CN106408576A - 基于三维超声图像的感兴趣区域的自动分割方法及系统 - Google Patents

Abstract

本发明提供的基于三维超声图像的感兴趣区域的自动分割方法及系统，所述方法包括以下步骤：获取原始超声图像中的三维超声体素；对原始的所述三维超声体素或ROI框内的三维超声体素做三维高斯滤波降噪处理，并获得其对应的灰度直方图；根据用户感兴趣的灰度范围在所述灰度直方图上选取感兴趣区域，所述感兴趣区域包括至少一个待分割区域，每个待分割区域对应一个栈；根据系统预设的体素进栈规则，遍历所述待分割区域内的体素点，将其划分入各个栈中，形成感兴趣区域集合；获取所述感兴趣区域集合中所有体素点的灰度方差以及灰度均值，以形成体素分布图，完成基于三维超声图像的感兴趣区域的自动分割。本发明速度快、抗噪性较好，鲁棒性高。

Description

基于三维超声图像的感兴趣区域的自动分割方法及系统

技术领域

本发明属于超声诊断成像领域，涉及一种基于三维超声图像的感兴趣区域的自动分割方法及系统。

背景技术

随着电子学、计算机、材料科学等相关领域技术的发展；超声成像因其无创性、实时性、操作方便、价格便宜等诸多优势，使其成为临床上应用最为广泛的辅助诊断的手段之一，其中，3D医学超声图像的分割技术是当前图像处理领域的一个热门研究课题，国内外学者对此进行了大量研究。

目前主要的研究手段，主要集中在基于二维图像的分割技术的改进和新方法的研究，分割算法主要有：基于阈值分割方法、聚类法、活动轮廓模型等方法。

相应的，阈值分割方法对对比度明显的体素数据分割效果好，速度快；但该方法对图像噪声敏感，易过度分割，如此，通常与其他分割方法结合使用。

聚类法主要有模糊C均值聚类法、K-means聚类法等，其利用体素和相邻体素进行聚类分割，该方法对灰度不均匀的超声图像鲁棒性弱，如此，其更适用于空间粗分割。

活动轮廓模型，在三维超声图像分割中具有更为广泛的应用，特别是改进后的梯度向量场GVF模型，有效抑制了噪声、边界裂痕的影响，在三维超声图像分割中取得较好结果；但该方法的计算复杂度比较大，分割时间较长。进一步的，活动轮廓模型中的三维超声图像VOCAL技术，有效实现了虚拟脏器的三维分割重构，在临床中得到广泛应用，但该技术依赖人工交互，过程耗时，且重构模型的精度依赖主观判断。

发明内容

本发明的目的在于提供一种基于三维超声图像的感兴趣区域的自动分割方法及系统。

为了实现上述发明目的之一，本发明一实施方式的基于三维超声图像的感兴趣区域的自动分割方法包括：

获取原始超声图像中的三维超声体素；

对原始的所述三维超声体素或ROI框内的三维超声体素做三维高斯滤波降噪处理，并获得其对应的灰度直方图；

根据用户感兴趣的灰度范围在所述灰度直方图上选取感兴趣区域，所述感兴趣区域包括至少一个待分割区域，每个待分割区域对应一个栈；

分别获取每一个待分割区域对应的当前栈内参数以及感兴趣区域的最大灰度值；

所述当前栈内参数包括：当前栈内体素点的灰度均值、当前栈内体素点的灰度值方差；当前选取的体素点灰度值以及对应当前栈的门限函数；

根据所述当前栈内参数以及感兴趣区域的最大灰度值建立体素进栈规则；

根据系统预设的体素进栈规则，遍历所述待分割区域内的体素点，将其划分入各个栈中，形成感兴趣区域集合；

获取所述感兴趣区域集合中所有体素点的灰度方差以及灰度均值，以形成体素分布图，完成基于三维超声图像的感兴趣区域的自动分割。

作为本发明一实施方式的进一步改进，“对原始的所述三维超声体素或ROI框内的三维超声体素做三维高斯滤波降噪处理”具体包括：

采用二维高斯滤波对每个体素点的三个方向分别滤波，并采用加权算法、取最大值、最小值或平均值中的一种对获得的二维高斯结果进行处理，以完成三维高斯滤波降噪处理。

作为本发明一实施方式的进一步改进，“根据所述当前栈内参数以及感兴趣区域的最大灰度值建立体素进栈规则”具体包括：

选择当前感兴趣区域内的任一体素点作为初始种子点；

在当前感兴趣区域内，依次选择所述初始种子点的三维连通区域的其他体素点应用预设的体素进栈规则进行遍历；

若满足所述预设的体素进栈规则，则将其插入到栈尾，同时，写入到感兴趣区域集合，并以其作为下一个种子点进行遍历；

若不满足所述预设的体素进栈规则，则丢弃当前体素点，继续遍历当前感兴趣区域内的其他体素点；

其中，所述预设的体素进栈规则具体为：

segment_gray-voxel_gray＜segment_stdv+fun(a,k)

