CN106570868A - 基于水平集方法的三维肝脏肿瘤半自动分割方法 - Google Patents

Abstract

本发明适用于医学图形处理领域，提供了一种基于水平集方法的三维肝脏肿瘤半自动分割方法，包括以下步骤：通过交互式方式完成CT图像中肝脏肿瘤的ROI选择；对所述ROI进行滤波处理以去除噪声；采用水平集方法对所述ROI区域中的所述的肝脏肿瘤进行三维分割；对三维分割结果进行优化处理。

Description

基于水平集方法的三维肝脏肿瘤半自动分割方法

技术领域

本发明属于医学图形处理领域，尤其涉及一种基于水平集方法的三维肝脏肿瘤半自动分割方法。

背景技术

医学图像分割技术是把医学图像中具有特殊含义的不同区域分割开来，并使分割结果尽可能地接近解剖结构的一种图像分割技术。医学图像分割技术是医学图像处理和分析领域研究的重要内容之一。基于医学图像的分割技术，可对医学图像的内容进行分析，帮助医务人员诊断和制定治疗方案，进行术前手术规划和训练。肝脏肿瘤是常见的、严重危害人们健康的恶性疾病之一。射频消融术被广泛的应用于治疗肝脏肿瘤。精确的肝脏肿瘤分割是肝脏射频消融手术术前规划和术后评估的关键步骤。

目前从肝脏CT图像中分割出肿瘤的方法主要有区域增长、活动轮廓模型、图割和水平集方法。在这些方法中，水平集方法由于其灵活性而受到广泛的关注。Smeets等提出一种基于边缘的水平集方法用于肝脏肿瘤的分割。该方法通过有监督的模糊聚类的非线性滤波概率分布得到速度函数。Li等将密度分布和边缘信息混合到水平集框架用于从CT体数据中分割出肝脏肿瘤。

然而，传统的基于边缘信息的水平集分割方法需要肝脏肿瘤有清晰和明确的边界。而CT图像里的肝脏肿瘤的边界常常是模糊的，且CT图像不可避免的含有噪声，因此，基于边缘信息的方法容易产生边界泄露。此外，由于肝脏肿瘤区域与周围组织有时会具有相似的灰度值，导致肝脏肿瘤的准确分割受到影响。

发明内容

本发明的目的在于提供一种基于水平集方法的三维肝脏肿瘤半自动分割方法，旨在解决现有基于边缘信息的水平集分割方法由于肝脏肿瘤边界模糊、CT图像中含有噪声导致基于水平集方法的分割方法容易产生边界泄漏的问题，以及，由于肝脏肿瘤区域与周围组织有时会具有相似的灰度值，导致肝脏肿瘤分割的准确度不高的问题。

本发明是这样实现的，一种基于水平集方法的三维肝脏肿瘤半自动分割方法，包括以下步骤：

通过交互式方式完成CT图像中肝脏肿瘤的ROI选择；

对所述ROI进行滤波处理以去除噪声；

采用水平集方法对所述ROI区域中的所述肝脏肿瘤进行三维分割；

对三维分割结果进行优化处理。

本发明提供的基于水平集方法的三维肝脏肿瘤半自动分割方法，首先，通过交互式方式，确定肿瘤所在的大致三维区域，消除了邻近组织与所述肝脏肿瘤具有相似灰度的组织的干扰；其次，采用基于所述ROI区域的三维水平集方法对所述三维肝脏肿瘤进行自动化分割，在肝脏肿瘤边界缺失的情况下也能得到较好的分割结果。

附图说明

图1是本发明实施例提供的基于水平集方法的三维肝脏肿瘤半自动分割方法示意图；

图2是本发明实施例提供的基于水平集方法的三维肝脏肿瘤半自动分割方法得到的分割效果图。

具体实施方式

为了使本发明要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供了一种基于水平集方法的三维肝脏肿瘤半自动分割方法，包括以下步骤，如图1所示：

S01.通过交互式方式完成CT图像中肝脏肿瘤的ROI选择，如图1a所示；

S02.对所述ROI进行滤波处理以去除噪声,如图1b所示；

S03.采用水平集方法对所述ROI区域中的所述肝脏肿瘤进行三维分割,如图1c所示；

S04.对三维分割结果进行优化处理,如图1d所示。

具体的，上述步骤S01中，本发明实施例通过交互式方式完成CT图像中肝脏肿瘤的ROI选择，可以消除邻近组织与肿瘤具有相似灰度的组织的干扰。作为具体优选实施例，所述ROI选择的方法为：在所有片层图像里选择一个片层图像，在所述片层图像上指定一个包含肿瘤区域的矩形，确定包含肿瘤区域的片层的范围。所述片层图像通常为具有最大肿瘤面积的片层。

上述步骤S02中，作为优选实施例，所述滤波处理采用各向异性扩散滤波实现。采用所述各向异性扩散滤波方法对所述ROI进行滤波，在消除噪声的同时可以保留重要的边界信息。作为具体优选实施例，所述各向异性扩散滤波中滤波器定义如下：

u(0,·)＝u₀ inΩ,

其中，u表示图像，Ω表示体素区域，v表示边界的单位外法向量，a为非线性扩散系数。

上述步骤S03中，所述水平集方法用一个更高维的函数隐式的表示曲面的进化，进化方程如下：其中φ为符号距离函数，描述曲面上对应点的速度。本发明实施例中，优选的，所述水平集方法通过一个数据项和一个平滑项来定义速度函数获得下述进化方程：

