CN102622750A

CN102622750A - 基于交互式区域生长的胃部ct序列图像分割方法

Info

Publication number: CN102622750A
Application number: CN2012100434745A
Authority: CN
Inventors: 缑水平; 王云利; 周治国; 刘芳; 张晓鹏; 唐磊; 王之龙; 马丽敏
Original assignee: Xidian University
Current assignee: Xidian University
Priority date: 2012-02-24
Filing date: 2012-02-24
Publication date: 2012-08-01

Abstract

本发明公开了一种基于交互式区域生长的胃部CT序列图像分割方法。主要解决现有技术的对于CT序列分割速度慢，容易出现欠分割的不足。其实现步骤是：先在第一张待分割目标区域内人工选取种子点然后用交互式区域生长进行分割，再将分割结果的中心及其8邻域投影到下一张CT图像中，作为其种子点，继续用交互式区域生长进行分割，得到当前图像的目标区域，重复将前一幅的分割结果投影到下一幅图像作为种子点继续分割，直到整个序列分割完毕。本发明与传统的串行的区域生长相比，具有速度快、效果好等优点，可用于胃部CT序列图像的分割，对于序列中胃部淋巴结可能出现的目标区域，都能较好的分割出来。

Description

基于交互式区域生长的胃部CT序列图像分割方法

技术领域

本发明属于图像处理技术领域，特别是医学图像的处理，主要可用于胃部CT序列图像的分割。

背景技术

随着医学成像技术的飞速发展，大量高分辨率图像纷纷涌现，比如磁共振造影MRI、计算机断层扫描CT、脑磁图MEG、三维超声成像，解正电子发射断层照相PET、单光子发射计算机断层SPECT、漫射加权成像DWI、功能磁共振FMRI等，这些成像技术各有特点，它们分别能在不同的时空分辨率下给人们提供各种解剖信息和功能信息。但仅仅依靠这些设备所提供的信息远远达不到人们的要求，必须进一步通过图像处理手段来对图像进行分析和解译。医学图像处理技术包括图像恢复、图像增强，图像分割和图像重建等，其中，将感兴趣的目标从图像中分离出来具有特别的复杂性和重要的研究价值。医学图像分割是正常组织和病变组织的三维重建、定量分析等后续操作的基础，也是临床医学应用的瓶颈。分割的准确性对医生判断疾病的准确性以及做出合理的治疗方案至关重要。

图像分割方法包括以计算机为单一执行者的自动分割方法和人机结合的交互式分割。由于自动分割方法的结果往往很难令人满意，准确性达不到医学图像应用的要求。因此能凭借医生的经验和对图像知识的理解，人机结合进行的交互式分割应用而生，这种方法分割速度快，精度高。而传统的区域生长法是一种基于区域的分割方法，其基本原理是将具有相似性质的像素集中起来构成区域来达到分割的目的。该方法需要首先由用户交互式的选取一个种子点，然后依次将种子点周围与其相似的像素合并到种子点所在的区域中，最后形成的区域即为分割结果。

现有的基于区域生长的序列图分割方法是将序列中的第一幅图用区域生长法进行分割，然后将分割结果的轮廓点作为下一幅图的种子点继续用区域生长法分割即得到当前图的分割结果。这种方法的优势是计算简单，对于伤口和肿瘤等小而简单的图像结构分割效果较好。但对于待分割的目标是胃部CT序列图中胃壁周围5cm的淋巴结所在区域，则分割效果差。这是因为这些目标区域不仅形状不规则，变化也比较大，目标区域内还可能有噪声，血管等干扰点，而已有的基于区域生长的序列分割方法是串行进行的，因此分割这种目标区域不仅速度慢，而且容易造成欠分割现象。

发明内容

本发明的目的在于针对上述CT序列图像分割的缺陷，提出一种基于交互式区域生长的胃部CT序列图像的分割方法，以提高分割的速度和准确性。

为实现上述目的，本发明包括如下步骤：

(1)输入胃部CT序列图像，对序列中每幅图像外围的脂肪组织区域用给定的掩膜图像减掉，去掉边缘的冗余部分，避免产生误分割；

(2)利用交互式区域生长对CT序列中的第一幅图像I进行分割；

(3)计算当前已分割得到的图像的目标区域的灰度均值avegray和灰度方差square。将已分割好的图像目标区域的中心及此中心的8邻域点投影到序列中与已分割好的图像相邻的下一幅图像II的相应位置，并将投影过来的点依次与avegray作差，将差值小于灰度方差square的点作为该幅图像的种子点，设投影完经过筛选后这些种子点的个数为kk；

