CN1907225B - 用于脑内出血损伤分割的方法和设备 - Google Patents

Abstract

本发明提供一种适当地执行脑内出血损伤分割的方法和设备，所述方法和设备通过下述方式执行：借助于对有脑内出血发作的头部X射线CT图像进行尺度空间滤波来确定较高尺度级别的图像，在较高尺度级别图像的基础上确定相应于脑轮廓的感兴趣区域，对在头部X射线CT图像的感兴趣区域中的图像执行无监督分类，以及借助于由无监督分类的结果产生的专家系统来识别脑内出血损伤。

Description

用于脑内出血损伤分割的方法和设备

技术领域

本发明涉及一种用于脑内出血损伤分割的方法和设备，更具体地涉及用于在脑内出血发作的头部X射线CT图像上识别所述脑内出血损伤的方法和设备。

背景技术

为了诊断和治疗脑内出血(ICH)，在头部X射线CT图像上实施脑内出血损伤的分割。可通过专家的干预人工实施所述分割(例如参见专利参考文件1)。

【专利参考文件1】JP-A-2005-118510第6-7页，图3-7

发明内容

【本发明所要解决的问题】

由专家干预实施的人工分割占用较长时间和较多人力，并且分割的结果取决于主治医师的技能。当视图实现自动化时，脑内出血损伤的CT值可根据症状改变，可能有一种情况，其中它与其它健康部分的CT值重叠，以致于仅使用一个单个阈值的分割不能实现所述目的。

因此，本发明要解决的问题是实现用于适合实施脑内出血损伤分割的方法和设备。

【解决问题的手段】

用于解决上面所列举的问题的本发明的第一方面提供一种脑内出血损伤分割的方法，其特征在于所述方法包括下述步骤：通过对有脑内出血发作的头部X射线CT图像进行尺度空间滤波来确定较高尺度级别的图像；在较高尺度级别图像的基础上确定相应于脑轮廓的感兴趣区域；对在头部X射线CT图像的感兴趣区域中的图像执行无监督分类法；并借助由无监督分类的结果产生的专家系统来识别脑内出血损伤。

用于解决上面所提到的问题的本发明的第二方面提供了一种用于脑内出血损伤分割的设备，其特征在于所述设备包括：用于通过对脑内出血发作的头部X射线CT图像进行尺度空间滤波来确定较高尺度级别的图像的滤波装置；用于在较高尺度级别图像的基础上确定相应于脑轮廓的感兴趣区域的感兴趣区域形成装置；用于对在头部X射线CT图像的正在被讨论的区域内的图像执行无监督分类的分类装置；以及借助由无监督分类的结果产生的专家系统来识别脑内出血损伤的识别装置。

为了实现良好的边缘保持，优选由各向异性漫射滤波执行尺度空间滤波。

优选通过下述步骤确定确定感兴趣区域：对较高尺度级别图像进行的头骨轮廓提取，尺度较高尺度级别图像的非监督分类，非监督分类结果的阈值分割，根据阈值分割结果的头骨图像提取，从被头骨轮廓所围绕的区域中消除响应于头骨图像的区域，以及在剩余区域上进行形态学操作以便适当地形成感兴趣区域。

优选通过下述步骤来执行非监督分类：对在较高尺度级别图像的感兴趣区域内的图像进行适应性初始阈值确认，以及基于由适应性初始阈值确认所确定的初始阈值，对在头骨X射线CT图像的感兴趣区域内的图像进行自动分类，以便适当地实施分类。

优选通过基于多个预定义的初始阈值候选值确定阈值分割结果来执行适应性初始阈值确认，以便实施初始阈值的最优化。

优选通过下述步骤执行自动分类：通过使用由适应性初始阈值确认而确定的初始阈值进行初始参数的计算，并通过使用初始参数对在头骨X射线CT图像的感兴趣区域内的图像进行自动分类，以便适当地实施分类。