其中，D(I)为数据项，表示曲面的平均曲率(为平滑项)，α为调节数据项和曲率项影响的参数，且α∈[0,1]。在该模型中，所述数据项D使水平集函数向目标的边界移动；所述平滑项使曲面保持平滑。

作为进一步优选实施例，所述速度函数中的所述数据项为D(I)＝ε-|I-T|，其中，T、ε分别表示肿瘤组织的中心灰度值和灰度偏离值，I表示位置矢量。

α∈[0,1]为调节数据项和曲率项影响的参数。

本发明实施例采用基于所述ROI的三维水平集方法进行自动化分割，在肿瘤边界缺失的情况下也能得到较好的分割结果。

上述步骤S04中，由于所述肝脏肿瘤与周围相邻组织可能具有相似的灰度，以及所述肝脏肿瘤灰度的不均一性，水平集分割得到的曲面可能存在孔洞和其他不需要的小目标。有鉴于此，本发明实施例对经过上述步骤S03的三维分割结果进行优化处理。作为优选实施例，所述优化处理为采用数学形态学滤波方法实现。作为具体优选实施例，所述优化处理为采用数学形态学孔洞填充操作、腐蚀和膨胀操作对水平集分割的结果进行优化，得到最后的分割结果。

图2为本发明实施例采用基于水平集方法的三维肝脏肿瘤半自动分割方法得到的分割效果图，其中，a表示水平集函数的初始曲面，b表示最后的分割结果。

本发明实施例提供的基于水平集方法的三维肝脏肿瘤半自动分割方法，能够在较少的用户交互的情况下得到较好的三维分割结果。具体的，首先通过少量的用户交互，确定肿瘤所在的大致三维区域(ROI)，消除了邻近组织与肿瘤具有相似灰度的组织的干扰；其次，采用各向异性扩散滤波方法对所述ROI区域进行滤波处理，在消除噪声的同时保留了重要的边界信息；再次，采用基于区域的三维水平集方法进行自动化分割，在肿瘤边界缺失的情况下也能得到较好的分割结果，使得即便在肝脏CT图像中肿瘤存在弱边界时也可以得到较好的分割结果。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于水平集方法的三维肝脏肿瘤半自动分割方法，包括以下步骤：

通过交互式方式完成CT图像中肝脏肿瘤的ROI选择；

对所述ROI进行滤波处理以去除噪声；

采用水平集方法对所述ROI区域中的所述肝脏肿瘤进行三维分割；

对三维分割结果进行优化处理。

2.如权利要求1所述的基于水平集方法的三维肝脏肿瘤半自动分割方法，其特征在于，所述采用基于所述ROI区域的水平集方法对所述干燥肿瘤进行三维分割的步骤中，所述水平集方法通过一个数据项和一个平滑项来定义速度函数获得下述进化方程：

$\frac{\∂\mathrm{\φ}}{\∂t}=|\▿\mathrm{\φ}|\[\mathrm{\α}D\left(I\right)+(1-\mathrm{\α})\▿-\frac{\▿\mathrm{\φ}}{|\▿\mathrm{\φ}|}\],$

其中，φ为符号距离函数，D(I)为数据项，为平滑项，α为调节数据项和平滑项影响的参数，且α∈[0,1]。

3.如权利要求2所述的基于水平集方法的三维肝脏肿瘤半自动分割方法，其特征在于，所述速度函数中的所述数据项为D(I)＝ε-|I-T|，其中，T、ε分别表示肿瘤组织的中心灰度值和灰度偏离值，I表示位置矢量。

4.如权利要求1-3任一所述的基于水平集方法的三维肝脏肿瘤半自动分割方法，其特征在于，所述滤波处理采用各向异性扩散滤波实现。

5.如权利要求4所述的基于水平集方法的三维肝脏肿瘤半自动分割方法，其特征在于，所述各向异性扩散滤波中滤波器定义如下：

$\begin{array}{cc}{u}_t-div(a\left(|\▿u|\right)\▿u=0& in\end{array}\mathrm{\Ω}fort>0,$

$\begin{array}{cc}{\∂}_{v}u=0& on\∂\mathrm{\Ω}fort>0,\end{array}$

u(0,·)＝u₀ inΩ,

其中，u表示图像，Ω表示体素区域，v表示边界的单位外法向量，a为非线性扩散系数。

6.如权利要求1-3任一所述的基于水平集方法的三维肝脏肿瘤半自动分割方法，其特征在于，所述优化处理为采用数学形态学滤波方法实现。

7.如权利要求6所述的基于水平集方法的三维肝脏肿瘤半自动分割方法，其特征在于，所述优化处理为采用数学形态学孔洞填充操作、腐蚀和膨胀操作对水平集分割的结果进行优化。

8.如权利要求1-3任一所述的基于水平集方法的三维肝脏肿瘤半自动分割方法，其特征在于，所述ROI选择的方法为：

在所有片层图像里选择一个片层图像，在所述片层图像上指定一个包含肿瘤区域的矩形，确定包含肿瘤区域的片层的范围。