CN103854274A - 一种基于放射性核素成像图像的分割方法及装置 - Google Patents

Abstract

本发明提供了一种基于放射性核素成像图像的分割方法及装置，利用放射性核素成像图像中像素的标准化值及非目标区域内像素的平均标准化值、标准差，从放射性核素成像图像中确定潜在目标区域，并依据潜在目标区域的边界像素、边界内像素及非目标区域的像素的平均标准化值，最终确定出感兴趣目标的边界，所述方法或装置只在计算非目标区域内像素的平均标准化值及标准差时需要接收用户选取的非目标区域，因此大大减小了人工介入的环节，从而避免了分割结果的主观性，提高了分割结果的确定性。

Description

一种基于放射性核素成像图像的分割方法及装置

技术领域

本发明涉及图像处理领域，尤其涉及一种基于放射性核素成像图像的分割方法及装置。

背景技术

放射性核素成像图像包括正电子发射体层摄影术（Positron EmissionTomography，PET）图像，简称PET图像，以及单光子发射体层摄影术（SinglePhoton Emission Computed Tomography，SPECT）图像，简称SPECT图像，放射性核素成像图像在医学领域有着广泛的应用。在使用PET或SPECT图像进行医学定量或半定量诊断时，通常需要对其进行分割，即将图像中的感兴趣区域从背景中分割出来。

PET或SPECT图像具有对比度低和空间分辨率低的特点，因此，现有的图像自动分割方法还不能很好地将感兴趣区域准确分割出来，现有的对PET或SPECT图像的分割一般由有经验的医生凭借经验在PET或SPECT图像上手动描绘出感兴趣目标的边界，将感兴趣区域从背景中分割出来，而这种手工绘制方法与医生的经验密切相关，分割结果的主观性过大，不同医生进行分割的结果不同，因而，使得分割结果具有不确定性。

发明内容

有鉴于此，本发明提供了一种基于放射性核素成像图像的分割方法，目的在于解决现有的PET和SPECT图像分割方法导致的分割结果不确定的问题。

为了实现上述目的，本发明提供了以下技术方案：

一种基于放射性核素成像图像的分割方法，包括：

计算放射性核素成像图像中像素的标准化值；

接收用户选取的非目标区域，计算所述非目标区域内像素的平均标准化值、标准差；

依据所述非目标区域内像素的平均标准化值、标准差与所述放射性核素成像图像中像素的标准化值，确定所述放射性核素成像图像中的潜在目标区域；

当所述潜在目标区域满足预设的条件时，计算所述潜在目标区域的边界像素的平均标准化值及所述潜在目标区域的边界内的像素的平均标准化值与所述非目标区域内像素的平均标准化值的算术平均数；

依据所述潜在目标区域的边界像素的平均标准化值及所述潜在目标区域的边界内的像素的平均标准化值与非目标区域内像素的平均标准化值的算术平均数的大小关系，确定目标区域的边界。

优选地，在所述计算放射性核素成像图像中像素的标准化值之前，还包括：

利用插值法调整所述放射性核素成像图像中像素的大小。

优选地，所述接收用户选取的非目标区域包括：

接收用户从与所述放射性核素成像图像目标区域不同层面的放射性核素成像图像中选取的非目标区域；

或者，接收用户从所述放射性核素成像图像目标区域所在层面中选取的非目标区域。

优选地，所述依据所述非目标区域内像素的平均标准化值、标准差与所述放射性核素成像图像中像素的标准化值，确定所述放射性核素成像图像中的潜在目标区域包括：

利用概率分布原理，依据所述非目标区域内像素的平均标准化值、标准差与所述放射性核素成像图像中像素的标准化值，确定放射性核素成像图像中的潜在目标区域。

优选地，所述预设的条件包括：

空条件；或者，

所述潜在目标区域的体积大于或等于预设的最小体积。

优选地，所述依据所述潜在目标区域的边界像素的平均标准化值及所述潜在目标区域的边界内的像素的平均标准化值与非目标区域内像素的平均标准化值的算术平均数的大小关系，确定目标区域的边界包括：