优选通过阈值分割来执行自动分类，以便适当地实施分割。

优选通过MAP分割来执行自动分类，以便适当地实施分割。

优选通过FCM聚类来执行自动分类，以便适当地实施分割。

脑内出血损伤分割设备优选具有能够进行以下操作的使用者界面：图像检索、图像显示、与所显示图像相关的信息的显示、分割方法的选择、分割结果的交互式操作、和脑内出血参数的计算，以便获得良好的可操作性。

使用者界面优选为图形使用者界面以便获得良好的可操作性。

【发明效果】

按照本发明上面提到的方面，适当实施脑内出血损伤分割的方法和设备可由以下方式实现：通过对在脑内出血发作的头部X射线CT图像进行尺度空间滤波来确定较高尺度级别的图像；在较高尺度级别图像的基础上确定相应于脑轮廓的感兴趣区域；对在头部X射线CT图像的感兴趣区域中的图像执行无监督分类；并借助由无监督分类的结果产生的专家系统来识别脑内出血损伤。

附图说明

图1以概略框图的形式显示了图像处理设备的概观；

图2显示了执行脑内出血损伤分割的过程；

图3显示了尺度级别图像；

图4显示了粗糙脑提取的概念；

图5显示了非监督分类的概念；

图6显示了适应性初始阈值确认和自动分类的流程图；

图7显示了脑内出血损伤识别的概念；

图8显示了使用者界面的例子；

图9显示了执行本发明的优选实施例的一个示例的图像处理设备的探作流程图；

图10显示了示范性的脑内出血损伤分割结果的说明性的逐渐变化的照片；

图11显示了示范性的脑内出血损伤分割结果的说明性的逐渐变化的照片；

图12显示了示范性的脑内出血损伤分割结果的说明性的逐渐变化的照片；

图13显示了示范性的脑内出血损伤分割结果的说明性的逐渐变化的照片；

图14显示了示范性的脑内出血损伤分割结果的说明性的逐渐变化的照片；以及

图15显示了示范性的脑内出血损伤分割结果的说明性的逐渐变化的照片。

具体实施方式

执行本发明的最佳模式将参照附图在下文中进行描述。应当注意到不应认为本发明仅限于执行本发明的最佳模式。图1以概要方框图的形式显示了图像处理设备的概现。

所显示的设备是执行本发明的示范性最佳模式。该设备的布置显示了实现用于脑内出血损伤分割的创造性设备的示范性最佳模式。所述设备的操作显示了实现用于脑内出血损伤分割的创造性方法的示范性最佳模式。

如图1所述，所述设备具有数据处理单元10、显示单元20、操作控制台单元30、存储单元40、和输入/输出界面单元50。

数据处理单元10由使用者通过显示单元20和操作控制台单元30按照交互式操作对在存储单元40内存储的数据执行数据处理。数据处理单元10也通过输入/输出界面单元50执行数据输入和到外部设备的数据输出。从外部设备通过输入/输出界面单元50输入要执行脑内出血损伤分割的X射线CT图像。例如，外部设备可以是X射线CT设备或医学图像服务器等等。所述设备可以是X射线CT成像设备或医学图像服务器的一部分。在后者的情况中，输入/输出界面单元50不是强制性的。

现在将描述由所述创造性设备执行的脑内出血损伤分割。图2显示了执行脑内出血损伤分割的过程。如图2所示，脑内出血损伤分割被执行为四个过程P1、P2、P3和P4。

在过程P1中，对脑内损伤发作的头部的原始CT ICH图像执行尺度空间滤波。由数据处理单元10进行尺度空间滤波。数据处理单元10是按照本发明的滤波装置的例子。

尺度空间滤波产生范围从较低尺度级别到较高尺度级别的各尺度空间的图像。随后将更详细地描述尺度空间滤波。

在过程P2，在较高尺度级别图像的基础上执行粗略的脑提取。由数据处理单元10执行粗略的脑提取。数据处理单元10是按照本发明的感兴趣区域形成装置的例子。随后将更详细地描述粗略的脑提取。