voxel_gray＜Maxgray

所述segment_gray表示当前栈内体素点灰度均值；voxel_gray表示当前选取的体素点灰度值；segment_stdv表示当前栈内体素点的灰度值方差；Maxgray表示所述感兴趣区域的最大灰度值；fun(a，k)表示当前栈的门限函数，a、k均为分割系数，σ为二维高斯核参数；segment_size表示当前栈内体素点的数量。

作为本发明一实施方式的进一步改进，所述方法还包括：

基于三维超声图像的感兴趣区域的自动分割结果，对所述感兴趣区域集合中各个体素点进行二值化，并提取相应的等值面；

根据所述等值面建立网络拓扑关系；

根据所述网络拓扑关系对网格进行分割，以完成基于三维超声图像的感兴趣区域的三维重构；

基于三维重构后的网络模型，获得其对应的模型容积。

作为本发明一实施方式的进一步改进，所述方法具体包括：

采用Marching cubes算法提取等值面；

采用Halfedge半边结构存储根据所述等值面建立的网络拓扑关系；

根据所述网络拓扑关系将分离的面片簇分别组成网格；

采用主元分析方法确定所述网格模型的OBB包围盒，将所述网格模型的主轴旋转到与Z轴平行，对旋转后所述网格模型按照平行于xy平面的方式进行水平切片，计算各个截面的截面面积以及各个截面在水平面的位置；

根据获得的各个截面的截面面积以及各个截面在水平面的位置获得所述模型容积。

为了实现上述发明目的之一，本发明一实施方式的基于三维超声图像的感兴趣区域的自动分割系统，所述系统包括：

数据采集模块，用于获取原始超声图像中的三维超声体素；

滤波模块，用于对原始的所述三维超声体素或ROI框内的三维超声体素做三维高斯滤波降噪处理，并获得其对应的灰度直方图；

数据处理模块，用于根据用户感兴趣的灰度范围在所述灰度直方图上选取感兴趣区域，所述感兴趣区域包括至少一个待分割区域，每个待分割区域对应一个栈；

分别获取每一个待分割区域对应的当前栈内参数以及感兴趣区域的最大灰度值；

所述当前栈内参数包括：当前栈内体素点的灰度均值、当前栈内体素点的灰度值方差；当前选取的体素点灰度值以及对应当前栈的门限函数；

根据所述当前栈内参数以及感兴趣区域的最大灰度值建立体素进栈规则；

根据系统预设的体素进栈规则，遍历所述待分割区域内的体素点，将其划分入各个栈中，形成感兴趣区域集合；

获取所述感兴趣区域集合中所有体素点的灰度方差以及灰度均值，以形成体素分布图，完成基于三维超声图像的感兴趣区域的自动分割。

作为本发明一实施方式的进一步改进，所述滤波模块具体用于：采用二维高斯滤波对每个体素点的三个方向分别滤波，并采用加权算法、取最大值、最小值或平均值中的一种对获得的二维高斯结果进行处理，以完成三维高斯滤波降噪处理。

作为本发明一实施方式的进一步改进，所述数据处理模块具体用于：

选择当前感兴趣区域内的任一体素点作为初始种子点；

在当前感兴趣区域内，依次选择所述初始种子点的三维连通区域的其他体素点应用预设的体素进栈规则进行遍历；

若满足所述预设的体素进栈规则，则将其插入到栈尾，同时，写入到感兴趣区域集合，并以其作为下一个种子点进行遍历；

若不满足所述预设的体素进栈规则，则丢弃当前体素点，继续遍历当前感兴趣区域内的其他体素点；

其中，所述预设的体素进栈规则具体为：

segment_gray-voxel_gray＜segment_stdv+fun(a,k)

voxel_gray＜Maxgray

所述segment_gray表示当前栈内体素点灰度均值；voxel_gray表示当前选取的体素点灰度值；segment_stdv表示当前栈内体素点的灰度值方差；Maxgray表示所述感兴趣区域的最大灰度值；fun(a，k)表示当前栈的门限函数，a、k均为分割系数，σ为二维高斯核参数；segment_size表示当前栈内体素点的数量。