当所述潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述潜在目标区域的边界作为目标区域的边界；

当所述潜在目标区域的边界像素的平均标准化值大于所述算术平均数时，将所述潜在目标区域进行膨胀；当膨胀后的潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述膨胀后的潜在目标区域的边界确定为目标边界；当膨胀后的潜在目标区域的边界像素的平均标准化值小于所述算术平均数时，比较膨胀前后潜在目标区域的边界像素的平均标准化值与所述算术平均数的差值的绝对值，将绝对值小的潜在目标区域的边界确定为目标边界；

当所述潜在目标区域的边界像素的平均标准化值小于所述算术平均数时，将所述潜在目标区域进行腐蚀；当腐蚀后的潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述腐蚀后的潜在目标区域的边界确定为目标边界；当腐蚀后的潜在目标区域的边界像素的平均标准化值大于所述算术平均数时，比较腐蚀前后潜在目标区域的边界像素的平均标准化值与所述算术平均数的差值的绝对值，将绝对值小的潜在目标区域的边界确定为目标边界。

优选地，在将所述潜在目标区域进行膨胀之后，所述方法还包括：将平均标准化值小于预设的阈值的潜在目标区域去除；

在将所述潜在目标区域进行腐蚀之后，还包括：将平均标准化值小于预设的阈值的潜在目标区域去除。

优选地，所述方法还包括：

依据所述潜在目标区域的边界像素的平均标准化值及预设的规则，计算将非目标像素误判为边界像素的概率；

依据所述边界内像素的平均标准化值及所述预设的规则，计算将目标内像素误判为边界像素的概率。

一种基于放射性核素成像图像的分割装置，包括：

像素标准化值计算模块，用于计算放射性核素成像图像中像素的标准化值；

交互计算模块，用于接收用户选取的非目标区域，计算所述非目标区域内像素的平均标准化值、标准差；

潜在目标确定模块，用于依据所述非目标区域内像素的平均标准化值、标准差与所述放射性核素成像图像中像素的标准化值，确定所述放射性核素成像图像中的潜在目标区域；

边界确定模块，用于当所述潜在目标区域的体积大于或等于预设的最小体积且满足预设的条件时，计算所述潜在目标区域的边界像素的平均标准化值及所述潜在目标区域的边界内的像素的平均标准化值与所述非目标区域内像素的平均标准化值的算术平均数，并依据所述潜在目标区域的边界像素的平均标准化值及所述潜在目标区域的边界内的像素的平均标准化值与非目标区域内像素的平均标准化值的算术平均数的大小关系，确定目标区域的边界。

优选地，所述装置还包括：

调整模块，用于利用插值法调整所述放射性核素成像图像中像素的大小。

优选地，所述边界确定模块包括：

第一确定单元，用于当所述潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述潜在目标区域的边界作为目标区域的边界；

第二确定单元，用于当所述潜在目标区域的边界像素的平均标准化值大于所述算术平均数时，将所述潜在目标区域进行膨胀；当膨胀后的潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述膨胀后的潜在目标区域的边界确定为目标边界；当膨胀后的潜在目标区域的边界像素的平均标准化值小于所述算术平均数时，比较膨胀前后潜在目标区域的边界像素的平均标准化值与所述算术平均数的差值的绝对值，将绝对值小的潜在目标区域的边界确定为目标边界；

第三确定单元，用于当所述潜在目标区域的边界像素的平均标准化值小于所述算术平均数时，将所述潜在目标区域进行腐蚀；当腐蚀后的潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述腐蚀后的潜在目标区域的边界确定为目标边界；当腐蚀后的潜在目标区域的边界像素的平均标准化值大于所述算术平均数时，比较腐蚀前后潜在目标区域的边界像素的平均标准化值与所述算术平均数的差值的绝对值，将绝对值小的潜在目标区域的边界确定为目标边界。优选地，所述边界确定模块还包括：

过滤单元，用于在将所述潜在目标区域进行膨胀之后，将平均标准化值小于预设的阈值的潜在目标区域去除，以及，在将所述潜在目标区域进行腐蚀之后，将平均标准化值小于预设的阈值的潜在目标区域去除。