在过程P3中，基于较高尺度级别的图像和较低尺度级别的图像执行非监督分类。由数据处理单元10执行非监督分类。数据处理单元10是按照本申请的分类装置的例子。

非监督分类使用粗略的脑提取的结果。粗略的脑提取使用非监督分类。随后将更详细地描述非监督分类。

在过程P4中，基于过程P2和P3产生的结果实施ICH损伤识别。由数据处理单元10执行ICH损伤识别。数据处理单元10是按照本发明的示范性识别装置。

现在将描述尺度空间滤波(过程P1)。尺度空间滤波使用例如由下述方程所给出的滤波器。

【方程1】

$\frac{\∂}{\∂t}y(i,t)=\mathrm{div}(c(i,t)\▿y(i,t))=c(i,t)\mathrm{\Δy}(i,t)+\▿c\·\▿y(i,t)$

这个方程显示了各向异性漫射滤波器。使用这样的滤波器可产生如图3所示的尺度级别t逐渐增加的图像，即尺度级别图像。指定尺度级别t的值较小的图像为较低尺度级别的图像，而指定尺度级别t的值较大的图像为较高尺度级别的图像。

尽管当图像的尺度级别较高时噪声会降低，但各向异性漫射滤波器可以使图像边缘在全部尺度级别范围内保持良好的状态。

现在将更详细地描述粗略的脑提取(过程P2)。图4显示了粗略脑提取的概念。在较高尺度级别的图像(a)上执行粗略的脑提取。首先，通过非监督分类获得经过分类的图像(b)。经过分类的图像(b)是二值水平的图像，其中CT值比预定阈值高的区域为高亮度(白色)。在这幅图像中，头骨、脑内出血损伤和头部保持工具以高亮度绘出。

由经过分类的图像(b)提取头骨图像(c)。由阈值分割进行头骨图像(c)的提取。阈值分割使用与骨CT值相应的阈值。

另一方面，从较高尺度级别的图像(a)确定头骨轮廓。可使用活动轮廓法或活线法(live wire method)等等获得头骨轮廓(d)。

从头骨轮廓(d)围绕的区域中删除与头骨图像(c)相应的区域。这就产生了剩余区域作为初始脑区域(e)。

将形态学操作应用到初始脑区域(e)以形成粗略的脑区域(f)。例如，可通过膨胀、填充和侵蚀进行形态学操作。

粗略的脑区域(f)显示了头骨内的区域。粗略的脑区域(f)既不包括头骨图像，又不包括头骨保持工具的图像。因此，这个区域可用作消除了头骨的CT值和头骨保持工具的影响的感兴趣区域(ROI)。此外，部分体积效应的影响在与头骨接近的脑区域内。

现在将更详细地描述非监督分类(过程P3)。图5显示了非监督分类的概念。在非监督分类中，从较高尺度级别的图像(a)中提取与粗略的脑区域(b)相应的感兴趣区域的图像(c)，对该图像应用适应性初始阈值确认(d)。然后通过使用适应性初始阈值确认的结果，应用自动分类(e)以确定脑内出血损伤的候选图像。

图6显示了适应性初始阈值确认和自动分类的流程图。对于适应性初始阈值确认来说，在步骤601中选择多个预定的初始阈值候选值中的一个，在步骤603中执行由所选初始阈值候选值进行的阈值分割，并且在步骤605中判断阈值分割的结果是否满足预定的规则。用于判断的规则可以是通过阈值分割获得的区域的数目是否落在预定的最大数目之内。

在步骤601到605的操作将重复进行迭代直到获得满足所述规则的初始阈值。通过这样，可最后确定最佳初始阈值。

对于自动分类来说，在步骤607中计算初始参数，然后在步骤609中执行自动分类。在步骤607中计算的初始参数例如包括阈值、平均值、标准偏差，等等。使用这样的初始参数执行步骤609的自动分类。将自动分类应用到较低尺度级别图像的感兴趣区域中。所述感兴趣区域是与粗略脑区域对应的区域。