作为本发明一实施方式的进一步改进，所述系统还包括：三维重构输出模块；

所述三维重构输出模块用于：基于三维超声图像的感兴趣区域的自动分割结果，对所述感兴趣区域集合中各个体素点进行二值化，并提取相应的等值面；

根据所述等值面建立网络拓扑关系；

根据所述网络拓扑关系对网格进行分割，以完成基于三维超声图像的感兴趣区域的三维重构；

基于三维重构后的网络模型，获得其对应的模型容积。

作为本发明一实施方式的进一步改进，所述三维重构输出模块具体用于：

采用Marching cubes算法提取等值面；

采用Halfedge半边结构存储根据所述等值面建立的网络拓扑关系；

根据所述网络拓扑关系将分离的面片簇分别组成网格；

采用主元分析方法确定所述网格模型的OBB包围盒，将所述网格模型的主轴旋转到与Z轴平行，对旋转后所述网格模型按照平行于xy平面的方式进行水平切片，计算各个截面的截面面积以及各个截面在水平面的位置；

根据获得的各个截面的截面面积以及各个截面在水平面的位置获得所述模型容积。

与现有技术相比，本发明的基于三维超声图像的感兴趣区域的自动分割方法及系统，速度快、抗噪性较好，鲁棒性高；且操作简单、便捷，在卵巢囊泡分割等方面精度更高，大大降低了临床医生的工作量，并提供快速，较为准确的结果。

附图说明

图1是本发明第一实施方式提供的基于三维超声图像的感兴趣区域的自动分割方法的流程图；

图2是本发明一实施方式中提供的基于三维超声图像的感兴趣区域的自动分割系统的模块示意图；

图3是本发明一实施方式中基于三维超声图像的感兴趣区域的自动分割结果获得对应的模型容积的流程图；

提供的基于三维超声图像的感兴趣区域的自动分割系统的模块示意图；

图4是本发明一实施方式中，系统预设的体素进栈规则的流程示意图；

图5A是本发明一具体示例中，原始超声图像的结构示意图；

图5B是基于图5A获取的三维超声体素图；

图5C基于图5B，对所述三维超声体素做三维高斯滤波降噪处理前、后的对比示意图；

图5D基于图5C，对所述三维超声体素做三维高斯滤波后获得的灰度直方图的结构示意图；

图5E基于图5D，在所述灰度直方图上选取的感兴趣区域的结构示意图；

图5F是本发明一具体示例中，对应图5E的灰度范围获得的若干个待分割区域的结构示意图；

图5G是基于图5F，获得的基于三维超声图像的感兴趣区域的自动分割结果的结构示意图；

图5H是基于图5G，三维重构后的网络模型的结构示意图。

具体实施方式

以下将结合附图所示的实施方式对本发明进行详细描述。但实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。

本发明的基于三维超声图像的感兴趣区域的自动分割方法，其主要应用于卵巢囊泡、乳腺肿瘤的三维超声图像的分割、显示及容积测量。

如图1所示，本发明提供的基于三维超声图像的感兴趣区域的自动分割方法，所述方法包括：

S1、获取原始超声图像中的三维超声体素；

本发明具体实施方式中，调节二维图像质量到最佳状态，如图5A所示，获得的二维的超声图像，之后进入到三维超声模式，采集目标区域的三维超声体素。

本实施方式中，可按照预先设定或当前输入的ROI框选定数据处理范围，该图5A中，白色虚线框示即为预先设定的ROI框，之后提取所述ROI框内的三维超声体素，并对其进行保存，以形成三维超声体素图，如此，可以减少数据处理量，加快数据处理进程。

需要说明的是，本实施方式中，图5B为二维原始超声图像对应的三维超声体素图，由于其显示方向的问题，未能示出如图5A中的ROI框，而在实际操作中，本实施方式选用对ROI框内的三维体素进行处理，在此不做详细赘述。

当然，在本发明的其他实施方式中，若不考虑计算量，也可以直接提取原始超声图像中的全部三维超声体素进行保存，以备后续调用，在此不做详细赘述。进一步的，所述方法还包括：

