一种超声图像中目标对象分割方法、装置及系统
技术领域
本发明涉及超声图像技术领域,具体的涉及一种超声图像中目标对象分割方法、装置及系统。
背景技术
超声卵泡监测不仅可以了解卵泡的生长过程,还可以预测排卵的时间,判断黄体形成,对卵泡发育异常的诊断也起着重要的作用,为妇科内分泌提供了大量的信息。对卵泡的观察除注意其形态、数目、回声外,测量卵泡的大小对了解其生长发育状态、药物治疗效果以及判断卵泡成熟是十分重要的。卵泡的声像表现为圆形或椭圆形无回声区,位于卵巢皮质内,边界清晰,囊壁菲薄,内壁光滑。一般认为成熟卵泡直径在18-25mm,妊娠机率大,卵泡直径<18mm不易妊娠。
然而,若医生欲获得每个卵泡的大小时,需手动地在各个卵泡上手动标记几个点,操作费时且繁琐。尤其是,当人体内包含密集的卵泡时,手动标记更为复杂、繁琐,极大地增加了医生的工作量。
自动测量卵泡的大小是发展的方向,卵泡的自动分割是自动测量的关键步骤。在现有技术中,美国专利申请号为US 2008/0267499 A1的专利提出了三维卵泡的分割方法,该专利是基于阈值方法和形态学方法的结合。但是,该方法存在下述不足:当一个卵泡与另外一个卵泡的距离比较邻近,且它们之间存在着模糊区域时,该方法很难将这两个卵泡有效地分离开来。此外,分割结果中可能存在轮廓嵌套的现象(即一个轮廓中可能包含另外一个轮廓)或细碎的轮廓。
发明内容
为解决上述问题,本发明提出一种超声图像中目标对象分割方法,本发明采用相位一致性模型得到图像的边缘图,并在此基础上计算了向量场卷积外力场以此来驱动演化模型,从而完成目标对象轮廓的提取。这样,可以有效地处理弱边界和噪声的情形,提高了目标对象分割的准确性与鲁棒性。
本发明提出一种超声图像中目标对象分割方法,包括:
获取包含目标对象的超声子图像;
对包含目标对象的超声子图像进行边缘检测,获得边缘图像;
构造所述边缘图像外力场,通过使得外部能量场的负梯度逼近所述外力场来估计所述卵泡的初始轮廓;
以所述外力场作为演化模型的外力来推动所述初始轮廓的演化,直到演化结束,轮廓不再移动,从而获取分割后的目标对象。
本发明还提供一种超声图像中目标对象分割装置,所述装置包括:获取模块、第一计算模块、第二计算模块、第三计算模块;
获取模块,用于获取包含目标对象的超声子图像;
第一计算模块,用于对包含目标对象的超声子图像进行边缘检测,获得边缘图像;
第二计算模块,用于构造所述边缘图像外力场,通过使得外部能量场的负梯度逼近所述外力场来估计所述卵泡的初始轮廓;
第三计算模块,用于以所述外力场作为演化模型的外力来推动所述初始轮廓的演化,直到演化结束,轮廓不再移动,从而获取多个分割后的目标对象。
本发明还提供一种系统,所述系统具有如上所述的装置。
从以上技术方案可以看出,本发明实施例具有以下优点:
1、由于采用相位一致性模型得到图像的边缘图,并在此基础上计算了向量场卷积以此来驱动演化模型,从而完成目标对象轮廓的提取。可以有效地处理弱边界和噪声的情形,提高了目标对象分割的准确性与鲁棒性。
2、一方面,由于可以用不同的颜色表示每个不同目标的轮廓边界,并且通过标号显示将分割结果与测量结果一一对应起来,另一方面,由于可以在分割结果中显示表示目标对象长轴和短轴的两个端点,因此可以使医生的观测更为直观。
3、由于可以一次性地获得同一幅图像的目标对象闭合轮廓,所以可以一次性地对目标对象进行轮廓初始化,这就为后续演化模型的演化提供了初始的演化曲线,从而为实现目标对象轮廓的准确提取奠定了良好的基础。此外,由于整个轮廓的初始化过程均不需要人参与,因此就实现了目标对象轮廓初始化过程的自动化。
附图说明
图1,为本发明的图像中目标对象分割方法一具体实施例的流程图;
图2,为本发明的图像中目标对象分割方法另一具体实施例的流程图;
图3,为本发明的图像中目标对象分割方法另一具体实施例的流程图;
图4,为本发明的图像中目标对象分割装置一具体实施例的结构框图。
具体实施方式
