CN104933729B - 一种颅内脑组织的提取方法和装置 - Google Patents

Abstract

本发明提供一种颅内脑组织的提取方法和装置，所述方法包括如下步骤：(1)输入图像，对图像进行预处理，得到平滑图像和皮肤掩膜，并对平滑图像进行二值化，得到二值化图像；(2)根据当前腐蚀半径，对二值化图像进行形态学腐蚀处理，得到N个当前连通域；(3)通过皮肤掩膜，确定人体颈部位置，并根据N个当前连通域和人体颈部位置，确定当前最终分割结果；(4)对当前最终分割结果进行分割泄露检测，若当前最终分割结果发生泄露，则增大当前腐蚀半径，并返回步骤(2)；若当前最终分割结果未发生泄露，则当前最终分割结果即为所需提取的颅内脑组织。本技术方案不仅能自动、准确地提取出颅内脑组织，而且实现复杂度低、计算速度快。

Description

一种颅内脑组织的提取方法和装置

技术领域

本发明涉及图像处理领域，尤其涉及一种颅内脑组织的提取方法和装置。

背景技术

在放疗的准备阶段，医生通过病人的医学图像计算放疗过程中所使用的放射线路径和剂量。在此过程中，医生需在医学图像中勾勒出一些重要的器官，以使其在放疗中避开放射线的照射，或者降低其所受到的放射线照射剂量。尤其对于头部CT图像而言，颅腔内部结构常常是医生感兴趣的区域。颅内脑组织包括三大块神经纤维：大脑、小脑和脑干，与人的智力活动紧密相关，是放疗中必须保护的重要区域。因此，在对头部CT图像进行分割时，如何快速且准确地自动提取出颅内脑组织是一项非常重要的工作，它不仅可以为头部其他组织结构的分割提供定位参考，还可以为颅内病灶和其它正常组织的进一步分割与研究奠定良好的基础。

目前，针对头部医学图像颅内脑组织的自动分割，主要通过结合使用阈值(或聚类)的分割、数学形态学、区域生长、以及颅内脑组织空间和灰度的先验信息等方法来实现。

采用阈值的分割方法，当不同组织结构间灰度值或其他特征值差异很大时，能够对图像进行有效地分割。但在头部CT图像中，由于部分容积效应以及颅内脑组织与头部其它组织存在着较大的灰度重叠，因此，如何选取合适的阈值以及对与分割结果进行一定的后处理显得尤为重要。大多这类方法存在的问题是：对非常理想的CT切片进行处理，没有考虑部分容积效应、灰度重叠等，而且对颅骨没有闭合的情况不能得到满意的分割结果。

数学形态学方法，如膨胀、腐蚀、填充等，能够对粗分割的结果进行更进一步地细化。但是，这类方法不能单独进行图像分割，要与其他方法相结合使用，一般作为其他方法的后处理等，以及这类方法在使用时，如何能够自适应地确定合适的算法尺度是一个非常重要的问题。

区域生长方法，基于种子点的区域生长方法对种子点的依赖性较强，需要人工或自动地选择一个或多个种子点，自动化程度较低，而且整个过程比较复杂。

发明内容

本发明解决的问题是提供一种颅内脑组织的提取方法，不仅能自动、准确地提取出颅内脑组织，而且实现简单、计算速度快。

为了解决上述问题，本发明提供了一种颅内脑组织的提取方法，包括如下步骤：

(1)输入图像，对所述图像进行预处理，得到平滑图像和皮肤掩膜，并对所述平滑图像进行二值化，得到二值化图像；

(2)根据当前腐蚀半径，对所述二值化图像进行形态学腐蚀处理，得到所述二值化图像中的N个当前连通域；

(3)通过所述皮肤掩膜，确定人体颈部位置，并根据所述N个当前连通域和人体颈部位置，确定当前最终分割结果；

(4)对所述当前最终分割结果进行分割泄露检测，若所述当前最终分割结果发生泄露，则增大所述当前腐蚀半径，并返回所述步骤(2)；若所述当前最终分割结果未发生泄露，则所述当前最终分割结果即为所需提取的颅内脑组织。