S2、对原始的所述三维超声体素或ROI框内的三维超声体素做三维高斯滤波降噪处理，并获得其对应的灰度直方图；

本发明一具体实施方式中，结合图5C所示，采用二维高斯滤波对每个体素点的三个方向分别滤波，并采用加权算法、取最大值、最小值或平均值中的一种对获得的二维高斯结果进行处理，以完成三维高斯滤波降噪处理。

该示例中，二维高斯核函数以公式表示则为：

其中，G_σ表示二维高斯核函数，σ为高斯核，一般取值为0.3～0.8，(x，y)为当前二维面上的其中一个像素点坐标。

结合图5D所示，通常情况下，获得的灰度直方图过程中，将灰度值灰度映射到-1024至1024之间，本实施方式中，获得的灰度直方图的灰度值范围为-1023至-771，在此不做详细赘述。

进一步的，本发明一实施方式中，所述方法还包括：

S3、根据用户感兴趣的灰度范围在所述灰度直方图上选取感兴趣区域，所述感兴趣区域包括至少一个待分割区域，每个待分割区域对应一个栈；

结合图5E、5F所示，一实施方式中，可通过预设的阈值范围，在所述灰度直方图上勾勒灰度的显示范围，该预设的阈值范围根据不同的探测标准，可以按需更改，本发明一具体示例中，如其箭头所示区域，选定的感兴趣区域的灰度范围为-1023至-954，将该感兴趣区域映射到图像上后，会出现若干个待分割区域，且每个待分割区域对应一个栈，以下内容中将会详细描述。

进一步的，所述步骤S3还包括：

根据系统预设的体素进栈规则，遍历所述待分割区域内的体素点，将其划分入各个栈中，形成感兴趣区域集合。

本发明具体实施方式中，结合图2所示，所述步骤S3具体包括：

P1、分别获取每一个待分割区域对应的当前栈内参数以及感兴趣区域的最大灰度值；

所述当前栈内参数包括：当前栈内体素点的灰度均值、当前栈内体素点的灰度值方差；当前选取的体素点灰度值以及对应当前栈的门限函数；

P2、根据所述当前栈内参数以及感兴趣区域的最大灰度值建立体素进栈规则；

本发明具体实施方式中，所述步骤P2具体包括：

选择当前感兴趣区域内的任一体素点作为初始种子点；

在当前感兴趣区域内，依次选择所述初始种子点的三维连通区域的其他体素点应用预设的体素进栈规则进行遍历；

若满足所述预设的体素进栈规则，则将其插入到栈尾，同时，写入到感兴趣区域集合，并以其作为下一个种子点进行遍历；

若不满足所述预设的体素进栈规则，则丢弃当前体素点，继续遍历当前感兴趣区域内的其他体素点；

其中，所述预设的体素进栈规则具体为：

segment_gray-voxel_gray＜segment_stdv+fun(a,k) (1)

voxel_gray＜Maxgray (3)

所述segment_gray表示当前栈内体素点灰度均值；voxel_gray表示当前选取的体素点灰度值；segment_stdv表示当前栈内体素点的灰度值方差；Maxgray表示所述感兴趣区域的最大灰度值；fun(a，k)表示当前栈的门限函数，a、k均为分割系数，a的取值通常为[0.01，0.05]，k的取值通常为[10，50]，σ为二维高斯核参数；segment_size表示当前栈内体素点的数量。

该示例中，上述公式(2)中的fun(a，k)函数的大小由分割系数a、k决定，门限值越大，说明感兴趣区域内边缘强度小，区域内体素平滑，体素点容易进栈；反之，门限值越小，说明区域内边界强度大，体素进栈困难；上述公式(3)的目的是用于防止体素点过度入栈。

需要说明的是，对于每一个栈，其初始状态下，均为空的状态，之后依次遍历栈对应的体素点，根据预设的体素进栈规则判断当前体素点是否可以进入到相应的栈内；本发明的其他实施方式中，通常按序选择体素点，判断其是否可以进入相应的栈，如此，可以最大化的节约判断时间，在此不做详细赘述。

进一步的，结合图5G所示，所述方法还包括：

S4、获取并更新所述感兴趣区域集合中所有体素点的灰度方差以及灰度均值，以形成体素分布图，完成基于三维超声图像的感兴趣区域的自动分割。

本实施方式中，再次重新获得每个感兴趣区域集合中对应的各个体素点的灰度方差以及灰度均值，并形成新的体素分布图，自动完成基于三维超声图像的感兴趣区域的自动分割。

进一步的，结合图3所示，所述方法还包括：

S5、基于三维超声图像的感兴趣区域的自动分割结果，对所述感兴趣区域集合中各个体素点进行二值化，并提取相应的等值面；

本实施方式中，采用Marching cubes算法提取等值面；

该算法采用G.M.Nielson等人提出的渐近线判别法，解决了算法歧义性，通过计算等值面与体素边界面的交线(双曲线)的渐进线与体素的边界面的相互位置关系来判断等值面的正确连接接方式。