本发明提出一种超声图像中目标对象分割方法、装置和系统,本发明采用相位一致性模型得到图像的边缘图,并在此基础上计算了向量场卷积以此来驱动演化模型,从而完成目标对象轮廓的提取。这样,可以有效地处理弱边界和噪声的情形,提高了目标对象分割的准确性与鲁棒性。
下面将结合本发明中的说明书附图,对发明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。
本发明的超声图像中目标对象分割方法、装置及系统可以应用于超声图像中的任何目标对象的分割,本具体实施例以超声图像中的卵泡为例,具体说明超声图像中目标对象分割的方法、装置和系统。
实施例一、
如图1所示,为所述超声图像中目标对象的分割方法,由于本具体实施例以卵泡的分割为例,以下实施例的描述中,“目标对象”将全部用“卵泡”来代替,但是应该说明的是,本发明的方法不仅仅适用于卵泡的分割,而是适用于所有需要从超声图像中分割的目标对象。所述对象的个数不限,可以为一个或者是同一种类的多个。具体步骤如下:
S101,获取包含卵泡的超声子图像。
首先超声诊断系统接收到外部信号后对信号进行处理,生成卵泡超声图像;然后,将卵泡区域置于图像的中间位置,用轨迹球确定包含卵泡区域的大致范围,对超声图像进行裁剪得到粗略的包含卵泡的超声子图像,这样既减少了干扰信息,同时也增强了算法的实时性。通常所获取的超声子图像包括卵泡。
所述卵泡可以为一个或者多个。
S102,对包含卵泡的超声子图像进行边缘检测,获得边缘图像。
所述边缘检测算法包括:canny,sobel,基于相位一致性模型等等。
本具体实施例优选基于相位一致性模型进行边缘检测,因为相比经典的边缘检测算法canny,sobel等,基于相位一致性模型在一定程度上可以克服噪声和卵泡内部灰度不均匀的情形,这有利于后续的卵泡分割。
S103,构造所述边缘图像外力场,通过使得外部能量场的负梯度逼近所述外力场来估计所述卵泡的初始轮廓。
所述外力场包括:向量场卷积外力场和经典的基于梯度矢量流(GVF)的外力场等等。
本具体实施例优选向量场卷积外力场,即将边缘图像与构造的向量场核进行卷积以获得外力场。主要是由于经典的基于梯度矢量流GVF的是图像各向同性的扩散,对弱边界鲁棒性较弱,尤其是强边界附近的弱边界处,容易造成边缘泄漏。此外,GVF计算量较大,对参数比较敏感。然而,向量场卷积外力场能够避免GVF的不足。
外力场和外部能量场的关系类似于重力和重力势能的关系,假设外力场定义为外部能量场的负梯度,通过引入外部能量场,使得外部能量场的负梯度接近于所述外部力场。由于同一个卵泡具有相同或相近的外部能量值,因此可以利用阈值方法粗略地将包含卵泡的超声子图像大致分为卵泡区域或非卵泡区域,再利用边缘检测和跟踪得到不同卵泡的初始轮廓。
S104,以所述外力场作为演化模型的外力来推动所述初始轮廓的演化,直到演化结束,轮廓不再移动,获取分割后的卵泡。
由于步骤S103获得的卵泡初始轮廓未接近所述卵泡边界,因此需采用演化模型以外力场推动所述卵泡的初始轮廓向卵泡的边界演化,直到演化结束,轮廓最终靠近卵泡边缘不再移动,从而最终获得分割后的卵泡。
通过采用相位一致性模型得到图像的边缘图,并通过对边缘图像与向量场核进行卷积构造向量场卷积外力场以此来驱动演化模型,从而获取分割后的目标对象。这样,可以有效地处理卵泡弱边界和噪声情形,提高了目标对象分割的准确性与鲁棒性。
在一些实施例中,所述步骤S102基于相位一致性模型的边缘检测法可以包括如下步骤:
S1021,将Riesz与带通滤波器相结合来构造正交的奇滤波器和偶滤波器,采用如下的定义:
其中,Odd为奇滤波器,Even为偶滤波器,c为带通滤波器,s为滤波器尺度的个数,在本发明实施例中,优选采用5个尺度的LogGabor作为带通滤波器可在计算量与精度之间取得较好的折中,h1和h2为Riesz核,定义如下:
S1022,将所述奇、偶滤波器与所述包含卵泡的超声子图像进行卷积,得到滤波后的多尺度特征图像。
