CN106570860B - 一种改进的基于距离正则化水平集的核磁共振图像咬肌分割方法 - Google Patents

Abstract

一种改进的基于距离正则化水平集的核磁共振图像咬肌分割方法，该方法在距离正则化水平集的边缘停止函数构建中引入了相位一致性，利用相位一致性特征的梯度幅值能在咬肌内边缘取得局部最大值，结合原边缘停止函数构造新的分段边缘停止函数，使得边缘停止函数在整个咬肌边缘都能取到正确的局部最小值，解决了原距离正则化水平集在咬肌分割应用中的分割错误。本发明提供了一种简单，高效，具有相对较高的准确率的结合了相位一致性和距离正则化水平集(DRLSE)模型的咬肌分割方法。

Description

一种改进的基于距离正则化水平集的核磁共振图像咬肌分割 方法

技术领域

本发明属于医学图像处理领域，属于一种医学图像分割方法，尤其是涉及核磁共振图像咬肌分割方法。

背景技术

咬肌是执行咀嚼活动和维持下颌位置的重要肌肉组织，是厚实的方形肌肉，起于颧弓，居于下颌支皮下，止于下颌支外，是影响面部中下二分之一外观的重要因素。咬肌不但影响咀嚼力的大小，还会影响面下部宽度以及下颌角区的形态，是确定下颌角及咬肌肥大畸形患者治疗方案的重要指标之一。

鉴于咬肌在面部形状、面部美感上的重要作用以及面部外科手术的广泛普及，咬肌分割变得越来越重要。咬肌的分割知识是构建咬肌模型的基础，医生在模型上的术前预演可以帮助减少手术时间，提高手术质量。另外，模拟手术使得术后效果可视化对病人也相当有益。

现今，文献中大多数的自动软组织分割方法都以大脑，心脏，肺等作为目标组织，涉及面部肌肉特别是面部咬肌的研究工作很少。而且在面部咬肌MR成像中，存在弱边缘，灰度不均匀，邻近组织与目标组织共享相似灰度等分割难点。因此，分割咬肌是一项相当有挑战的工作。

现有的咬肌分割的方法可粗略地分为基于先验信息和无先验信息两种。基于先验信息的方法可以获取到准确的分割结果，但是其准确率依赖于训练数据集的大小。本专利查阅并参考的无先验信息的方法均由H.P.Ng等人提出，其中基于梯度下降流(GVF)的方法，通过追踪手动咬肌轮廓获取到一个咬肌模板，根据这个模板可以自动检测出咬肌区域，将识别出的咬肌区域作为GVF的初始轮廓并得到最终的分割结果，该方法可以实现高准确率的分割结果但是获取模板的过程复杂，困难，耗费时间。另一种无先验的分割方法使用分水岭实现，并在分割过程中引入了两个新步骤用于分水岭导致的过分割问题的处理，两个步骤分别为：在分水岭分割前对原图的梯度幅值图进行阈值处理；在分水岭分割后对分割结果进行过分割融合。改进的分水岭方法具有计算复杂度低的优势但是其分割结果的平均准确率低于原始GVF。

发明内容

为了克服已有咬肌分割方法在咬肌分割上存在的依赖数据集、处理复杂、准确率不高的问题，本发明提供了一种简单、高效、具有相对较高的准确率的改进的基于距离正则化水平集的核磁共振图像咬肌分割方法。

本发明解决其技术问题所采用的技术方案是：

一种改进的基于距离正则化水平集的核磁共振图像咬肌分割方法，包括如下步骤：

1)读入待分割的咬肌MRI图像I，用Ω表示全部图像区域；

2)使用相位一致性模型方法计算得到待分割图像I的边缘特征图谱pc；

3)为距离正则化水平集函数设定时间步长，迭代次数以及各能量项的权重系数；

4)初始化水平集函数Φ为初始水平集函数Φ₀，以初始化水平集函数Φ₀的零水平轮廓的中线为分界将图像区域Ω分为咬肌外轮廓区域Ω_outside和咬肌内轮廓区域Ω_inside；