进一步的，结合图5H所示，所述方法还包括：

S6、根据所述等值面建立网络拓扑关系；根据所述网络拓扑关系对网格进行分割，以完成基于三维超声图像的感兴趣区域的三维重构。

本实施方式中，采用Halfedge半边结构存储根据所述等值面建立的网络拓扑关系；

根据所述网络拓扑关系将分离的面片簇分别组成网格，以完成基于三维超声图像的感兴趣区域的三维重构；

进一步的，所述方法还包括：

S7、基于三维重构后的网络模型，获得其对应的模型容积。

采用主元分析方法确定所述网格模型的OBB包围盒，将所述网格模型的主轴旋转到与Z轴平行，对旋转后所述网格模型按照平行于xy平面的方式进行水平切片，计算各个截面的截面面积以及各个截面在水平面的位置；

根据获得的各个截面的截面面积以及各个截面在水平面的位置获得所述模型容积。

该示例中，获得的所述模型容积以公式表示为：

其中，V表示模型容积，Z表示截面对应的Z轴坐标，S表示截面对应的截面面积，i表示截面的序号，n表示获得的截面的总数量。

结合图4所示，本发明一实施方式提供的基于三维超声图像的感兴趣区域的自动分割系统，所述系统包括：数据采集模块100、滤波模块200、数据处理模块300、三维重构输出模块400。

结合图5A、5B所示，数据采集模块100用于获取原始超声图像中的三维超声体素；

本发明具体实施方式中，调节二维图像质量到最佳状态，如图5A所示，获得的二维的超声图像，之后进入到三维超声模式，采集目标区域的三维超声体素。

本实施方式中，可按照预先设定或当前输入的ROI框选定数据处理范围，该图5A中，白色虚线框示即为预先设定的ROI框，之后提取所述ROI框内的三维超声体素，并对其进行保存，以形成三维超声体素图，如此，可以减少数据处理量，加快数据处理进程。

需要说明的是，本实施方式中，图5B为二维原始超声图像对应的三维超声体素图，由于其显示方向的问题，未能示出如图5A中的ROI框，而在实际操作中，本实施方式选用对ROI框内的三维体素进行处理，在此不做详细赘述。

当然，在本发明的其他实施方式中，若不考虑计算量，也可以直接提取原始超声图像中的全部三维超声体素进行保存，以备后续调用，在此不做详细赘述。

进一步的，滤波模块200用于对原始的所述三维超声体素或ROI框内的三维超声体素做三维高斯滤波降噪处理，并获得其对应的灰度直方图；

本发明一具体实施方式中，结合图5C所示，采用二维高斯滤波对每个体素点的三个方向分别滤波，并采用加权算法、取最大值、最小值或平均值中的一种对获得的二维高斯结果进行处理，以完成三维高斯滤波降噪处理。

该示例中，二维高斯核函数以公式表示则为：

其中，G_σ表示二维高斯核函数，σ为高斯核，一般取值为0.3～0.8，(x，y)为当前二维面上的其中一个像素点坐标。

结合图5D所示，通常情况下，获得的灰度直方图过程中，将灰度值灰度映射到-1024-至1024之间，本实施方式中，获得的灰度直方图的灰度值范围为-1023至-771，在此不做详细赘述。

进一步的，本发明一实施方式中，数据处理模块300用于根据用户感兴趣的灰度范围在所述灰度直方图上选取感兴趣区域，所述感兴趣区域包括至少一个待分割区域，每个待分割区域对应一个栈；

结合图5E、5F所示，一实施方式中，可通过预设的阈值范围，在所述灰度直方图上勾勒灰度的显示范围，该预设的阈值范围根据不同的探测标准，可以按需更改，本发明一具体示例中，如其箭头所示区域，选定的感兴趣区域的灰度范围为-1023至-954，将该感兴趣区域映射到图像上后，会出现若干个待分割区域，且每个待分割区域对应一个栈，以下内容中将会详细描述。