S1023,利用相位一致性模型将所述多尺度特征图像结合起来,计算图像的特征对称测度值,从而产生对应的边缘图像。相位一致性模型如下:
特征对称测度值的取值范围为[0,1],可以理解为,图像越接近边缘处,特征对称测度值越小;反之越大。
在一些实施例中,所述步骤S103,构造边缘图像外力场,通过使得外部能量场的负梯度逼近所述外力场来估计所述目标对象的初始轮廓。
首先将所述边缘图像与构造的向量场核进行卷积,从而产生X方向和Y方向的外部力,即外力场,进而利用泊松逆梯度方法求得图像的外部能量图从而获取初始的卵泡轮廓,具体可包括如下步骤:
S1031,构造向量场核;
假设向量场核k(x,y)=[uk(x,y),vk(x,y)],其中,uk(x,y)和vk(x,y)分别为x方向和Y方向的向量场核,则量场核可以定义如下:
k(x,y)=(r+ε)-β[-x/r,-y/r]
其中,r为半径,β为控制系数,ε为一个很小的数,以避免被零除。
S1032,将所述的向量场核与所述边缘图像进行卷积,得到向量场卷积外力场;
假设用f表示所述边缘图像,将边缘图像与构造的向量场进行卷积,得到图像的外力,即
F(x,y)=f(x,y)*k(x,y)=[f(x,y)*uk(x,y),f(x,y)*vk(x,y)]
S1033,采用泊松逆梯度方法使得外部能量场的负梯度逼近所述的向量卷积外力场,以获得图像的外部能量场,从而产生外部能量图;所述外部能量场如下:
其中,Ω为图像域,为梯度算子。由上式可以得到图像对应的外部能量图。
S1034,对所述外部能量图进行阈值化处理,得到二值图像;
本具体实施例中,可以采用利用Otsu方法对外部能量图进行二值化处理,得到二值图;
S1035,用边缘检测方法获取所述二值图像的边缘图像;
在本实施例中,边缘检测方法为Canny。
S1036,用轮廓跟踪方法找到边缘图中的闭合轮廓,设定阈值排除所述闭合轮廓中干扰的无效轮廓。
所述的边缘图中的闭合轮廓,可能有些细碎的轮廓是不需要的,即不是真正的卵泡边界。由于这些轮廓所包含的面积非常小,因此可以通过设定阈值排除一些干扰的无效轮廓,这样一方面可以提高卵泡边界提取的准确性,另一方面,也可提高算法的运行速度。在本实施例中,面积阈值优选为10。
由于可以一次性地获得同一幅图像的卵泡闭合轮廓,所以可以一次性地对卵泡目标进行轮廓初始化,这就为后续演化模型的演化提供了初始的演化曲线,从而为实现卵泡轮廓的准确提取奠定了良好的基础。此外,由于整个轮廓的初始化过程均不需要人参与,因此就实现了卵泡轮廓初始化过程的自动化。
在一些实施例中,所述步骤S104,以所述外力场作为演化模型的外力来推动所述初始轮廓的演化,直到演化结束,轮廓不再移动,从而获取分割后的卵泡。
获得卵泡轮廓初始的演化曲线后,采用演化模型进行初始轮廓的演化,所述演化模型可以包括:Snake模型和几何活动轮廓模型,本具体实施例优选Snake模型,所述Snake模型数学表达式为:
其中,Eext为步骤3得到的外部能量,一阶项V′(s)和二阶项V″(s)分别代表演化曲线的斜率和曲率,它们分别用于控制演化曲线的连续性和弯曲程度,α和β为控制一阶项和二阶项的参数。
实施例二、
在一些实施例中,还可以包括对所述分割后的卵泡进行测量的步骤,所述测量结果可以包括:卵泡的长轴、短轴、长短轴的平均值、体积和似圆度。具体如下:
卵泡的长轴为:卵泡轮廓上两点间距离最大的直线;
卵泡的的短轴为:卵泡轮廓上与长轴垂直正交的最长直线;
卵泡长短轴的平均值为:
其中,L和W分别为卵泡的长轴和短轴。
卵泡的体积为:
其中,L和W分别为卵泡的长轴和短轴。
除了上述测量卵泡的长轴和短轴,还可以将似圆度应用在卵泡的测量中,用于测量卵泡的似圆度,卵泡似圆度的测量对促排卵治疗中的卵泡监测有一定的应用价值,随着似圆度值的增大,排卵率也随之增大。
所述卵泡轮廓的似圆度为:
其中,A为卵泡区域的面积,P为卵泡轮廓的周长;
