[发明专利]一种基于自适应阈值和模板匹配的自动胰腺分割方法

摘要

基于自适应阈值和模板匹配的自动胰腺分割方法，目的在于克服现有技术计算复杂、准确度不高、鲁棒性不强以及自动化程度较低等不足，公开一种新的胰腺图像分割方法，该方法使用基于灰度最大类间方差的自适应阈值法得到初分割结果，分离出腹腔中的器官组织，并去除组织黏连后得到待选区域。具体的方法过程表征为：(1)建立胰腺图像模板，(2)基于最大类间方差的自适应阈值分割，(3)基于形状与位置信息的区域匹配。该方法容易实现，计算复杂度较低。胰腺模板分胰头、胰体和胰尾的组织方式，大大降低不同病例以及病例不同切片图像之间在胰腺形状和位置上的差异性。

主权项

一种基于自适应阈值和模板匹配的自动胰腺分割方法，其特征在于，包括如下步骤(1)建立胰腺图像模板，具体实施过程：(11)选取成像质量较高的病例图片，由有经验的医生进行多次的手动分割，对分割结果求平均值用于建立胰腺模板；(12)将上述分割结果按胰头、胰体和胰尾进行分类，建立3个模板：胰头模板、胰体模板和胰尾模板；(2)基于最大类间方差的自适应阈值分割，具体实施过程：胰腺和其周围的肝脏、血管、体液和脂肪各组织在灰度分布上存在差异，胰腺及其周围肝脏在图像中表现为较亮的区域，而血管、体液、脂肪这些组织灰度表现偏暗，且不同组织间有分隔，因此采用基于最大类间方差的自适应阈值分割法从图像中分离出器官组织，并去除背景部分。算法步骤如下：(21)对原始图像进行归一化处理并计算得到灰度直方图，即具有某种灰度级的像素个数。假设图像总像素点为N个，灰度值为i的像素点共出现了n个，则灰度级i的出现概率为P(i)＝n/N；(22)设定阈值k将灰度直方图分为A，B两大类：A：P(i)≥k和B：P(i)<k，计算A，B类的类间方差；(23)让k从1变化至255，分别计算每一次k取值对应的AB类间方差，类间方差最大时对应的阈值即为最佳阈值K；(24)应用K值对图像进行二值分割，即图像灰度≥K的像素为目标区域，其余为背景；(25)对步骤(24)获得的目标区域采用数学形态学方法去除组织黏连，作为初分割结果。(3)基于形状与位置信息的区域匹配：将步骤(25)获得的区域与模板数据进行匹配，算法步骤如下：(31)根据胰腺切片图像所在的层数，决定要匹配胰头、胰体还是胰尾模板；(32)位置匹配：步骤(25)获得的初分割结果中包含有若干个连通区域，假设有t个连通区域，记为P＝{P1,P2,…,Pt}，将Pi逐个与选定的模板数据进行位置匹配，若存在交集则保留，否则抛弃，最终形成的结果为P＝{P1,P2,…,Pm},m≤t；(33)形状匹配：对P＝{P1,P2,…,Pm}的m个区域进行排列组合，将所有的区域组合结果和胰腺模板进行相似度匹配，选择出形状相似度最高的组合作为最终的胰腺分割结果。此时的相似度记为S。(34)经步骤(33)后得到最高相似度S，当S小于一定阈值时，说明原始切片图像质量较差，胰腺与周边组织存在严重黏连，经上述步骤后得到的结果并不理想，这时需要将黏连的非胰腺部分从分割结果中去除。(4)胰腺三维重建：采用基于移动立方体的方法(此技术已属于现有技术)对步骤(3)获得的最终胰腺结果进行重建，方便使用者全方位多角度的观察胰腺。