优选地，所述装置还包括：

误判概率计算模块，用于依据所述潜在目标区域的边界像素的平均标准化值及预设的规则，计算将非目标像素误判为目标边界像素的概率，并依据所述边界内像素的平均标准化值及所述预设的规则，计算将目标内像素误判为目标边界像素的概率。

本发明提供的基于放射性核素成像图像的分割方法及装置，利用放射性核素成像图像中像素的标准化值及非目标区域内像素的平均标准化值、标准差，从放射性核素成像图像中确定潜在目标区域，并依据潜在目标区域的边界像素、边界内像素及非目标区域的像素的平均标准化值，最终确定出感兴趣目标的边界，所述方法或装置只在计算非目标区域内像素的平均标准化值及标准差时需要接收用户选取的非目标区域，因此大大减小了人工介入的环节，从而避免了分割结果的主观性，提高了分割结果的确定性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例公开的一种基于放射性核素成像图像的分割方法的流程图；

图2为本发明实施例公开的一种基于放射性核素成像图像的分割方法中确定边界的过程的流程图；

图3为本发明实施例公开的又一种基于放射性核素成像图像的分割方法的流程图；

图4为原始放射性核素成像图像；

图5为图4所示的放射性核素成像图像进行像素大小调整后的结果；

图6为用户从与图4中放射性核素成像图像不同层的放射性核素成像图像中选择的非目标区域；

图7为图4中选择出的潜在目标区域；

图8为本发明实施例公开的一种基于放射性核素成像图像的分割装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开的一种基于放射性核素成像图像的分割方法，应用于放射性核素成像，包括PET和SPECT图像，本发明实施例均以PET图像为例进行说明，所述方法均适用于SPECT图像，处理过程类似，不再赘述。如图1所示，所述方法包括：

S101：计算放射性核素成像图像中像素的标准化值；

本发明实施例中所述像素的标准化值是指，将放射性核素成像图像中像素值标准化后计算得到的值。通常，标准化值包括：计数、标准摄取值、放射性比活度等。本发明实施例中，以计数为例进行说明，其它标准化值类似，不再赘述。

放射性核素成像图像中的像素的计数的计算依据以下公式进行：

体素计数=像素值×(受检者体重×转换系数/剂量校正因子)；

其中，转换系数、剂量校正因子可在该图像数字医学成像与通信标准（DICOM）文件得到，W是受检者体重（kg）。

此步骤中，可以使用上述公式依次计算每个像素的计数。

此方法仅为针对于放射性核素成像图像的优选计算方法，但不排除使用其它能够计算得到体素计数的方法。

S102：接收用户选取的非目标区域，计算所述非目标区域内像素的平均计数及标准差；

本实施例中，在此步骤中使用人机交互的方法，用户使用输入工具在放射性核素成像图像中依据经验，选择非目标区域，即：一定没有感兴趣区域存在的区域，为了确保选取的区域中不存在目标，用户可以在与感兴趣区相邻而又未出现感兴趣区的放射性核素成像图像中选择非目标区域。

所述非目标区域内像素的平均计数是指所述非目标区域内每个像素的计数的算术平均值，其中每个像素的计数可以依据上述公式进行计算。

本实施例中，S101和S102的顺序可以互换，本实施例不做限定。

S103：依据所述非目标区域内像素的平均计数、标准差与所述放射性核素成像图像中像素的计数，确定所述放射性核素成像图像中的潜在目标区域；

由于放射性核素成像图像成像的原理，非目标区域的像素满足一定的概率分布原理，因此，依据所述非目标区域内像素平均计数及标准差与所述放射性核素成像图像中像素的计数的关系，能够确定哪些像素属于非目标区域，哪些像素属于潜在目标区域。

本实施例中，将非目标区域内像素的平均计数作为

，标准差记为S，放射性核素成像图像中的体素计数X，当

时，

范围内的体素都视为非目标所在区域的像素，当

时，

范围内的体素都视为非目标所在区域的像素；体素计数

范围内的体素视为属于潜在目标区域的像素。

S104：当所述潜在目标区域满足预设的条件时，计算所述潜在目标区域的边界像素的平均计数、边界内像素的平均计数、所述非目标区域的像素的平均计数、及后两者的算术平均数；