数据处理模块300还用于：根据系统预设的体素进栈规则，遍历所述待分割区域内的体素点，将其划分入各个栈中，形成感兴趣区域集合。

本发明具体实施方式中，数据处理模块300具体用于：分别获取每一个待分割区域对应的当前栈内参数以及感兴趣区域的最大灰度值；

所述当前栈内参数包括：当前栈内体素点的灰度均值、当前栈内体素点的灰度值方差；当前选取的体素点灰度值以及对应当前栈的门限函数；

数据处理模块300还用于：根据所述当前栈内参数以及感兴趣区域的最大灰度值建立体素进栈规则；

本发明具体实施方式中，数据处理模块300选择当前感兴趣区域内的任一体素点作为初始种子点；

在当前感兴趣区域内，依次选择所述初始种子点的三维连通区域的其他体素点应用预设的体素进栈规则进行遍历；

若满足所述预设的体素进栈规则，则将其插入到栈尾，同时，写入到感兴趣区域集合，并以其作为下一个种子点进行遍历；

若不满足所述预设的体素进栈规则，则丢弃当前体素点，继续遍历当前感兴趣区域内的其他体素点；

其中，所述预设的体素进栈规则具体为：

segment_gray-voxel_gray＜segment_stdv+fun(a,k) (1)

voxel_gray＜Maxgray (3)

所述segment_gray表示当前栈内体素点灰度均值；voxel_gray表示当前选取的体素点灰度值；segment_stdv表示当前栈内体素点的灰度值方差；Maxgray表示所述感兴趣区域的最大灰度值；fun(a，k)表示当前栈的门限函数，a、k均为分割系数，a的取值通常为[0.01，0.05]，k的取值通常为[10，50]，σ为二维高斯核参数；segment_size表示当前栈内体素点的数量。

该示例中，上述公式(2)中的fun(a，k)函数的大小由分割系数a、k决定，门限值越大，说明感兴趣区域内边缘强度小，区域内体素平滑，体素点容易进栈；反之，门限值越小，说明区域内边界强度大，体素进栈困难；上述公式(3)的目的是用于防止体素点过度入栈。

需要说明的是，对于每一个栈，其初始状态下，均为空的状态，之后依次遍历栈对应的体素点，根据预设的体素进栈规则判断当前体素点是否可以进入到相应的栈内；本发明的其他实施方式中，通常按序选择体素点，判断其是否可以进入相应的栈，如此，可以最大化的节约判断时间，在此不做详细赘述。

进一步的，结合图5G所示，数据处理模块300还用于：获取并更新所述感兴趣区域集合中所有体素点的灰度方差以及灰度均值，以形成体素分布图，完成基于三维超声图像的感兴趣区域的自动分割。

本实施方式中，数据处理模块300再次重新获得每个感兴趣区域集合中对应的各个体素点的灰度方差以及灰度均值，并形成新的体素分布图，自动完成基于三维超声图像的感兴趣区域的自动分割。

三维重构输出模块400用于：基于三维超声图像的感兴趣区域的自动分割结果，对所述感兴趣区域集合中各个体素点进行二值化，并提取相应的等值面；

本实施方式中，三维重构输出模块400采用Marching cubes算法提取等值面；

该算法采用G.M.Nielson等人提出的渐近线判别法，解决了算法歧义性，通过计算等值面与体素边界面的交线(双曲线)的渐进线与体素的边界面的相互位置关系来判断等值面的正确连接接方式。

进一步的，结合图5H所示，三维重构输出模块400还用于：根据所述等值面建立网络拓扑关系；根据所述网络拓扑关系对网格进行分割，以完成基于三维超声图像的感兴趣区域的三维重构。

本实施方式中，三维重构输出模块400采用Halfedge半边结构存储根据所述等值面建立的网络拓扑关系；

根据所述网络拓扑关系将分离的面片簇分别组成网格，以完成基于三维超声图像的感兴趣区域的三维重构；

进一步的，三维重构输出模块400还用于：基于三维重构后的网络模型，获得其对应的模型容积。

三维重构输出模块400采用主元分析方法确定所述网格模型的OBB包围盒，将所述网格模型的主轴旋转到与Z轴平行，对旋转后所述网格模型按照平行于xy平面的方式进行水平切片，计算各个截面的截面面积以及各个截面在水平面的位置；