5)定义一个由距离正则化项和都以边缘停止函数g为权重的加权长度项以及加权面积项组成的能量函数，在构建能量泛函的过程中，将2)中得到的边缘特征图谱pc引入定义一个新的边缘停止函数，该边缘停止函数是在Ω_outside和Ω_inside区域上定义的一个分段函数；

6)进行水平集迭代，最小化能量函数；

7)判断迭代次数是否达到3)中定义的最大值，满足迭代的终止条件迭代停止，输出咬肌分割结果。

进一步，所述步骤2)中，相位一致性模型假设图像在傅里叶分量相位最大的点取得特征，在二维图像中，相位一致性模型定义如下：

其中，o是方向的索引，A_no(x)，分别表示第n个傅里叶分量o方向上的振幅和局部相位差，T_o是o方向上的估计噪音，W_o(x)是一个加权函数，ε是用于避免除数为零的常数。

再进一步，所述步骤5)中，距离正则化水平集演化模型是使用一个距离正则化项取代重初始化的水平集函数，在表示一个水平集函数时，该模型的能量函数定义如下：

其中，λ>0，ɑ∈R是固定常数，p是实现距离正则的势函数，δ和H分别为狄拉克函数和阶跃函数；g是边缘停止函数定义为：

其中I是输入图像，G_ζ是标准差为ζ的高斯内核。卷积(G_ζ*I)用于平滑图像。边缘停止函数g通常在边缘处取得比其他任何位置更小的值；

引入相位一致性模型得到的边缘特征图谱pc定义新的边缘停止函数，如下：

其中，Ω代表全部图像区域，Ω_outside,Ω_inside表示咬肌外轮廓区域和内轮廓区域，λ是一个用于扩展相位一致性图谱灰度域的常数。

本发明的有益效果为：简单、高效、具有相对较高的准确率。

附图说明

图1是改进的基于距离正则化的核磁共振图像咬肌水平集分割方法流程框图

图2是面部的MRI原图。

图3是应用传统DRLSE方法得到的分割结果图。

图4是应用改进后的DRLSE方法得到的分割结果图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细说明描述。

参照图1～图4，一种改进的基于距离正则化水平集的核磁共振图像咬肌分割方法，包括如下步骤：

1)读入待分割的咬肌MRI图像I，用Ω表示全部图像区域；

2)使用相位一致性模型方法计算得到待分割图像I的边缘特征图谱pc；

相位一致性模型假设图像在傅里叶分量相位最大的点取得特征。在二维图像中，相位一致性模型定义如下：

其中，o是方向的索引，A_no(x)，分别表示第n个傅里叶分量o方向上的振幅和局部相位差，T_o是o方向上的估计噪音，W_o(x)是一个加权函数，ε是用于避免除数为零的常数。

3)为距离正则化水平集函数设定时间步长，迭代次数以及各能量项的权重系数；该方法将时间步长△t设为5，迭代次数设为500，距离正则项权重系数mu设为0.2/△t；

4)初始化水平集函数Φ为初始水平集函数Φ₀，以初始化水平集函数Φ₀的零水平轮廓的中线为分界将图像区域Ω分为咬肌外轮廓区域Ω_outside和咬肌内轮廓区域Ω_inside；

5)定义一个由距离正则化项和都以边缘停止函数g为权重的加权长度项以及加权面积项组成的能量函数，在构建能量泛函的过程中，将2)中得到的边缘特征图谱pc引入定义一个新的边缘停止函数，该边缘停止函数是在Ω_outside和Ω_inside区域上定义的一个分段函数

距离正则化水平集演化模型是使用一个距离正则化项取代重初始化的水平集函数，该模型可以得到感兴趣区域的准确边缘，且保证边缘光滑，封闭，因此十分适合应用于分割生物结构。在表示一个水平集函数时，该模型的能量函数定义如下：

其中，λ>0，ɑ∈R是固定常数，p是实现距离正则的势函数，δ和H分别为狄拉克函数和阶跃函数。g是边缘停止函数定义为：

其中I是输入图像，G_ζ是标准差为ζ的高斯内核。卷积(G_ζ*I)用于平滑图像。边缘停止函数g通常在边缘处取得比其他任何位置更小的值。能量函数(1)可以通过处理下述梯度流来实现最小化：