(4)基于已选取的种子点再次利用交互式区域生长对序列中的当前图像II进行分割，得到该幅图像的分割结果；

(5)判断CT序列中的图像是否已全部分割完成，否则转步骤(3)，直到所有图像分割完成。

本发明与现有的技术相比具有以下优点：

1、对于同一个人的CT序列，只需在第一幅图像的目标区域人工的选择几个种子点便可完成交互操作，达到较理想的分割效果；

2、本发明针对胃部CT图像自身的特点，根据已知的种子点和阈值，通过对原灰度图进行二值化操作来完成全局范围内相似点的搜索，与传统的串行的区域生长法相比，提高了分割的速度；

3、本发明针对胃部CT序列中相邻图像之间的相似性，将CT序列中前一幅图像的分割结果的中心及其8邻域点投影到下一幅图像中，作为其区域生长的种子点，克服了欠分割的现象。

附图说明

图1是本发明的总流程图；

图2是本发明中交互式区域生长的子流程图；

图3是胃部CT图像中的脂肪组织区域；

图4是本发明所使用的掩膜图像；

图5是本发明所使用的胃部CT序列的第1幅图像；

图6是用本发明对图5进行分割后的结果图像；

图7是待分割区域中可能为噪声或是血管的杂点；

图8是是胃部CT图像中的背景区域；

图9是本发明所使用的胃部CT序列的第30幅图像；

图10是本发明对图9进行分割后的结果图像。

具体实施方式

参照图1，本发明基于交互式区域生长的胃部CT序列图像分割方法包括如下步骤：

步骤1：输入胃部CT序列图像，共30幅；

步骤2：将这30幅图像中的脂肪组织区域，用给定的掩膜图像都减掉，避免产生误分割，脂肪组织区域如图3所示，掩膜图像如图4所示；

步骤3：利用交互式区域生长对30幅图像中的第1幅图像I进行分割，第1幅图像如图5所示：

参照图2，本步骤的具体实现如下：

3a)在图5的待分割区域内人工选择k个种子点，设一个与图像I大小相同的存放分割结果的矩阵Y，再给定一个相似性阈值T，k取大于0的整数；

3b)将图5中的每个像素值依次与k个种子的灰度值作差，则矩阵Y中每个位置处将得到k个差值：Y(i，j，k)＝abs(I(i，j)-seed(k))，

其中，I(i，j)表示图5中第i行第j列处的像素值，seed(k)是第k个种子点的像素值，Y(i，j，k)表示图5中第i行第j列处的第k个差值，abs表示求绝对值运算；

3c)将k个差值Y(i，j，k)中小于或等于阈值T的值均置为1，大于阈值T的值均置为0，再继续对得到的k个结果进行或运算，得到矩阵Y中第i行第j列处的值；

Y(i，j)＝Y(i，j，1)|Y(i，j，2)|…|Y(i，j，k)；

3d)对矩阵Y进行形态学重构：将矩阵Y中值为1的各个点集合起来形成分割结果区域，最后进行区域标记得到图5的分割结果，如图6所示。

步骤4：计算当前已分割好的图像的目标区域的灰度均值avegray和灰度方差square，当前已分割好的图像如图6所示：

avegray＝1/n∑I(p，q)，

square = \sqrt{\frac{1}{n} Σ {(I (p, q) - avegray)}^{2}}

其中，n表示当前已分割好的图像中目标区域内像素点的个数，p表示目标区域中每个点所在的行，q表示目标区域中每个点所在的列，I(p，q)表示当前已分割好的图像中目标区域内位于第p行第q列处的像素值。

步骤5：对于CT序列中剩余的29幅待分割图像，都需要先从前一幅已分割好的图像中先投影，再筛选种子点，最后用交互式区域生长进行分割：

5a)投影：将已分割好的图像的目标区域的中心及其8邻域点投影到序列中与其相邻的下一幅图像II的相应位置，由于有的图像的目标区域中可能存在噪声或是血管，如图7所示，这些点的灰度值和背景区域中像素点的灰度值非常接近，背景区域如图8所示，如果投影过来的点是这些点，则会影响分割结果，所以必须进行筛选；

5b)筛选：将步骤5a)中投影过来的点依次与灰度均值avegray作差，将差值小于灰度方差square的点作为其种子点，设kk表示这些种子点的个数；

5c)设一个与图像II大小相同的存放分割结果的矩阵Y，再给定一个相似性阈值T，将图像II中的每个像素值依次与kk个种子的灰度值作差，则矩阵Y中每个位置处将得到kk个差值：Y(i，j，kk)＝abs(II(i，j)-seed(kk))，