本实施例中，优选预设的条件为空条件，即此步骤中的计算过程不受任何条件约束。

S105：依据所述潜在目标区域的边界像素的平均计数、边界内像素的平均计数及所述非目标区域内像素的平均计数的大小关系，确定目标区域的边界。

本实施例中，将潜在目标区域的边界像素的平均计数记为C_bound，将潜在目标区域的边界内的像素的平均计数记为C_in，将C_in与非目标区域内像素的平均计数它们两者的算术平均数记为C_exp，如图2所示，确定边界的过程具体包括：

S201：判断C_bound与C_exp的大小关系，如果C_bound=C_exp，执行S202，如果C_bound>C_exp，执行S203，如果C_bound<C_exp，执行S204；

S202：潜在目标区域即为目标区域，确定当前潜在目标区域的边界即为目标区域的边界；

S203：潜在目标区域为目标区域的子集，潜在目标区域的边界在目标区域的边界的内侧，为了得到目标区域的边界，对潜在目标区域进行形态学膨胀，膨胀的程度可以根据实际情况预先自定义，本实施例中，优选每次向外膨胀一个像素，当累计膨胀达到1个体素高时，在体素高的方向膨胀一个体素，执行S205；

S204：目标区域为潜在目标区域的子集，潜在目标区域的边界在目标区域的边界的外侧，为了得到目标区域的边界，将潜在目标区域进行形态学腐蚀，腐蚀的程度可以根据实际情况预先自定义，本实施例中，优选每次向内腐蚀一个像素，当累计腐蚀达到1个体素高时，在体素高的方向腐蚀一个体素，执行S205；

S205：判断所述潜在目标区域内像素的平均标准化值C_obj是否大于预设的阈值，如果是，执行S206；如果否，执行S210；

本实施例中，此步骤为优选步骤，目的在于去除被误认为潜在目标区域的噪声。

S206：重新计算C_bound及C_exp；

经过膨胀或腐蚀后，潜在目标区域发生了变化，因此要重新计算C_bound、C_exp。

S207：判断重新计算后的C_bound-C_exp与0的关系是否发生变化，如果是，执行S208；如果否，执行S201；

其中C_bound-C_exp与0的关系是否发生变化是指，C_bound-C_exp由大于0变为小于0或等于0，或者由小于零变为大于0或等于0。

S208：判断C_bound=C_exp是否成立，如果是，确定潜在目标的边界为目标边界，如果否，执行S209；

S209：比较形态学操作前后C_bound-C_exp结果的绝对值，绝对值较小的对应其描述真实目标的边界更接近真实情况，将该边界确定为目标区域的边界。

例如，形态学膨胀或腐蚀前的C_bound-C_exp为A1，潜在目标区域进行膨胀或腐蚀后，使用重新计算的C_bound后的C_bound-C_exp为A2，比较A1和A2的绝对值，如果A1的绝对值较小，则将形态学处理的潜在目标区域的边界作为目标区域的边界，如果A2的绝对值较小，将经过膨胀或腐蚀后的潜在目标区域的边界作为目标区域的边界。

S210：将此潜在区域视为噪声，删除。

本实施例所述的基于放射性核素成像图像的分割方法，为一种半自动的分割方法，既不是完全没有人为参与，也不是完全依靠人为绘制目标区域的边界，因此，既能够依据图像的客观特性又能够依据人为的经验对放射性核素成像图像进行分割，因此，既避免了分割结果过于主观，又能提高分割结果的准确性。

本发明实施例公开的又一种基于放射性核素成像图像的分割方法，如图3所示，包括：

S301：接收放射性核素成像图像；

例如，接收的放射性核素成像图像如图4所示。

S302：利用插值法调整所述放射性核素成像图像中像素的大小；

实际应用中，放射性核素成像图像通常要与其它医学图像，例如CT图像进行比对，因此，在进行分割之前，要调整放射性核素成像图像的像素的大小，本实施例中，优选线性插值法将放射性核素成像图像的像素大小与CT图像调成一致，例如0.9766mm×0.9766mm。