上述一种颅内脑组织的提取方法，优选地，通过阈值分割的方法，得到所述皮肤掩膜。

上述一种颅内脑组织的提取方法，优选地，通过双阈值相结合的方法，对所述平滑图像进行二值化。

上述一种颅内脑组织的提取方法，优选地，所述双阈值为先验阈值和自动阈值。

上述一种颅内脑组织的提取方法，优选地，通过采用基于所述平滑图像软组织灰度范围内的Ostu法、直方图门限法或最大熵法，得到所述自动阈值。

上述一种颅内脑组织的提取方法，优选地，得到所述图像中的N个当前的连通域的过程为：

(1)根据当前腐蚀半径，对所述二值化图像进行形态学腐蚀处理，得到所述二值化图像中的所有连通域；

(2)按照体积大小，对所述二值化图像中的所有连通域进行降序排列；

(3)选取所降序排列后连通域的前N个连通域。

上述一种颅内脑组织的提取方法，优选地，根据解剖学结构信息、图像的分辨率以及分割泄露检测机制，确定所述当前腐蚀半径。

上述一种颅内脑组织的提取方法，优选地，根据所述皮肤掩膜中面积最小的轴切面，确定所述人体颈部位置。

上述一种颅内脑组织的提取方法，优选地，确定所述当前最终分割结果的过程为：

(1)以所述人体颈部位置为界限，将所述头部图像分为上、下两个部分；

(2)对所述N个当前连通域进行形态学膨胀和填充，得到处理后的N个当前连通域；

(3)在每一个所述处理后的N个当前连通域中，计算所述连通域在所述头部图像上部分的体积和在所述头部图像下部分的体积之比；

(4)将所述体积比超过m且体积最大的连通域，作为初次分割结果；

(5)根据解剖学结构信息，确定脊髓起始点，所述初次分割结果中位于

所述脊髓起始点以上的区域为所述当前最终分割结果。

上述一种颅内脑组织的提取方法，优选地，确定所述当前最终分割结果的过程为：

(1)以所述人体颈部位置为界限，将所述头部图像分为上、下两个部分；

(2)在每一个所述N个当前连通域中，计算所述连通域在所述头部图像上部分的体积和在所述头部图像下部分的体积之比；

(3)将所述体积比超过m且体积最大的连通域，作为初次分割结果，并对所述初次分割结果进行形态学膨胀和填充，得到处理后的初次分割结果；

(4)根据解剖学结构信息，确定脊髓起始点，所述处理后的初次分割结果中位于所述脊髓起始点以上的区域为所述当前最终分割结果。

上述一种颅内脑组织的提取方法，优选地，所述脊髓起始点的位置为：在所述头像图像上部分，所述初次分割结果中的相邻轴切面面积比最小的位置。

上述一种颅内脑组织的提取方法，优选地，所述分割泄露检测的方法为：所述当前最终分割结果和所述皮肤掩膜的边界距离小于预定距离，则所述当前最终分割结果发生泄露。

为了解决上述问题，本发明还提供了一种颅内脑组织的提取装置，包括：

图像预处理单元，适用于输入图像，对所述图像进行预处理，得到平滑图像和皮肤掩膜，并对所述平滑图像进行二值化，得到二值化图像；

连通域获取单元，适用于根据当前腐蚀半径，对所述二值化图像进行形态学腐蚀处理，得到所述二值化图像中的N个当前的连通域；

当前最终分割结果获取单元，适用于通过所述皮肤掩膜，确定人体颈部位置，并根据所述N个当前连通域和人体颈部位置，确定当前最终分割结果；

分割泄露检测单元，适用于对所述当前最终分割结果进行分割泄露检测，若所述当前最终分割结果发生泄露，则增大所述当前腐蚀半径，并返回所述连通域获取单元；若所述当前最终分割结果未发生泄露，则所述当前最终分割结果即为所需提取的颅内脑组织。

