[发明专利]一种基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法

说明书

本发明公开了一种基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法，包括：对输入图像进行预处理，去除不相关的器官和组织；结合灰度偏移场，利用腹部CT序列相邻切片间的相关性构建水平集能量函数，以初始切片为起点，采用迭代策略完成腹部CT序列图像的肝脏自动分割；构建局部和全局形状描述符去除过分割区域，优化肝脏边缘。本发明方法能有效分割受噪声污染严重且存在灰度异质的腹部CT序列图像中的肝脏区域，可有效避免对肝脏周围毗邻组织的误分割，去除因灰度重叠造成的过分割区域，提高肝脏分割精度。

技术领域

本发明涉及医学图像分析处理领域，具体涉及一种基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法。

背景技术

我国是肝脏疾病大国，世界范围内约有一半以上的肝脏疾病新病例和因罹患肝脏疾病而死亡的案例发生在中国。目前主要的肝脏疾病治疗方法包括肝脏切除、活体肝移植和立体定向放疗等。计算机辅助诊断和手术规划是肝脏疾病治疗的重要环节。肝脏图像的准确分割是计算机辅助诊断和手术规划的基础，可为肝脏病灶分析、手术导航和放疗计划制定等提供技术支持。由于腹部CT序列图像切片数量大，专家手动勾画肝脏区域耗时且存在主观性，因此，研究腹部CT序列图像肝脏的自动分割方法具有重大意义。

由于肝脏解剖结构的复杂性，不同个体肝脏的多样性，以及成像时受噪声、造影剂等因素影响，腹部CT序列图像肝脏分割面临巨大挑战。现有的腹部CT序列图像肝脏分割方法主要包含基于传统方法、基于形状模型和基于深度学习三类。传统方法对噪声敏感，对低对比度CT图像分割结果不理想。基于形状模型的方法无法准确分割形状异常的肝脏。基于深度学习的肝脏分割在进行网络训练时需要大量的数据作为支撑，训练时间长，且对硬件要求高。

发明内容

本发明的目的在于提供一种精确、鲁棒的腹部CT序列图像肝脏自动分割方法。本发明通过以下方案实现：

一种基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法，包括以下步骤：

(1)对输入腹部CT序列图像进行预处理，去除脊柱、肋骨和肌肉等不相关的组织和器官；

(2)结合灰度偏移场构建初始切片水平集能量函数

其中，I(x)为腹部CT图像Ω中像素点x的灰度值；y为CT图像Ω中的像素点，x是以y为圆心，以ρ为半径的邻域Ο_y＝{x:|y-x|≤ρ}中的像素点，G(y-x)为截断高斯函数，当时，G(y-x)＝0，当x∈Ο_y时，其中，σ为高斯函数方差，a为归一化常数，∫G(y-x)＝1；c_i(i＝1,2)分别代表圆形邻域Ο_y中目标和背景的平均灰度；b(y)为像素点y的灰度偏移场；M₁(φ(x))＝H(φ)，M₂(φ(x))＝1-H(φ)，分别表示零水平集内、外区域；L(φ)为周长项，R_p(φ)为距离正则化项；采用梯度下降法最小化该能量函数，保留演化结果的最大连通域，即可得到初始切片肝脏粗分割结果。

(3)利用腹部CT序列相邻切片间的相关性，结合相邻切片肝脏分割结果作为位置约束，构建水平集能量函数

以初始切片为起点，以迭代策略分别向上向下分割CT序列中的剩余切片，其中，f_location(y)为上一切片肝脏分割结果。对于非断裂肝脏，保留水平集演化结果的最大连通域作为肝脏粗分割结果，对于断裂肝脏，对演化结果进行面积滤波，将滤波结果作为肝脏粗分割结果。

(4)构建局部和全局形状描述符去除肝脏过分割区域，优化肝脏边缘，包括以下步骤：

a.提取肝脏边缘，并每隔N个点提取一个肝脏边缘像素点作为肝脏边缘特征点，获得肝脏边缘特征点集P＝{p₁,p₂,…,p_k}；其中，N为大于0小于20的整数；