图5为图4所示的放射性核素成像图像进行像素大小调整后的结果。

S303：计算放射性核素成像图像中像素的标准化值；

此步骤中的放射性核素成像图像为S302调整后的放射性核素成像图像。

S304：接收用户选取的非目标区域，计算所述非目标区域内像素的平均标准化值C_non_obj及标准差；

图6为本实施例优选地，用户从与图4中放射性核素成像图像不同层面的放射性核素成像图像中选择的非目标区域，方框中记为选择的非目标区域，非目标区域的选择过程需要用户依据经验进行。

非目标区域的选择也可以在当前处理的放射性核素成像图像中进行，这里不做限定。

S305：依据概率分布原理及放射性核素成像图像中像素的标准化值、C_non_obj及标准差，确定放射性核素成像图像中的潜在目标区域；

本实施例中，潜在目标区域的具体确定过程与上述实施例相同，这里不再赘述，需要说明的是，概率分布原理既可以优选为泊松原理，也可以优选为高斯分布原理。

当优选泊松分布时，具体的确定过程为：将非目标区域内像素的平均计数作为λ)，求当时最小的x值，当体素计数大于等于x时体素视为潜在目标区域的像素。

当优选高斯分布时，具体的确定过程为：将非目标区域内像素的平均计数作为

标准差记为S，放射性核素成像图像中的体素计数X，当体素计数

范围内的体素视为属于潜在目标区域的像素。

如图7所示，潜在目标区域为非黑色区域。从图中可以看出，PET图像包括3个潜在目标区域，本发明所述的方法针对于每个潜在目标区域，即以下步骤可以用于任意一个潜在目标区域。

S306：判断潜在目标区域的体积是否大于或等于预设的最小体积，如果是，执行S307，如果否，执行S312；

其中，预设的最小体积可以依据放射性核素成像仪的空间分辨率计算得到。

S307：计算所述潜在目标区域内像素的平均标准化值C_obj；

S308：依据所述C_obj，调整潜在区域的像素的大小；

放射性核素成像图像像素标准化值符合泊松分布，当λ值≥20时近似为正态分布，

假设像素标准化值分布符合正态分布，当概率P≤0.01，单侧检验U≥2.3263，以最小对比度的感兴趣区（ROI）为基准求更合适它的像素大小，同时调整后ROI的平均标准化值要≥20，考虑到后续形态学处理的影响，本实施例优选保守的值为25。

与上述实施例不同的是，本实施例中，预设的条件优选为：所述潜在目标区域的体积大于或等于预设的最小体积，目的在于去被除误认为潜在目标区域的噪声。

而上述实施例中，虽然在确定潜在目标区域后没有去除噪声的过程，但是因为噪声区域提取出的边界很容易辨别，并且非目标区域像素判为噪声区域边界的概率及将噪声区域内像素误判为噪声区域边界的概率都远远大于0.05，因此，也不会影响图像分割的最终结果。

S309：计算潜在目标区域的边界像素的平均计数C_bound及所述潜在目标区域的边界内像素的平均计数C_in与非目标区域内像素的平均计数C_non_obj的算术平均数C_exp；

S310：依据所述潜在目标区域的边界像素的平均计数C_bound及所述潜在目标区域的边界内像素的平均计数C_in与非目标区域内像素的平均计数C_non_obj的算术平均数C_exp的大小关系，确定目标区域的边界。

具体确定方法如图2所示，本实施例不再赘述。

S311：依据所述潜在目标区域的边界像素的平均计数及预设的规则，计算将非目标区域像素误判为目标区域边界的概率，及将目标区域内像素误判为目标区域边界的概率；

具体地，假设某潜在目标区域的边界像素的平均计数（C_bound）、及所述潜在目标区域的边界内像素的平均计数（C_in）与非目标区域内像素的平均计数（C_non_obj）分别是13.10、34.97和5.08。以C_in为λ值，依据所述C_in及所述预设的规则，计算将目标内像素误判为目标边界像素的概率P，计算公式如式（1）、（2）。