与现有技术相比，本发明在三维数据空间中采用双阈值相结合的方法，获取颅内脑组织感兴趣区域的高、低阈值，基于该阈值进行的阈值分割，结果更加准确，可靠性更强；

进一步地，进行形态学腐蚀处理，而且腐蚀尺度根据解剖学结构信息和图像分辨率自适应确定，有效地使得颅内脑组织与颅外的头皮组织、眼眶以及鼻窦结构等充分分离；

进一步地，利用人体解剖学特征、各组织结构间的空间几何关系，使得提取结果更为准确；

进一步地，采用分割泄露检测机制，对颅内脑组织与头皮组织、眼眶以及鼻窦结构等相连接的情况，进行检测并修正，增加了鲁棒性。

附图说明

图1所示为本发明实施例一种颅内脑组织的提取方法的流程示意图；

图2所示为本发明实施例确定所述当前最终分割结果的过程的流程示意图；

图3所示为本发明实施例一种颅内脑组织的提取装置的结构示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。

其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实例，其在此不应限制本发明保护的范围。

下面结合附图和实施例对本发明一种颅内脑组织的提取方法和装置进行详细地说明。本发明实施例颅内脑组织的提取方法如图1所示，首先，执行步骤S1，输入图像，对所述图像进行预处理，得到平滑图像和皮肤掩膜，并对所述平滑图像进行二值化，得到二值化图像。具体地，在本实施例中，输入的图像为头部CT图像，为了减少分布在图像中的点状噪声等的影响，并最大限度地保护图像边缘不被模糊，采用基于边缘保护的扩散(diffusion)滤波方法对头部CT图像进行去噪，从而得到平滑图像，有效地去除颅内脑组织中的点状低密度影区，同时对灰度值较高的颅骨区域不产生任何影响。需要说明的是，也可以采用其他滤波方法对图像进行降噪，如高斯滤波、均值滤波、中值滤波以及双边滤波等。

为了提高分割的准确性，通过双阈值相结合的方法，对所述平滑图像进行二值化。二值化的阈值通过先验阈值(感兴趣的颅内脑组织的低阈值)与自动阈值(感兴趣的颅内脑组织的高阈值)相结合的方法获取。根据已有医学数据库中图像的信息可知，目标脑组织区域的像素值一般都是大于0，或者由于局部体效应，有一些会稍小于0。但是，将颅内脑组织包围的颅骨的像素值是比较高的，因此，需要确定一个低阈值，确保颅内脑组织尽可能的被全部包括。在本实施例中，低阈值的取值为-100HU。为了使得到的自动阈值具有更好的可靠性，通过采用基于所述平滑图像软组织灰度范围(0-400HU)内的Ostu法，得到所述自动阈值，也可以通过采用基于所述平滑图像软组织灰度范围内的直方图门限法或最大熵法得到所述自动阈值。需要说明的是，也可以通过一个阈值对平滑图像进行阈值二值化。

由于人体CT扫描时，与外围空气的CT值差异很大，所以可以通过简单的单一低阈值，比较准确地将皮肤提取出来。因此，在本实施例中，先采用阈值(该阈值的取值范围为-500～-200)分割的方法，得到皮肤掩膜的初次分割结果，再对皮肤掩膜的初次分割结果进行形态学处理以及连通域分析，从而得到所述皮肤掩膜。需要说明的是，也可以采用基于边缘检测或线性结构检测的方法提取皮肤掩膜。