根据获得的各个截面的截面面积以及各个截面在水平面的位置获得所述模型容积。

该示例中，获得的所述模型容积以公式表示为：

其中，V表示模型容积，Z表示截面对应的Z轴坐标，S表示截面对应的截面面积，i表示截面的序号，n表示获得的截面的总数量。

综上所述，本发明的基于三维超声图像的感兴趣区域的自动分割方法及系统，速度快、抗噪性较好，鲁棒性高；且操作简单、便捷，在卵巢囊泡分割等方面精度更高，大大降低了临床医生的工作量，并提供快速，较为准确的结果。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以保存在保存介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，信息推送服务器，或者网络设备等)执行本申请各个实施方式或者实施方式的某些部分所述的方法。

以上所描述的装置实施方式仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施方式方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本申请可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、信息推送服务器计算机、手持设备或便携式设备、平板型设备、多处理模块系统、基于微处理模块的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括保存设备在内的本地和远程计算机保存介质中。

应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于三维超声图像的感兴趣区域的自动分割方法，其特征在于，所述方法包括以下步骤：

获取原始超声图像中的三维超声体素；

对原始的所述三维超声体素或ROI框内的三维超声体素做三维高斯滤波降噪处理，并获得其对应的灰度直方图；

根据用户感兴趣的灰度范围在所述灰度直方图上选取感兴趣区域，所述感兴趣区域包括至少一个待分割区域，每个待分割区域对应一个栈；

分别获取每一个待分割区域对应的当前栈内参数以及感兴趣区域的最大灰度值；

所述当前栈内参数包括：当前栈内体素点的灰度均值、当前栈内体素点的灰度值方差；当前选取的体素点灰度值以及对应当前栈的门限函数；

根据所述当前栈内参数以及感兴趣区域的最大灰度值建立体素进栈规则；

根据系统预设的体素进栈规则，遍历所述待分割区域内的体素点，将其划分入各个栈中，形成感兴趣区域集合；

获取所述感兴趣区域集合中所有体素点的灰度方差以及灰度均值，以形成体素分布图，完成基于三维超声图像的感兴趣区域的自动分割。

2.根据权利要求1所述的基于三维超声图像的感兴趣区域的自动分割方法，其特征在于，“对原始的所述三维超声体素或ROI框内的三维超声体素做三维高斯滤波降噪处理”具体包括：

采用二维高斯滤波对每个体素点的三个方向分别滤波，并采用加权算法、取最大值、最小值或平均值中的一种对获得的二维高斯结果进行处理，以完成三维高斯滤波降噪处理。

3.根据权利要求1所述的基于三维超声图像的感兴趣区域的自动分割方法，其特征在于，“根据所述当前栈内参数以及感兴趣区域的最大灰度值建立体素进栈规则”具体包括：

选择当前感兴趣区域内的任一体素点作为初始种子点；

在当前感兴趣区域内，依次选择所述初始种子点的三维连通区域的其他体素点应用预设的体素进栈规则进行遍历；

若满足所述预设的体素进栈规则，则将其插入到栈尾，同时，写入到感兴趣区域集合，并以其作为下一个种子点进行遍历；

若不满足所述预设的体素进栈规则，则丢弃当前体素点，继续遍历当前感兴趣区域内的其他体素点；

其中，所述预设的体素进栈规则具体为：

segment_gray-voxel_gray＜segment_stdv+fun(a,k)

$fun(a,k)=\frac{k}{(1-e^{-{\mathrm{a\σ}}^2/segment\_size})*segment\_size+1}$

voxel_gray＜Maxgray

所述segment_gray表示当前栈内体素点灰度均值；voxel_gray表示当前选取的体素点灰度值；segment_stdv表示当前栈内体素点的灰度值方差；Maxgray表示所述感兴趣区域的最大灰度值；fun(a，k)表示当前栈的门限函数，a、k均为分割系数，σ为二维高斯核参数；segment_size表示当前栈内体素点的数量。

4.根据权利要求1所述的基于三维超声图像的感兴趣区域的自动分割方法，其特征在于，所述方法还包括：

基于三维超声图像的感兴趣区域的自动分割结果，对所述感兴趣区域集合中各个体素点进行二值化，并提取相应的等值面；

根据所述等值面建立网络拓扑关系；

根据所述网络拓扑关系对网格进行分割，以完成基于三维超声图像的感兴趣区域的三维重构；

基于三维重构后的网络模型，获得其对应的模型容积。

5.根据权利要求4所述的基于三维超声图像的感兴趣区域的自动分割方法，其特征在于，所述方法具体包括：

采用Marching cubes算法提取等值面；

采用Halfedge半边结构存储根据所述等值面建立的网络拓扑关系；

根据所述网络拓扑关系将分离的面片簇分别组成网格；

采用主元分析方法确定所述网格模型的OBB包围盒，将所述网格模型的主轴旋转到与Z轴平行，对旋转后所述网格模型按照平行于xy平面的方式进行水平切片，计算各个截面的截面面积以及各个截面在水平面的位置；