当0<λ<20，

$P=F(C\_\mathrm{bound}|\mathrm{\&lambda;})=e^{-\mathrm{\&lambda;}}\underset{i=0}{\overset{\mathrm{floor}(C\_\mathrm{bound})}{\mathrm{\&Sigma;}}}\frac{{\mathrm{\&lambda;}}^i}{i!}---\left(1\right);$

当λ≥20，像素计数统计分布可近似于正态分布，μ=λ，

$P=F(C\_\mathrm{bound}|\mathrm{\&mu;},\mathrm{\&sigma;})=\frac{1}{\mathrm{\&sigma;}\sqrt{2\mathrm{\&pi;}}}{\&Integral;}_{-\&infin;}^{C\_\mathrm{bound}}{e}^{\frac{-{(t-\mathrm{\&mu;})}^2}{2{\mathrm{\&sigma;}}^2}}\mathrm{dt}---\left(2\right);$

本例C_in=34.97>20，C_bound=13.10，可以用式（2）计算目标内像素误判为目标边界像素的概率P＝1.1×10^-4

具体地，以C_non_obj为λ值，依据所述C_bound及所述预设的规则，计算将非目标内像素误判为目标边界像素的概率P，计算公式(3)如下：

$P=1-F(C\_\mathrm{bound}|\mathrm{\&lambda;})=1-e^{-\mathrm{\&lambda;}}\underset{i=0}{\overset{\mathrm{floor}(C\_\mathrm{bound})}{\mathrm{\&Sigma;}}}\frac{{\mathrm{\&lambda;}}^i}{i!}---\left(3\right)$

本例C_bound=13.10，C_non_obj＝5.08，将非目标内像素误判为目标边界像素的概率P=8.1×10^-4。

此步骤中计算得到的概率，能够帮助使用者明确分割结果的准确性，有助于指导用户提高准确性。

S312：将此潜在区域视为噪声，删除。

本实施例所述的方法，除了保证分割图像确定性和准确性之外，还能够得到误判概率，有利于指导使用者提高分割结果的准确性。

与上述方法实施例相对应的，本发明实施例还公开了一种基于放射性核素成像图像的分割装置，如图8所示，包括：

像素标准化值计算模块801，用于计算放射性核素成像图像中像素的标准化值；

交互计算模块802，用于接收用户选取的非目标区域，计算所述非目标区域内像素的平均标准化值及标准差；

潜在目标确定模块803，用于依据所述非目标区域内像素的平均标准化值及标准差与所述放射性核素成像图像中像素的标准化值，确定所述放射性核素成像图像中的潜在目标区域；

边界确定模块804，用于当所述潜在目标区域满足预设的条件时，计算所述潜在目标区域的边界像素的平均标准化值及所述潜在目标区域的边界内的像素的平均标准化值与非目标区域内的像素的平均标准化值的算术平均数，并依据所述潜在目标区域的边界像素的平均标准化值及所述潜在目标区域的边界内的像素的平均标准化值与非目标区域内的像素的平均标准化值的算术平均数的大小关系，确定目标区域的边界。

进一步地，所述边界确定模块包括：

第一确定单元，用于当所述潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述潜在目标区域的边界作为目标区域的边界；

第二确定单元，用于当所述潜在目标区域的边界像素的平均标准化值大于所述算术平均数时，将所述潜在目标区域进行膨胀；当膨胀后的潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述膨胀后的潜在目标区域的边界确定为目标边界；当膨胀后的潜在目标区域的边界像素的平均标准化值小于所述算术平均数时，比较膨胀前后潜在目标区域的边界像素的平均标准化值与所述算术平均数的差值的绝对值，将绝对值小的潜在目标区域的边界确定为目标边界；

第三确定单元，用于当所述潜在目标区域的边界像素的平均标准化值小于所述算术平均数时，将所述潜在目标区域进行腐蚀；当腐蚀后的潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述腐蚀后的潜在目标区域的边界确定为目标边界；当腐蚀后的潜在目标区域的边界像素的平均标准化值大于所述算术平均数时，比较腐蚀前后潜在目标区域的边界像素的平均标准化值与所述算术平均数的差值的绝对值，将绝对值小的潜在目标区域的边界确定为目标边界。