参考图2，将距离正则化水平集直接应用于咬肌分割，在咬肌内部边缘出现分割误差，其原因是因为咬肌的解剖结构及其组织的成像原理。咬肌的内部相邻组织为下颌骨，在核磁共振成像中肌肉呈灰黑中低信号，骨骼呈黑色低信号，脂肪和骨髓呈白色高信号。参照图1，仔细观察咬肌内部边缘可以得到，咬肌的真实边缘为灰黑和黑色交界，但是相邻黑色和白色交界在边缘停止函数中可以得到一个更小的函数值致使出现分割错误。

本发明分析该分割错误，通过在边缘停止函数中引入2)中得到的边缘特征图谱pc构建新的边缘停止函数解决原边缘停止函数在咬肌分割的应用中出现的误分割。

步骤2)中提到的相位一致性模型可以识别出咬肌的全部区域，并且得到的边缘特征图谱pc的梯度幅值在咬肌内部轮廓处取得局部最大值可用于修正原始DRLSE模型的分割错误，本发明构建的新的边缘停止函数如下：

其中，Ω代表全部图像区域，Ω_outside,Ω_inside表示咬肌外部区域和内部区域(由初始轮廓决定)，λ是一个用于扩展相位一致性图谱灰度域的常数。

6)进行水平集迭代，最小化能量函数；

7)判断迭代次数是否达到3)中定义的最大值，满足迭代的终止条件迭代停止，输出咬肌分割结果。

Claims (2)

1.一种改进的基于距离正则化水平集的核磁共振图像咬肌分割方法，其特征在于：所述分割方法包括如下步骤：

1)读入待分割的咬肌MRI图像I，用Ω表示全部图像区域；

2)使用相位一致性模型方法计算得到待分割图像I的边缘特征图谱pc；

3)为距离正则化水平集函数设定时间步长，迭代次数以及各能量项的权重系数；

4)初始化水平集函数Φ为初始水平集函数Φ₀，以初始化水平集函数Φ₀的零水平轮廓的中线为分界将图像区域Ω分为咬肌外轮廓区域Ω_outside和咬肌内轮廓区域Ω_inside；

5)定义一个由距离正则化项和都以边缘停止函数g为权重的加权长度项以及加权面积项组成的能量函数，在构建能量泛函的过程中，将2)中得到的边缘特征图谱pc引入定义一个新的边缘停止函数，该边缘停止函数是在Ω_outside和Ω_inside区域上定义的一个分段函数；

6)进行水平集迭代，最小化能量函数；

7)判断迭代次数是否达到3)中定义的最大值，满足迭代的终止条件迭代停止，输出咬肌分割结果；

所述步骤5)中，距离正则化水平集演化模型是使用一个距离正则化项取代重初始化的水平集函数，在表示一个水平集函数时，该模型的能量函数定义如下：

其中，λ>0，ɑ∈R是固定常数，p是实现距离正则的势函数，δ和H分别为狄拉克函数和阶跃函数；g是边缘停止函数定义为：

其中I是输入图像，G_σ是标准差为σ的高斯内核，卷积(G_σ*I)用于平滑图像，边缘停止函数g通常在边缘处取得比其他任何位置更小的值；

引入相位一致性模型得到的边缘特征图谱pc定义新的边缘停止函数，如下：

其中，Ω代表全部图像区域，Ω_outside,Ω_inside表示咬肌外轮廓区域和内轮廓区域，λ是一个用于扩展相位一致性图谱灰度域的常数。

2.如权利要求1所述的改进的基于距离正则化水平集的核磁共振图像咬肌分割方法，其特征在于：所述步骤2)中，相位一致性模型假设图像在傅里叶分量相位最大的点取得特征，在二维图像中，相位一致性模型定义如下：

其中，o是方向的索引，A_no(x)，分别表示第n个傅里叶分量o方向上的振幅和局部相位差，T_o是o方向上的估计噪音，W_o(x)是一个加权函数，ε是用于避免除数为零的常数。