在一些实施例中,为将分割后的卵泡轮廓边界与测量结果一一对应起来,以便于医生观察和临床诊断,还可以包括将所述分割后的卵泡与所述测量结果通过颜色或标号一一对应。具体如下:
一种方法,可以用不同的颜色标识不同卵泡的轮廓,并在轮廓上显示表示卵泡长轴和短轴的两个端点,同时将测量结果的文字颜色与所述对应的卵泡设置成同一颜色。
另一种方法,可以在所述的卵泡中心位置进行标号,标号也可遵循所述卵泡面积大小的降序或升序排列规则,比如:图像中有3个卵泡,卵泡面积最大的标号为1,卵泡则面积的最小标号为3,其余依此类推。而测量结果的序号也可以按照同样的排序与对应的卵泡中心位置的标号一一对应。
上述两种方法,一方面,由于可以用不同的颜色表示每个不同目标的轮廓边界,并且通过标号显示将分割结果与测量结果一一对应起来,另一方面,由于可以在不同卵泡轮廓边界上显示表示卵泡长轴和短轴的两个端点,因此可以使医生的观测更为直观。
上述两种方法优选结合使用,也可以单独使用。
实施例三、
如图4所示,本发明还提供一种能实现实施例一所述的方法的装置300。
所述装置300包括:获取模块301、第一计算模块302、第二计算模块303、第三计算模块304。
获取模块301,用于获取包含卵泡的超声子图像。
第一计算模块302,用于对包含卵泡的超声子图像进行边缘检测,获得边缘图像。
第二计算模块303,用于构造所述边缘图像外力场,通过使得外部能量场的负梯度逼近所述外力场来估计所述卵泡的初始轮廓。
第三计算模块304,用于以所述外力场作为演化模型的外力来推动所述初始轮廓的演化,直到演化结束,轮廓不再移动,从而获取分割后的卵泡。
在一些实施例中,所述装置300还包括:测量模块,所述测量模块用于对所述分割后的卵泡进行测量。
在一些实施例中,所述装置300还包括:标识模块,所述标识模块用于对所述分割后的卵泡图像和测量结果标识一一对应的颜色或者标号。
所述各模块相关功能及其分步的详细工作内容在上述实施例中已经详细描述,在此不再赘述。
实施例四、
本发明还提供一种具有如具体实施例四中所述的装置的系统,所述装置中各模块的描述参见上述实施例描述,在此不再赘述。
本发明将以多种不同的形式体现,包括但不限于,用于带有处理器(例如,微处理器,微控制器,数字信号处理器或通用计算机)的计算机程序逻辑,用于带有可编程逻辑装置(例如,现场可编程门阵列(FPGA)或其它PLD)的可编程逻辑,分离组件,集成电路(例如,专用集成电路(ASIC)),或包括任意组合的其他方式。
之前在此描述的计算机程序逻辑实施功能的全部或部分将以各种形式体现,包括但不限于,源代码形式,计算机可执行形式和各种中间形式(例如,由汇编器,编译器,链接器,或定位器生成的形式)。源代码可能包括了一系列使用不同编程语言(例如,对象代码,汇编语言或高级语言如Fortran,C,C++,Java或HTML)的计算机程序指令,并在各种操作系统或操作环境使用。源代码可以定义和应用在各种数据结构和通信信息中。源代码可以是计算机可执行形式(例如,通过解释器),或源代码(例如,通过翻译,汇编器或编译器)可以被转换成计算机可执行形式。
计算机程序将以多种形式被固定在信号中,此信号可以使用各种通信技术,包括但不限于,模拟技术,数字技术,光学技术,无线技术,网络技术和互联网络技术发送到计算机。计算机程序可以通过随附印刷或电子文档(例如,压缩包装的软件)的可移动存储介质,并以任何形式被发布,或通过预加载计算机系统(例如,在系统ROM或固定盘),以及通过网络进行发布
本文中使用的模块指的是适合执行一个特定数据处理或数据传输任务的软件,硬件和固件。典型地,在一个首选的实施例中,模块指的是软件程序或其他适用于接收,转换,路由和处理指令的内存驻留应用程序,或指的是各种类型的数据。
以上对本发明所提供的超声图像中目标对象分割方法、装置及系统进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,因此,本说明书内容不应理解为对本发明的限制。