[发明专利]一种基于多方向轮廓的医学图像分割方法

说明书

本发明公开了一种基于多方向轮廓的医学图像分割方法，其包括：导入医学图像并进行MPR重建；基于魔术棒算法生成多方向轮廓；插值重建生成表明网格和二值分割MASK；逐层判断二值分割MASK图像是否准确，若是，则输出目标区域的二值分割MASK图像和表面网格，分割算法结束，若否，则编辑切面轮廓，选择二值分割MASK图像中分割不精确的切面，提取二值分割MASK切面图像轮廓线和关键点，利用鼠标对关键点进行局部调节，调节结束后，返回上述步骤重新执行表面网格重建。本发明利用一次操作即时提取待分割对象在多个不同方向切面上的轮廓，建立形状约束，并通过插值重建技术进行曲面重建，并支持迭代式分割轮廓优化和网络重建，有效提高建模效率和精度。

技术领域

本发明涉及医学图像处理方法，尤其涉及一种基于多方向轮廓的医学图像分割方法。

背景技术

现有技术中，在临床外科医生的合作过程中，了解到临床医生在疾病诊断、治疗决策以及手术规划过程中，需要掌握组织以及病灶的解剖结构信息，例如肝脏肿瘤的位置、体积、形状等。目前多是利用手工标注的方式，结合阈值连通、区域增长等图像处理方法，对CT或者MRI图像进行逐层分割病灶区域。随着技术发展进步，图像分辨率越来越高，层间距越来越小，这就给手工分割带来了挑战。1)逐层手工标注是一个非常耗时耗力的工作，分割一副3D图像通常耗费数小时甚至更多的时间；而且，分割结果受标注人的主观影响较大，不同标注人对同一个对象的分割结果、甚至同一标注人对同一对象的多次分割都会存在较大的差异；2)逐层标注方式未考虑三维信息，使得分割体数据的边界非常粗糙，影响建模精度和可视化效果；3)对于肿瘤等病灶组织，经常存在模糊边缘，这使得标注该区域时，难以确定边界；而肿瘤组织内部灰度分布具有异质性，使得阈值连通、区域增长等自动分割方法都不能完整分割该区域，需要借助大量手工后处理，增加工作量。

虽然基于轮廓约束的智能重建方法能够较好的解决以上问题，但是仍然存在如下缺陷：1)操作较为繁琐。为了获取精确的重建结果，需要分别从三维图像的横断面、冠状面、矢状面、甚至是斜切面等多个方向切面上进行手工分割以提取轮廓；2)从多个方向切面上提取轮廓时，未考虑轮廓之间的空间对应，使得重建的三维模型存在凹陷，影响重建精度。

发明内容

本发明要解决的技术问题在于，针对现有技术的不足，提供一种基于多方向轮廓的医学图像分割方法，该方法利用一次操作即时提取待分割对象在多个不同方向切面上的轮廓，从而建立形状约束，并通过插值重建技术进行曲面重建，有效提高建模效率和精度。

为解决上述技术问题，本发明采用如下技术方案。

一种基于多方向轮廓的医学图像分割方法，包括：步骤S1，数据准备，获取序列薄层的CT或MRI医学图像；步骤S2，导入序列医学图像，对于图像进行MPR重建，并在视窗中显示医学图像，可以在显示视图中显示图像横断面、冠状面和矢状面，并且可以根据需要来添加和调节任意方向切面进行图像显示；步骤S3，对医学图像中的分割对象选取多角度切面，利用鼠标在任意切面上待分割对象内部设置一个种子点，在多角度切面上使用魔术棒分割方法分割阈值近似区域，并依据区域边缘提取各个切面上的2D轮廓，得到多方向轮廓；步骤S4，利用生成的多方向轮廓作为形状约束，基于插值重建算法实现目标区域的表面网格重建，获得网格重建模型，然后根据空间位置，将这个模型映射至图像空间，得到二值分割MASK图像；步骤S5，在多角度图像切面视窗中，逐层判断二值分割MASK图像是否准确，若是，则执行步骤S7，若否，则执行步骤S6；步骤S6，编辑切面轮廓，选择二值分割MASK图像中分割不精确的切面，根据二值分割MASK图像中的边缘信息生成轮廓线和关键点，利用鼠标对轮廓线上的关键点进行局部调节，调节结束后，重新执行步骤S4；步骤S7，输出目标区域的二值分割MASK图像和表面网格，分割算法结束。

优选地，所述步骤S1、步骤S2中，对输入CT、MRI等医学影像序列图像进行MPR重建后，支持调节任意方向进行多角度切面图像显示浏览。