接着，执行步骤S2，根据当前腐蚀半径，对所述二值化图像进行形态学腐蚀处理，得到所述二值化图像中的N个当前连通域。其中，根据解剖学结构信息、图像的分辨率以及分割泄露检测机制，自适应确定所述当前腐蚀半径。当采用阈值二值化所述平滑图像时，脑组织会通过脊髓缝隙等和外面的软组织连接起来，为了将脑组织和外面的软组织连接断开，我们需要进行腐蚀处理，根据解剖学结构信息可知脊髓缝隙等的半径，从而可以先确定大致腐蚀半径。但是对于不同的图像，由于扫描时的分辨率不同，即有的图像一个像素表示0.5*0.5*0.5mm³，而有的图像一个像素表示1*1*1mm³，而当进行腐蚀处理时，采用的腐蚀半径是与图像像素个数有关的，因此，对于不同分辨率的图像，为了达到同一个腐蚀效果，需要对不同分辨率的图像分别采取不同的腐蚀半径。在本实施例中，腐蚀半径的取值为2-10mm。由于对二值化图像进行第一次腐蚀处理，因此，先不考虑分割泄露检测机制对腐蚀半径的影响。具体地，以腐蚀半径5mm，对步骤S1中得到的二值化图像进行形态学腐蚀处理，得到二值化图像中的所有连通域；接着，计算所有连通域的体积大小，并按照从大到小的顺序，对所有连通域进行排序；选取排序后体积最大的前5个连通域。通过腐蚀处理，使颅内脑组织与颅外的头皮组织、眼眶以及鼻窦组织等充分分离；而且选用体积最大的前几个连通域可以使计算复杂度降低。需要说明的是，除了连通域的体积，也可以根据连通域的其他特征进行排序，比如：灰度值。

接着，执行步骤S3，通过所述皮肤掩膜，确定人体颈部位置，并根据所述N个当前连通域和人体颈部位置，确定当前最终分割结果。具体地，在本实施例中，根据解剖学结构信息可知，步骤S1中得到的皮肤掩膜中的所有轴切面中面积最小的轴切面为人体颈部位置所在的那层图像，因此，得到CT人体扫描数据中人体颈部的位置。

接着，执行步骤S4，对所述当前最终分割结果进行分割泄露检测，并判断所述当前最终分割结果是否发生泄露，若未发生泄露，则执行步骤S5，所述当前最终分割结果即为所需提取的颅内脑组织；若发生泄露，则增大当前腐蚀半径，并返回步骤S2。

其中，步骤S3中确定所述当前最终分割结果的优选过程如图2所示，首先，执行步骤S201，以所述人体颈部位置为界限，将所述头部图像分为上、下两个部分。具体地，以步骤S3中得到的人体颈部位置所在的那层图像为界限，将头部CT图像分为上部分和下部分。接着，执行步骤S202，对所述N个当前连通域进行形态学膨胀和填充，得到处理后的N个当前连通域。在本实施例中，将步骤S2中得到的5个连通域进行形态学膨胀和填充。

接着，执行步骤S203，在每一个所述处理后的N个当前连通域中，计算所述连通域在所述头部图像上部分的体积和在所述头部图像下部分的体积之比。具体地，在本实施例中，计算步骤S202中进行形态学膨胀和填充处理后的5个连通域在所述头部图像上部分的体积和在所述头部图像下部分的体积之比。接着，执行步骤S204，将所述体积比超过m且体积最大的连通域，作为初次分割结果。具体地，在本实施例中，将步骤S203中得到的5个连通域的体积之比和m(m=10)进行比较，将体积之比大于10的连通域筛选出来，并将筛选出来的连通域中体积最大的那个连通域作为初次分割结果，即颅内脑组织的候选连通域，该候选连通域包含整个颅内脑组织。

接着，执行步骤S205，根据解剖学结构信息，确定脊髓起始点，所述初次分割结果中位于所述脊髓起始点以上的区域为所述当前最终分割结果。具体地，在本实施例中，根据颅内脑组织与脊髓连接处发生直接突变这一解剖学结构信息，检测脊髓起始点。步骤S204中得到的颅内脑组织候选连通域位于步骤S201中得到的头部图像上部分的图像中，相邻轴切面面积比最小的位置，即为脊髓起始点。由于灰度的相似性，步骤S204中提取出的颅内脑组织的候选连通域一般与脊髓相连接，因此，将颅内脑组织候选连通域中位于脊髓起始点以上的区域保留下来，作为最终分割结果，即颅内脑组织。

步骤S3中确定所述当前最终分割结果的另一个优选过程是将上述的步骤S202放到步骤S204之后进行，即先利用颅内脑组织与人体颈部相对位置的先验信息进行目标颅内脑组织判断，得到颅内脑组织的候选区域，再对得到的颅内脑组织候选区域进行形态学膨胀和填充。