其中，II(i，j)表示图像II中第i行第j列处的像素值，seed(kk)是第kk个种子点的像素值，Y(i，j，kk)表示图像II中第i行第j列处的第kk个差值，abs表示求绝对值运算；

5d)将kk个差值Y(i，j，kk)中小于或等于阈值T的值都置为1，大于阈值T的值都置为0，再继续对得到的kk个结果进行或运算，得到矩阵Y中第i行第j列处的值；

Y(i，j)＝Y(i，j，1)|Y(i，j，2)|…|Y(i，j，kk)；

5e)对矩阵Y进行形态学重构：将矩阵Y中值为1的各个点集合起来形成分割结果区域，最后进行区域标记得到当前图像的分割结果。

步骤6：判断CT序列中的第30幅图像，如图9所示，是否分割完成，否则转步骤4继续，直到第30幅图像分割完成得到其分割结果，如图10所示。

综上所述，本发明通过对同一个人的胃部CT序列中的30幅图像，只要在第一幅图像的目标区域中先人工选择几个种子点，再通过交互式区域生长分割就得到第一幅中的目标区域，然后将这个目标区域的中心及此中心的8邻域点投影到序列中相邻的下一幅图像，继续用交互式区域生长进行分割，就依次得到剩余29幅图像的分割结果。从这30幅图像的分割结果可以看出，本发明只须在CT序列的第一幅图像的目标区域内人工选择几个点，接下来就可自动的获得30幅图像中胃部淋巴结可能出现的目标区域，分割结果均比较理想。

Claims

1.一种基于交互式区域生长的胃部CT序列图像分割方法，包括如下步骤：

(2)利用交互式区域生长对CT序列中的第一幅图像I进行分割；

2.根据权利要求1所述的方法，其中步骤(2)所述的利用交互式区域生长对CT序列中的第一幅图像I进行分割，按如下步骤进行进行：

(2a)先在CT序列的第一幅图像I的待分割区域内人工选择k个种子点，设一个与图像I大小相同的存放分割结果的矩阵Y，再给定一个相似性阈值T，k取大于0的整数；

(2b)将图像I中的每个像素值依次与k个种子的灰度值作差，则Y中每个位置处将得到k个差值：Y(i，j，k)＝abs(I(i，j)-seed(k))，其中，I(i，j)表示图像I中第i行第j列处的像素值，seed(k)是第k个种子点的像素值，Y(i，j，k)表示图像I中第i行第j列处的第k个差值，abs表示求绝对值运算；

(2c)将k个差值Y(i，j，k)中小于或等于阈值T的值都置为1，大于阈值T的置为0，再继续对得到的k个结果进行或运算，得到矩阵Y中第i行第j列处的值；

Y(i，j)＝Y(i，j，1)|Y(i，j，2)|…|Y(i，j，k)；

(2d)对矩阵Y进行形态学重构：将矩阵Y中值为1的各个点集合起来形成分割结果区域，最后进行区域标记得到分割结果。

3.根据权利要求1所述的方法，其中所述步骤(3)中计算当前已分割得到的图像的目标区域的灰度均值avegray是通过公式：avegray＝1/n∑I(p，q)计算，其中，n表示分割得到的目标区域内像素点的个数，p表示目标区域内每个点所在的行，q表示目标区域内每个点所在的列，I(p，q)表示当前已分割好的图像的目标区域内位于第p行第q列处的像素值。

4.根据权利要求1所述的方法，其中所述步骤(3)中计算当前已分割得到的图像的目标区域的灰度方差square是通过公式计算：

。

5.根据权利要求1所述的方法，其中步骤(4)所述的基于已选取的种子点再次利用交互式区域生长对序列中的当前图像II进行分割，按如下步骤进行：

(4a)将图像II中的每个像素值依次与kk个种子的灰度值作差，则矩阵Y中每个位置处将得到kk个差值：Y(i，j，kk)＝abs(II(i，j)-seed(kk))，

(4b)将kk个差值Y(i，j，kk)中小于阈值T的值均置为1，大于阈值T的值置为0，再继续对得到的kk个结果进行或运算，得到矩阵Y中第i行第j列处的值；

Y(i，j)＝Y(i，j，1)|Y(i，j，2)|…|Y(i，j，kk)

(4c)对矩阵Y进行形态学重构：将矩阵Y中值为1的各个点集合起来形成分割结果区域，最后进行区域标记得到分割结果。