进一步地，所述边界确定模块还可以包括：

过滤单元，用于在将所述潜在目标区域进行膨胀之后，将平均标准化值小于预设的阈值的潜在目标区域去除，以及，在将所述潜在目标区域进行腐蚀之后，将平均标准化值小于预设的阈值的潜在目标区域去除。

进一步地，所述装置还包括：

调整模块，用于利用插值法调整所述放射性核素成像图像中像素的大小。

误判概率计算模块，用于依据所述潜在目标区域的边界像素的平均标准化值及预设的规则，计算将非目标像素误判为目标边界像素的概率，并依据所述边界内像素的平均标准化值及所述预设的规则，计算将目标内像素误判为目标边界像素的概率。

本实施例所述的基于放射性核素成像图像的分割装置，与用户交互的环节仅在于接收用户输入的非目标区域，而不再需要用户手工绘制图像的边界，因此，能够提高分割结果的确定性，进一步地，能够提高分割的效率。

本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备（可以是个人计算机，服务器，移动计算设备或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (13)

1.一种基于放射性核素成像图像的分割方法，其特征在于，包括：

计算放射性核素成像图像中像素的标准化值；

接收用户选取的非目标区域，计算所述非目标区域内像素的平均标准化值、标准差；

依据所述非目标区域内像素的平均标准化值、标准差与所述放射性核素成像图像中像素的标准化值，确定所述放射性核素成像图像中的潜在目标区域；

当所述潜在目标区域满足预设的条件时，计算所述潜在目标区域的边界像素的平均标准化值及所述潜在目标区域的边界内的像素的平均标准化值与所述非目标区域内像素的平均标准化值的算术平均数；

依据所述潜在目标区域的边界像素的平均标准化值及所述潜在目标区域的边界内的像素的平均标准化值与非目标区域内像素的平均标准化值的算术平均数的大小关系，确定目标区域的边界。

2.根据权利要求1所述的方法，其特征在于，在所述计算放射性核素成像图像中像素的标准化值之前，还包括：

利用插值法调整所述放射性核素成像图像中像素的大小。

3.根据权利要求1所述的方法，其特征在于，所述接收用户选取的非目标区域包括：

接收用户从与所述放射性核素成像图像目标区域不同层面的放射性核素成像图像中选取的非目标区域；

或者，接收用户从所述放射性核素成像图像目标区域所在层面中选取的非目标区域。

4.根据权利要求1所述的方法，其特征在于，所述依据所述非目标区域内像素的平均标准化值、标准差与所述放射性核素成像图像中像素的标准化值，确定所述放射性核素成像图像中的潜在目标区域包括：

利用概率分布原理，依据所述非目标区域内像素的平均标准化值、标准差与所述放射性核素成像图像中像素的标准化值，确定放射性核素成像图像中的潜在目标区域。

5.根据权利要求1所述的方法，其特征在于，所述预设的条件包括：

空条件；或者，

所述潜在目标区域的体积大于或等于预设的最小体积。

6.根据权利要求1所述的方法，其特征在于，所述依据所述潜在目标区域的边界像素的平均标准化值及所述潜在目标区域的边界内的像素的平均标准化值与非目标区域内像素的平均标准化值的算术平均数的大小关系，确定目标区域的边界包括：

当所述潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述潜在目标区域的边界作为目标区域的边界；

当所述潜在目标区域的边界像素的平均标准化值大于所述算术平均数时，将所述潜在目标区域进行膨胀；当膨胀后的潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述膨胀后的潜在目标区域的边界确定为目标边界；当膨胀后的潜在目标区域的边界像素的平均标准化值小于所述算术平均数时，比较膨胀前后潜在目标区域的边界像素的平均标准化值与所述算术平均数的差值的绝对值，将绝对值小的潜在目标区域的边界确定为目标边界；