由于部分容积效应会引起灰度异常或者颅骨环未闭合等特殊情况，已经提取出的颅内脑组织会发生与颅外头皮组织、眼眶、鼻窦结构等相连接的情况，因此，需要对提取出来的颅内脑组织进行分割泄露检测，从而增强鲁棒性。步骤S4中分割泄露检测的优选方法为：判断当前最终分割结果和所述皮肤掩膜的边界之间的距离与预定距离的大小。在本实施例中，预定距离为5mm，若所述当前最终分割结果和所述皮肤掩膜的边界距离小于5mm，则所述当前最终分割结果发生泄露。具体地，计算步骤S204中提取出来的颅内脑组织和步骤S1中得到的皮肤掩膜边界之间的距离，该距离为小于5mm，则表明步骤S204中提取出来的颅内脑组织发生泄露，即提取出的颅内脑组织与其他组织结构相连接，则返回步骤S2，并将步骤S2中的腐蚀半径增大5mm，此时，当前腐蚀半径为10mm，并按照上述步骤得到在该腐蚀半径下提取出来的颅内脑组织，再对该颅内脑组织进行分割泄露检测，要是发生泄露，再增大腐蚀半径(即当前腐蚀半径为15mm)，依此类推，直至得到的颅内脑组织未发生泄露。

若计算得到的步骤S204中提取出来的颅内脑组织和步骤S1中得到的皮肤掩膜边界之间的距离大于等于5mm，则步骤S204中提取出来的颅内脑组织即为所需提取的颅内脑组织。

需要说明的是，该技术方案也可用于其他需要提取颅内脑组织的场合，如基于颅内脑组织区域的眼睛、腮腺、大脑、小脑、脑干以及颅内病灶等的提取。

对应于上述颅内脑组织的提取方法，本发明实施例还提供了一种颅内脑组织的提取装置，包括图像预处理单元1、连通域获取单元2、当前最终分割结果获取单元3和分割泄露检测单元4。

图像预处理单元1适于输入头部CT图像，对所述图像进行滤波，得到平滑图像，对所述图像进行阈值分割，得到皮肤掩膜，并通过双阈值相结合的方法对所述平滑图像进行二值化，得到二值化图像。

连通域获取单元2适用根据当前腐蚀半径，对图像预处理单元1中得到的二值化图像进行形态学腐蚀处理，得到所述二值化图像中的N个当前的连通域。其中，N的取值为5。

当前最终分割结果获取单元3适于通过所述皮肤掩膜，确定人体颈部位置，并根据所述N个当前连通域和人体颈部位置，确定当前最终分割结果。

分割泄露检测单元4适于对所述当前最终分割结果进行分割泄露检测，若所述当前最终分割结果发生泄露，则增大所述当前腐蚀半径，并返回所述连通域获取单元；若所述当前最终分割结果未发生泄露，则所述当前最终分割结果即为所需提取的颅内脑组织。

上述颅内脑组织提取装置中各单元的配合及工作过程可以参考上述颅内脑组织提取方法的说明，在此不再赘述。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (12)

1.一种颅内脑组织的提取方法，其特征在于，包括如下步骤：

(1)输入头部CT图像，对所述头部CT图像进行预处理，得到平滑图像和皮肤掩膜，并对所述平滑图像进行二值化，得到二值化图像；

(2)根据当前腐蚀半径，对所述二值化图像进行形态学腐蚀处理，得到所述二值化图像中的N个当前连通域；

(3)根据所述皮肤掩膜中面积最小的轴切面，确定人体颈部位置，并根据所述N个当前连通域和人体颈部位置，确定初次分割结果，根据所述初次分割结果中位于脊髓起始点以上的区域确定当前最终分割结果；

(4)判断当前最终分割结果和所述皮肤掩膜的边界之间的距离与预定距离的大小，对所述当前最终分割结果进行分割泄露检测，若所述当前最终分割结果发生泄露，则增大所述当前腐蚀半径，并返回所述步骤(2)；若所述当前最终分割结果未发生泄露，则所述当前最终分割结果即为所需提取的颅内脑组织。

