[发明专利]一种基于距离场融合和椭球先验的MR前列腺图像分割方法

摘要

一种基于距离场融合和椭球先验的MR前列腺图像分割方法，基于距离场融合算法引入一种椭球先验，将椭球先验与多图谱分割进行结合，并通过十个步骤方法处理得到分割的MR前列腺图像。克服了现有技术中，在MR前列腺图像基于整幅图像进行图谱选择，前列腺周围组织与器官会对图谱选择造成严重干扰图谱选择不正确缺陷。同时也改善了标号融合并没有利用到待分割目标的形状先验信息，造成分割精度有所限制现象。本发明方法能准确地分割MR图像中的前列腺，能用于辅助前列腺癌的诊断和治疗。同时该基于距离场融合和椭球先验的MR前列腺图像分割方法具有提高分割精度的优点。

主权项

1.一种基于距离场融合和椭球先验的MR前列腺图像分割方法,其特征在于：基于距离场融合算法引入一种椭球先验，将椭球先验与多图谱分割进行结合，具体步骤如下：步骤一，数据库的建立和预处理：建立包括多组对象的MR前列腺数据的数据库，每组前列腺数据包括同一对象的T2加权MR图像和操作人员手动勾画的前列腺标号图像，采用留一法交叉验证的方式对每组前列腺数据进行分割，即每组图像的分割都采用余下的其他组前列腺数据作为图谱，对MR图像灰度归一化处理，再使用N3算法去除偏移场后，使用ELASTIX软件工具将图谱中的MR图像和对应的标号图像配准到MR测试图像，使得图谱和测试集在空间位置上对齐；步骤二，在测试图像中，勾画出测试对象的前列腺中间层上的四个边界点以及前列腺底部和尖端的中心点，依据这些标记点，预估算出椭球的中心像素点坐标(x0，y0，z0)以及三个方向上的轴半径xr，yr，zr，采用椭球方程式(Ⅰ)对前列腺形状进行拟合，初步确定前列腺区域D，并将其作为形状先验引入多图谱分割过程；其中，(x，y，z)为前列腺图像上任意一像素点x的坐标；步骤三，针对步骤二中的椭球先验D约束的前列腺感兴趣区域，采用基于归一化互信息的相似性度进行图谱选择，从中选出配准效果最好的图谱；步骤四，将步骤二中的椭球先验D和步骤三中选出的配准效果最好的图谱对应的标号图像经过距离变换得到距离场DF，像素点x所对应的距离场的值为：其中C表示分割目标的边界，像素点B表示距离像素点x最近的像素点，并且B∈C，dist(x，B)表示像素点x和像素点B的欧氏距离；步骤五，对MR测试图像中的像素点x，以x为中心分别取一个图像块x^MR和椭球先验D对应的距离场图像块x₀^DF，把x^MR、x₀^DF分别转化成一个列向量用来作为像素点x的特征，m为选择的图谱的个数；步骤六，分别在训练集MR图像和DF图像上以像素点x为中心定义搜索窗选取图像块和构建MR字典和DF字典i＝1,2,…,n；步骤七，用D^MR局部线性表达测试样本用进行约束，构建最小化能量方程并用LAE求得字典权重系数由于MR图像块和DF图像块位于两个非线性流形上，一个MR图像块可以由其所在流形的局部空间内的近邻样本线性表达，故，通过MR字典D^MR线性表示MR测试样本并采用进行约束，构建最小化能量方程并用LAE求解字典权重系数其表达式如下：表示测试样本在字典D^MR中的k个近邻；λ为补偿项的全局权重，其表达式如下：其中L′_i为第i个图谱变形后的标号图像；Wr为补偿项的局部权重，对于测试样本的每一像素点，其定义如下：其中d(p)为椭球先验对应的距离场图像中像素点p的值，Dmax和Dmin分别为椭球先验对应的距离场图像中的最大值、最小值；dmax＝pf·Dmax和dmin＝pb·Dmin为设置的阈值；pf和pb为0～1之间的任意数值；步骤八，步骤七所得的线性组合DF字典D^DF中的样本，得到测试样本的DF预测图像块向量并把转化为图像块x^DF；可得：在局部约束条件下，MR到DF的映射近似于一个微分同胚映射，可得：由于f是局部线性，可得：把转化为图像块x^DF即可得到预测的距离场图像块x^DF；步骤九，对MR测试集图像中的每个像素点重复步骤五至步骤八，对DF预测图像块重叠部分加权平均，获得每个像素点的DF值；用P(x)表示以像素点x为中心，大小与xDF一样的图像块，对于P(x)中的任一像素点u，其权重为：像素点x的DF值为：其中表示以像素点u为中心的图像块所预测的像素点x的DF值；步骤十，对预测出来的DF图像进行阈值处理，得到测试图像每个像素点所对应的标号，由方程式(Ⅰ)所定义的距离场可知，像素点x的标号可以由如下式导出：其中方程式(Ⅺ)中1的像素点表示该像素点属于目标，且还表示该像素点属于分割目标，方程式(Ⅺ)中的0表示背景。