例如使用阈值分割执行自动分类。可选地，可以使用MAP分割(最大化在先分割)或FCM聚类(模糊C均值聚类(fuzzy C meansclustering))执行自动分类。可使用其它适当方法中的任何一种来进行自动分类。

现在将更详细地描述脑内出血损伤识别(过程P4)。图7显示了脑内出血损伤识别的概念。由专家系统执行脑内出血损伤识别。

专家系统在脑内出血的候选图像(a)上执行真实脑内出血损伤识别(b)以确定脑内出血损伤图像(c)。按照预定规则执行真实脑内出血损伤识别(b)。

用于识别的规则可包括如下内容；

1)排除平均CT值高于预定值(例如，100)的区域，因为该区域是骨头的概率较高。

2)排除平均CT值低于预定值(例如，初始阈值)的区域，因为该区域是正常脑组织的概率较高。

3)排除像素数目低于预定值(例如，30)的区域，因为该区域是钙化区域的概率较高。

4)排除中心过于接近粗略脑区域边缘的区域，因为该区域是受部分体积效应所影响的正常区域的概率较高。

图10到15显示了一些脑内出血损伤分割结果的显示的例子。在左手侧显示原始图像，在右手侧显示在原始图像上叠加有脑内出血损伤分割结果的图像。脑内出血损伤分割的结果以红色显示，然而在附图中用黑白色示出。

图10显示了高对比损伤的例子；图11显示了低对比损伤的例子。这两个例子均进行了适当的分割。

图12和13显示了多处损伤的例子。这两个例子均进行了适当的分割。图14和15显示了损伤接近头骨的例子。尽管图15显示了头骨没有完全闭合的例子，即使在这种情况下损伤也被适当地分割。

图8显示了如上面所描述的、用于脑内出血损伤分割的示范性的使用者界面。使用者界面可以是在显示单元20中显示的图形使用者界面，并通过如鼠标和触摸面板这样的指示设备进行操作。

使用者界面包括用于图像检索的GUI 802，用于图像显示的GUI804，用于显示与所显示图像相关的信息的GUI 806，用于分割方法选择的GUI 808，用于分割结果的交互式操作的GUI 810，和用于计算脑内出血损伤的参数的GUI 812。

用于图像显示的GUI 804，用于显示与所显示图像相关的信息的GUI 806，用于分割方法选择的GUI 808，用于分割结果的交互式操作的GUI 810，和用于计算脑内出血损伤的参数的GUI 812由一组多个GUI构成。

用于图像显示的GUI 804由具有下列功能的GUI组成：允许调整原始图像的窗口宽度(WW)和窗口水平(WL)的GUI，允许2D显示的GUI，允许进行被分割的损伤图像的伪颜色显示的GUI，允许透明显示的GUI，可以2D显示的GUI，和允许3D显示的GUI。

用于显示与图像相关的信息的GUI 806由具有下列功能的GUI组成：允许显示例如姓名、ID、性别、年龄等等患者信息的GUI，和允许显示例如包括KV、mA、切片厚度、像素间距等等的扫描参数的GUI。

用于分割方法选择的GUI 808由允许自动分割的GUI和允许其它方法分割的GUI组成。

用于对分割结果进行交互式探作的GUI 810由一组GUI组成，该组GUI的每一个允许区域选择、区域删除、区域添加、区域扩大，区域缩小等等。

用于脑内出血损伤的参数计算的GUI 812由一组GUI组成，该组GUI的每一个允许计算损伤区域、损伤主轴、损伤次轴、最大CT值、一个切片体积和连续多个切片体积I，以及用于显示损伤具有最大表面面积的切片切片ID的GUI。

图9显示了通过经由上面描述的使用者界面操作所述设备的操作流程图。在步骤901选择图像。GUI 802用于图像选择。在步骤903执行自动分割。自动分割由GUI 808的操作执行。