2.如权利要求1所述一种颅内脑组织的提取方法，其特征在于，通过阈值分割的方法，得到所述皮肤掩膜。

3.如权利要求1所述一种颅内脑组织的提取方法，其特征在于，通过双阈值相结合的方法，对所述平滑图像进行二值化。

4.如权利要求3所述一种颅内脑组织的提取方法，其特征在于，所述双阈值为先验阈值和自动阈值。

5.如权利要求4所述一种颅内脑组织的提取方法，其特征在于，通过采用基于所述平滑图像软组织灰度范围内的Ostu法、直方图门限法或最大熵法，得到所述自动阈值。

6.如权利要求1所述一种颅内脑组织的提取方法，其特征在于，得到所述图像中的N个当前的连通域的过程为：

(1)根据当前腐蚀半径，对所述二值化图像进行形态学腐蚀处理，得到所述二值化图像中的所有连通域；

(2)按照体积大小，对所述二值化图像中的所有连通域进行降序排列；

(3)选取所降序排列后连通域的前N个连通域。

7.如权利要求6所述一种颅内脑组织的提取方法，其特征在于，根据解剖学结构信息、图像的分辨率以及分割泄露检测机制，确定所述当前腐蚀半径。

8.如权利要求1所述一种颅内脑组织的提取方法，其特征在于，确定所述当前最终分割结果的过程为：

(1)以所述人体颈部位置为界限，将所述头部图像分为上、下两个部分；

(2)对所述N个当前连通域进行形态学膨胀和填充，得到处理后的N个当前连通域；

(3)在每一个所述处理后的N个当前连通域中，计算所述连通域在所述头部图像上部分的体积和在所述头部图像下部分的体积之比；

(4)将所述体积比超过m且体积最大的连通域，作为初次分割结果；

(5)根据解剖学结构信息，确定脊髓起始点，所述初次分割结果中位于所述脊髓起始点以上的区域为所述当前最终分割结果。

9.如权利要求1所述一种颅内脑组织的提取方法，其特征在于，确定所述当前最终分割结果的过程为：

(1)以所述人体颈部位置为界限，将所述头部图像分为上、下两个部分；

(2)在每一个所述N个当前连通域中，计算所述连通域在所述头部图像上部分的体积和在所述头部图像下部分的体积之比；

(3)将所述体积比超过m且体积最大的连通域，作为初次分割结果，并对所述初次分割结果进行形态学膨胀和填充，得到处理后的初次分割结果；

(4)根据解剖学结构信息，确定脊髓起始点，所述处理后的初次分割结果中位于所述脊髓起始点以上的区域为所述当前最终分割结果。

10.如权利要求8或9所述一种颅内脑组织的提取方法，其特征在于，所述脊髓起始点的位置为：在所述头像图像上部分，所述初次分割结果中的相邻轴切面面积比最小的位置。

11.如权利要求1所述一种颅内脑组织的提取方法，其特征在于，所述分割泄露检测的方法为：所述当前最终分割结果和所述皮肤掩膜的边界距离小于预定距离，则所述当前最终分割结果发生泄露。

12.一种颅内脑组织的提取装置，其特征在于，包括：

图像预处理单元，适用于输入头部CT图像，对所述头部CT图像进行预处理，得到平滑图像和皮肤掩膜，并对所述平滑图像进行二值化，得到二值化图像；

连通域获取单元，适用于根据当前腐蚀半径，对所述二值化图像进行形态学腐蚀处理，得到所述二值化图像中的N个当前的连通域；

当前最终分割结果获取单元，适用于根据所述皮肤掩膜中面积最小的轴切面，确定人体颈部位置，并根据所述N个当前连通域和人体颈部位置，确定初次分割结果，根据所述初次分割结果中位于脊髓起始点以上的区域确定当前最终分割结果；

分割泄露检测单元，适用于判断当前最终分割结果和所述皮肤掩膜的边界之间的距离与预定距离的大小，对所述当前最终分割结果进行分割泄露检测，若所述当前最终分割结果发生泄露，则增大所述当前腐蚀半径，并返回所述连通域获取单元；若所述当前最终分割结果未发生泄露，则所述当前最终分割结果即为所需提取的颅内脑组织。