[发明专利]一种基于阈值水平集的腹部CTA序列图像肝脏分割方法

说明书

本发明公开一种基于阈值水平集的腹部CTA序列图像肝脏分割方法，首先，输入腹部CTA序列图像，预处理去除与肝脏毗邻的肋骨、脊柱和肾脏，基于解剖学知识选取初始切片，运用K‑means聚类方法进行肝脏初分割；然后，根据初分割结果提取肝脏边缘，利用边缘像素的灰度信息确定阈值水平集参数，实现基于阈值水平集的精确分割；最后，利用相邻CTA切片的灰度、位置和形状相关性，以初始切片为起点，分别向上和向下迭代运用阈值水平集方法分割剩余切片；为提高方法鲁棒性，若当前切片分割结果不佳时，则对当前切片再次执行K‑means聚类、肝脏边缘提取，更新阈值水平集分割参数。本发明充分考虑了肝脏的灰度分布特性和相邻CTA切片的形状相关性，可有效分割结构复杂、形状各异的肝脏。此外，本发明的基于阈值水平集腹部CTA序列图像肝脏分割方法可以推广到其他器官的分割中。

技术领域

本发明涉及医学图像处理领域，具体为一种基于阈值水平集的腹部CTA序列图像肝脏分割方法。

背景技术

肝脏疾病是我国常见且多发的疾病。据统计，我国每年约有30万人因罹患肝癌死亡，占全世界上肝癌患者的50％以上。因此，对肝脏疾病预防、诊断和治疗的研究迫在眉睫。目前，肝脏疾病治疗的方法中主要包括外科手术切除，移植和放疗。为获得最佳的治疗效果，外科医生在手术前需根据肝脏的位置、形状、体积等详细信息来制定治疗方案。由于CT技术具有无创伤、对人体损伤小、密度分辨率高等优点，CT图像被广泛应用到计算机辅助诊断。临床上，为获得准确的肝脏图像，放射科医生一般在二维CTA序列影像上进行手动分割。由于腹部CTA序列图像切片数量大，手动分割费时费力且具有主观性，因此，研究腹部CTA序列图像肝脏分割具有重大意义。

受肝脏结构复杂、形状不规则，以及CTA图像噪声等因素影响，肝脏的准确分割面临巨大挑战。譬如，传统肝脏分割方法对噪声和图像对比度敏感，无法有效处理低对比度的CTA图像；基于机器学习分割方法需要大量的训练样本，数据处理复杂；基于形状约束模型的分割方法对异形肝脏的分割效果不佳。

发明内容

针对上述肝脏分割方法的局限性，本发明利用相邻CTA切片的灰度、位置和形状相关性，其目的在于提供一种鲁棒、精确的肝脏分割方法，主要步骤包括：

步骤1：调节腹部CTA序列图像的窗宽和窗位到[200～800]/[100～500]范围，将灰度值归一化到[0,255]，预处理去除肋骨、肾脏和脊柱，得到图像I_gray；

步骤2：基于解剖学知识选取第i张切片图像I_gray作为初始切片，i为切片序号，i≥1，所述初始切片包含一个较大的肝脏连通区域；

步骤3：运用K-means算法将I_gray分成M类，M为[2～8]的自然数，选取与肝脏区域匹配的分类图像作为第i张切片的肝脏初分割结果I_initial；

步骤4：统计I_initial边缘像素的灰度信息，计算过程如下：

(1)提取I_initial边缘，得到肝脏边缘图像I_edge，I_edge＝I_inital-I_initalΘB，其中Θ为腐蚀操作，B为结构元素，

(2)计算肝脏边缘像素的灰度信息T_low，其中，β为[0 1]之间的系数；

步骤5：采用阈值水平集方法精确分割第i张切片的肝脏，计算过程如下：

(1)确定水平集演化速度函数F：F＝-(αD(I_gray)+(1-α)κ)，其中，α表示曲率项的权重系数，取值范围为0～1之间的常数，D(I_gray)为演化曲线的传播项，U和L为(0～255]之间的正数，分别代表目标区域灰度的上限和下限，κ为曲率，为水平集函数，