[发明专利]一种前列腺磁共振图像全自动分割方法

说明书

本发明提供了一种前列腺磁共振图像全自动分割方法，涉及医学图像处理领域，利用了关于前列腺解剖形状的先验知识，通过聚类算法提取DWI图像上前列腺的位置，再使用非对称的超椭圆模型对前列腺所在区域进行拟合，实现了一种前列腺磁共振图像全自动分割方法，相对传统的多图谱分割算法，本方法先验知识丰富，选取的特征较为显著，对于前列腺的分割能够具有更好的稳定性和精确性。

技术领域

本发明涉及医学图像处理领域，尤其是一种多序列磁共振图像的医学图像分割方法。

背景技术

T2加权像(T2WI)主要反映的是组织问质子密度弛豫时间差别。在T2WI图像中，图像信噪比相对较高，能够反映前列腺的轮廓以及纹理特征。而弥散加权成像(DWI)图像用于衡量水分子受限扩散的难易程度。在DWI图像中前列腺和前列腺癌天然的显示为高信号，因此更适用于区分有严重病灶的前列腺图像和其他的组织。两个成像序列可以用于检测前列腺组织的异常，进行手术规划，辅助临床诊断有着重要意义。自动分割前列腺能够帮助衡量前列腺的大小，从而能够辅助医生进一步确定前列腺的病变程度。

然而，随着临床数据的急剧增加，对于医学图像的分割来说，手动分割已经满足不了需求，并且由于医生的经验以及主观因素，分割结果都会因人而异，因此对于感兴趣区域(ROI)的自动分割技术成为近年来医学图像领域的研究热点。

发明内容

为了克服现有技术的不足，本发明提出了一种前列腺磁共振图像全自动分割方法。

该方法参考了DWI图像中前列腺天然显示为高信号的特点，并通过自适应聚类将其作为前列腺分割的形状和位置先验。并且，受前列腺的解剖形状呈栗子型的外形特点启发，本文结合了DWI图像提供的先验星系，加上T2WI提供的边缘以及纹理信息，提出一种一种前列腺磁共振图像全自动分割方法，并通过匹配和拟合的策略进行前列腺分割。

本发明解决其技术问题所采用的技术方案具体包括以下步骤：

步骤一：首先要收集前列腺磁共振T2WI和DWI扫描数据，为了降低图像噪声的影响，其中的DWI图像中b值大于600的J0图像进行各项异性滤波前处理，各向异性滤波选取的迭代次数为N次，通常设定为10～30，为了平衡滤波结果和计算性能，本发明选取N＝15，传导系数为P，通常设定为20～100，本发明选用优选的P＝1，稳定系数为S，通常设定为0.00～0.25，，本发明选用优选的0.05，滤波完成后，得到去噪后的图像J1；

步骤二：对去噪后的DWI图像J1进行自适应聚类，考虑到前列腺腺体在J1中能够天然的显示为高亮信号，因此，得到的聚类中心灰度值最高的那个聚类结果作为前列腺初始外轮廓J2，其中，自适应聚类方法为k-means算法，选取的聚类特征为图像灰度值，聚类个数为K类，通常设定为3～15，根据经验，本发明中为优选的k＝4，此时聚类中心灰度值最低的那个类别对应图像中的空气，第二低的对应骨头和肌肉等组织，第三低的为膀胱等富含水的组织，第四低(最高)的即为前列腺组织，然后使用简单的形态学操作：填洞和腐蚀即可得到前列腺的初始轮廓J2；

步骤三：为了避免DWI低信噪比的导致J2存在锯齿状的边缘，利用非对称超椭圆模型对J2进行最小二乘拟合，这里使用的非堆成超椭圆模型可以由下列6个方程组成，分别为：标准椭圆参数方程、平移方程、旋转方程、凸化方程、凹化方程和非对称化方程；非对称超椭圆模型共含有9个待定参数，分别为：椭圆的半长轴参数a_x,椭圆的半短轴参数a_y,椭圆的形状参数ε,在x轴上的平移参数l_x,在y轴上的平移参数l_y,旋转角度r,变凸参数t,变凹参数b,非对称参数ω；θ为标准椭圆方程的控制参数，范围为0～2π，

标准椭圆参数方程：

平移方程：

旋转方程：