在步骤905通过交互式操作进行区域确认。由GUI 810对通过GUI804的操作所显示的脑内出血损伤图像的操作来执行借助交互式操作的区域确认。

一个切片的体积计算在步骤907值执行。通过GUI 812的操作执行体积计算。

在步骤909判断是否继续当前的工作。当继续所述工作时，重复迭代步骤901到908的探作。通过这样做，对连续的多个切片图像中的每一个切片执行自动分割、交互式区域确认、一个切片的体积计算。

当所有所需图像都经过处理后，在步骤911确定贯穿连续多个切片的损伤体积。通过GUI 812的操作执行该计算。

附图标记：

数据处理单元10

显示单元20

操作控制台单元30

存储单元40

输入/输出界面单元50

Claims (11)

1.一种用于利用头部X射线CT图像来分割脑内出血损伤的脑内出血损伤分割的设备，包括：

用于通过在脑内出血发作的头部X射线CT图像上进行尺度空间滤波来确定较高尺度级别CT图像的滤波装置；

用于在所述较高尺度级别CT图像上提取粗略脑提取图像的粗略脑提取装置；

用于在所述较高尺度级别CT图像上确定相应于所述粗略脑提取图像的感兴趣区域的感兴趣区域形成装置；

用于对在所述头部的X射线CT图像的所述感兴趣区域内的图像执行非监督分类以获取脑内出血损伤的候选图像的分类装置；以及

用于对分类装置通过所述非监督分类所获取的脑内出血损伤的候选图像执行真实脑内出血损伤区域识别以识别脑内出血损伤图像的识别装置。

2.根据权利要求1所述的用于脑内出血损伤分割的设备，其中：

由非各向异性漫射滤波执行所述尺度空间滤波。

3.根据权利要求1所述的用于脑内出血损伤分割的设备，

其中所述粗略脑提取装置通过如下的方式提取所述粗略脑提取图像：

对所述较高尺度级别CT图像进行头骨轮廓提取；

对所述较高尺度级别CT图像进行非监督分类；

对所述非监督分类的结果进行头骨图像提取；

从被所述头骨轮廓所围绕的区域消除相应于所述头骨图像的区域形成初始脑区域；以及

在初始脑区域上进行形态学操作形成所述的粗略脑提取图像。

4.根据权利要求1所述的用于脑内出血损伤分割的设备，

其中所述的分类装置通过下述步骤执行所述非监督分类：

对所述感兴趣区域内的图像进行适应性初始阈值确认；和

在由所述适应性初始阈值确认所确定的初始阈值的基础上，对在所述头部X射线CT图像的所述感兴趣区域内的图像进行自动分类以确定脑内出血损伤的候选图像。

5.根据权利要求4所述的用于脑内出血损伤分割的设备，

其中由下述步骤执行所述适应性初始阈值确认：

选择多个预定的初始阈值的候选值在所述感兴趣区域内的图像进行阈值分割，对阈值分割的结果进行判断，判断阈值分割的结果是否满足预定的规则。

6.根据权利要求4所述的用于脑内出血损伤分割的设备，

其中由下述步骤执行所述自动分类：

使用由所述适应性初始阈值确认所确定的初始阈值进行初始参数的计算；和

通过使用所述初始参数对在所述头部X射线CT图像的所述感兴趣区域内的图像进行自动分类。

7.根据权利要求6所述的用于脑内出血损伤分割的设备，其中：

由阈值分割执行所述自动分类。

8.根据权利要求6所述的用于脑内出血损伤分割的设备，其中：

由最大后验概率(MAP)分割执行所述自动分类。

9.根据权利要求6所述的用于脑内出血损伤分割的设备，其中：

由模糊C均值聚类执行所述自动分类。

10.根据权利要求1到9中任一权利要求所述的用于脑内出血损伤分割的设备，进一步包括：

完成下述功能的使用者界面：图像检索、图像显示、与所显示的图像相关的信息的显示、分割方法的选择、分割结果的交互式操作、和脑内出血参数的计算。

11.根据权利要求10所述的用于脑内出血损伤分割的设备，其中：

所述使用者界面是图形使用者界面。

Images