割阶段包括以下步骤：

(1)图像三维重建：将预处理得到的Q张L×L大小的图像重建到三维区间，通过三维滤波去除噪声，得到三维矩阵。