根据获得的各个截面的截面面积以及各个截面在水平面的位置获得所述模型容积。

6.一种基于三维超声图像的感兴趣区域的自动分割系统，其特征在于，所述系统包括：

数据采集模块，用于获取原始超声图像中的三维超声体素；

滤波模块，用于对原始的所述三维超声体素或ROI框内的三维超声体素做三维高斯滤波降噪处理，并获得其对应的灰度直方图；

数据处理模块，用于根据用户感兴趣的灰度范围在所述灰度直方图上选取感兴趣区域，所述感兴趣区域包括至少一个待分割区域，每个待分割区域对应一个栈；

分别获取每一个待分割区域对应的当前栈内参数以及感兴趣区域的最大灰度值；

所述当前栈内参数包括：当前栈内体素点的灰度均值、当前栈内体素点的灰度值方差；当前选取的体素点灰度值以及对应当前栈的门限函数；

根据所述当前栈内参数以及感兴趣区域的最大灰度值建立体素进栈规则；

根据系统预设的体素进栈规则，遍历所述待分割区域内的体素点，将其划分入各个栈中，形成感兴趣区域集合；

获取所述感兴趣区域集合中所有体素点的灰度方差以及灰度均值，以形成体素分布图，完成基于三维超声图像的感兴趣区域的自动分割。

7.根据权利要求6所述的基于三维超声图像的感兴趣区域的自动分割系统，其特征在于，

所述滤波模块具体用于：采用二维高斯滤波对每个体素点的三个方向分别滤波，并采用加权算法、取最大值、最小值或平均值中的一种对获得的二维高斯结果进行处理，以完成三维高斯滤波降噪处理。

8.根据权利要求6所述的基于三维超声图像的感兴趣区域的自动分割系统，其特征在于，

所述数据处理模块具体用于：

选择当前感兴趣区域内的任一体素点作为初始种子点；

在当前感兴趣区域内，依次选择所述初始种子点的三维连通区域的其他体素点应用预设的体素进栈规则进行遍历；

若满足所述预设的体素进栈规则，则将其插入到栈尾，同时，写入到感兴趣区域集合，并以其作为下一个种子点进行遍历；

若不满足所述预设的体素进栈规则，则丢弃当前体素点，继续遍历当前感兴趣区域内的其他体素点；

其中，所述预设的体素进栈规则具体为：

segment_gray-voxel_gray＜segment_stdv+fun(a,k)

$fun(a,k)=\frac{k}{(1-e^{-{\mathrm{a\σ}}^2/segment\_size})*segment\_size+1}$

voxel_gray＜Maxgray

所述segment_gray表示当前栈内体素点灰度均值；voxel_gray表示当前选取的体素点灰度值；segment_stdv表示当前栈内体素点的灰度值方差；Maxgray表示所述感兴趣区域的最大灰度值；fun(a，k)表示当前栈的门限函数，a、k均为分割系数，σ为二维高斯核参数；segment_size表示当前栈内体素点的数量。

9.根据权利要求6所述的基于三维超声图像的感兴趣区域的自动分割系统，其特征在于，所述系统还包括：三维重构输出模块；

所述三维重构输出模块用于：基于三维超声图像的感兴趣区域的自动分割结果，对所述感兴趣区域集合中各个体素点进行二值化，并提取相应的等值面；

根据所述等值面建立网络拓扑关系；

根据所述网络拓扑关系对网格进行分割，以完成基于三维超声图像的感兴趣区域的三维重构；

基于三维重构后的网络模型，获得其对应的模型容积。

10.根据权利要求9所述的基于三维超声图像的感兴趣区域的自动分割系统，其特征在于，

所述三维重构输出模块具体用于：

采用Marching cubes算法提取等值面；

采用Halfedge半边结构存储根据所述等值面建立的网络拓扑关系；

根据所述网络拓扑关系将分离的面片簇分别组成网格；

采用主元分析方法确定所述网格模型的OBB包围盒，将所述网格模型的主轴旋转到与Z轴平行，对旋转后所述网格模型按照平行于xy平面的方式进行水平切片，计算各个截面的截面面积以及各个截面在水平面的位置；

根据获得的各个截面的截面面积以及各个截面在水平面的位置获得所述模型容积。