[发明专利]一种图像分割方法及系统

说明书

本发明提供一种图像分割方法，包括:获取图像数据；基于所述图像数据，重建图像，其中，所述图像包括一个或多个第一边缘；获取一个模型，其中，所述模型包括模型信息；以及根据所述模型信息，匹配所述模型与所述重建后的图像。

【技术领域】

本发明涉及一种图像处理方法，尤其涉及一种基于概率的图像匹配分割方法及系统。

【背景技术】

随着人类生活水平的提高和预期寿命的延长，心血管疾病成为人类的头号死因，因此心血管疾病的早期诊断可有效降低病死率。了解心脏结构的影像学表现及其功能数据是正确诊断心脏疾病的重要前提，CT技术的发展，明显提高了时间分辨力，减少了心脏搏动伪影，在显示心脏细微结构方面显示出良好的应用潜力。

图像分割技术是图像分析环节的关键技术，其在影像医学中发挥着越来越大的作用。图像分割是提取影像图像中特殊组织的定量信息的不可缺少的手段，同时也是可视化实现的预处理步骤和前提。分割后的图像正被广泛应用于各种场合，如组织容积的定量分析，诊断，病变组织的定位，解剖结构的学习，治疗规划，功能成像数据的局部体效应校正和计算机指导手术。

CT图像经重建获得后，需要对图像上的心脏腔室进行定位识别。心脏腔室的定位识别需要进行心脏边缘检测。可变模型是心脏腔室分割领域较为通用的做法。心脏腔室模型是基于多套临床心脏腔室模型对应的图像数据平均得到。通过模型与图像的匹配得到匹配的图像。

【发明内容】

一种图像处理方法，包括:获取图像数据；基于所述图像数据，重建图像，其中，所述图像包括一个或多个第一边缘；获取一个模型，其中，所述模型包括模型信息；根据所述模型信息匹配所述模型与所述重建后的图像。

进一步的，所述模型信息包括模型的位置信息、纹理信息、解剖结构中的一种或多种用于清楚识别图像上的相应信息。

进一步的，模型信息包括与一个或多个第一边缘相对应的一个或多个第二边缘。

进一步的，所述匹配模型与重建的图像包括：获取图像分类器；根据所述图像分类器，进行加权广义霍夫变换；以及根据加权广义霍夫变换的结果，匹配所述模型和图像。

进一步的，所述根据所述图像分类器，进行加权广义霍夫变换包括对所述模型的第二边缘进行加权广义霍夫变换训练得到所述图像数据上各点属于第一边缘的概率。

进一步的，所述获取图像分类器包括：获取模型的多个点，其中至少一部分所述多个点位于第二边缘一定范围内；确定第二边缘一定范围内的点为正样本；确定第二边缘一定范围以外的点为负样本；根据锐利程度和所处位置，对所述正样本和负样本进行分类；以及根据分类后的正样本和负样本获得训练后的所述图像分类器。

进一步的，一个图像处理系统，包括：一个存储器，被配置为存储数据及指令；一个与存储器建立通信的处理器，其中，当执行存储器中的指令时，所述处理器被配置为：获取图像数据；基于所述图像数据，重建图像，其中，所述图像包括一个或多个第一边缘；获取一个模型，其中，所述模型包括模型信息；以及根据所述模型信息，匹配所述模型与所述重建后的图像。

进一步的，所述处理器被进一步配置为：所述模型信息包括模型的位置信息、纹理信息、解剖结构、或与所述第一边缘相对应的第二边缘。

进一步的，所述处理器被进一步配置为：匹配模型与重建的图像包括：

获取图像分类器；根据所述图像分类器，进行加权广义霍夫变换；以及根据加权广义霍夫变换的结果，匹配所述模型和图像。

进一步的，所述处理器被进一步配置为：所述根据所述图像分类器，进行加权广义霍夫变换包括对所述模型的第二边缘进行加权广义霍夫变换训练得到所述图像数据上各点属于第一边缘的概率。

【附图说明】

图1是根据本申请的一些实施例所示的示例控制及处理系统的一种应用场景示意图；