当所述潜在目标区域的边界像素的平均标准化值小于所述算术平均数时，将所述潜在目标区域进行腐蚀；当腐蚀后的潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述腐蚀后的潜在目标区域的边界确定为目标边界；当腐蚀后的潜在目标区域的边界像素的平均标准化值大于所述算术平均数时，比较腐蚀前后潜在目标区域的边界像素的平均标准化值与所述算术平均数的差值的绝对值，将绝对值小的潜在目标区域的边界确定为目标边界。

7.根据权利要求6所述的方法，其特征在于，在将所述潜在目标区域进行膨胀之后，还包括：

将平均标准化值小于预设的阈值的潜在目标区域去除；

在将所述潜在目标区域进行腐蚀之后，还包括：将平均标准化值小于预设的阈值的潜在目标区域去除。

8.根据权利要求1所述的方法，其特征在于，还包括：

依据所述潜在目标区域的边界像素的平均标准化值及预设的规则，计算将非目标像素误判为边界像素的概率；

依据所述边界内像素的平均标准化值及所述预设的规则，计算将目标内像素误判为边界像素的概率。

9.一种基于放射性核素成像图像的分割装置，其特征在于，包括：

像素标准化值计算模块，用于计算放射性核素成像图像中像素的标准化值；

交互计算模块，用于接收用户选取的非目标区域，计算所述非目标区域内像素的平均标准化值、标准差；

潜在目标确定模块，用于依据所述非目标区域内像素的平均标准化值、标准差与所述放射性核素成像图像中像素的标准化值，确定所述放射性核素成像图像中的潜在目标区域；

边界确定模块，用于当所述潜在目标区域满足预设的条件时，计算所述潜在目标区域的边界像素的平均标准化值及所述潜在目标区域的边界内的像素的平均标准化值与所述非目标区域内像素的平均标准化值的算术平均数，并依据所述潜在目标区域的边界像素的平均标准化值及所述潜在目标区域的边界内的像素的平均标准化值与非目标区域内像素的平均标准化值的算术平均数的大小关系，确定目标区域的边界。

10.根据权利要求9所述的装置，其特征在于，还包括：

调整模块，用于利用插值法调整所述放射性核素成像图像中像素的大小。

11.根据权利要求10所述的装置，其特征在于，所述边界确定模块包括：

第一确定单元，用于当所述潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述潜在目标区域的边界作为目标区域的边界；

第二确定单元，用于当所述潜在目标区域的边界像素的平均标准化值大于所述算术平均数时，将所述潜在目标区域进行膨胀；当膨胀后的潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述膨胀后的潜在目标区域的边界确定为目标边界；当膨胀后的潜在目标区域的边界像素的平均标准化值小于所述算术平均数时，比较膨胀前后潜在目标区域的边界像素的平均标准化值与所述算术平均数的差值的绝对值，将绝对值小的潜在目标区域的边界确定为目标边界；

第三确定单元，用于当所述潜在目标区域的边界像素的平均标准化值小于所述算术平均数时，将所述潜在目标区域进行腐蚀；当腐蚀后的潜在目标区域的边界像素的平均标准化值等于所述算术平均数时，将所述腐蚀后的潜在目标区域的边界确定为目标边界；当腐蚀后的潜在目标区域的边界像素的平均标准化值大于所述算术平均数时，比较腐蚀前后潜在目标区域的边界像素的平均标准化值与所述算术平均数的差值的绝对值，将绝对值小的潜在目标区域的边界确定为目标边界。

12.根据权利要求11所述的装置，所述边界确定模块还包括：

过滤单元，用于在将所述潜在目标区域进行膨胀之后，将平均标准化值小于预设的阈值的潜在目标区域去除，以及，在将所述潜在目标区域进行腐蚀之后，将平均标准化值小于预设的阈值的潜在目标区域去除。

13.根据权利要求9所述的装置，其特征在于，还包括：

误判概率计算模块，用于依据所述潜在目标区域的边界像素的平均标准化值及预设的规则，计算将非目标像素误判为目标边界像素的概率，并依据所述边界内像素的平均标准化值及所述预设的规则，计算将目标内像素误判为目标边界像素的概率。

Images