基于超体素和图割算法的三维肝脏CT图像自动分割方法，通过分析体数据直方图，自适应增强图像对比度。采用自适应阈值及形态学方法逐层进行肝脏初始轮廓分割，选取最大肝脏切片，计算并提取肝脏感兴趣区域。在最大肝脏切片根据肝脏初始轮廓选取种子点，采用高斯混合模型对前景背景颜色建模。对增强对比度后的肝脏感兴趣区域利用SLIC聚类算法生成超体素，以超体素为顶点构造无向加权图，利用图割算法对图进行切割。最后采用形态学运算等对分割结果进行后处理。本发明专利技术可实现三维腹部CT图像中肝脏的快速、准确自动分割。
【技术实现步骤摘要】
本专利技术涉及医学图像处理领域，具体地讲，涉及基于超体素和图割算法的三维肝 脏CT图像自动分割方法。
技术介绍
原发性肝癌是世界上常见的恶性肿瘤之一，具有很高的发病率和死亡率。计算机 断层扫描（ComputedTomography,CT)成像技术由于具有解剖信息精确、分辨率高、扫描时 间短、普及率高等优点，被广泛应用于肝癌的诊断与治疗。精确的肝脏三维分割是计算机辅 助诊断中的一项基础性工作，是三维可视化、定量分析、手术规划等的重要先决条件。目前 临床上肝脏的分割一般由医生根据经验手工完成，这不仅耗时费力，且准确度因人而异。因 此高效稳定的肝脏自动分割成为研宄热点，这对于减轻医生的工作强度，提高诊断速度都 有极大的帮助。 实现肝脏的自动分割是一项具有挑战性的研宄工作，其难点在于：肝脏结构复杂， 自身形状多变，个体间存在差异性，由于肿瘤、肝硬化导致的肝脏组织灰度不均匀，与邻接 膈肌、心脏、肾脏等组织器官的边界模糊。近几十年来，国内外在肝脏CT图像分割方面已经 提出许多方法，主要包括：区域生长、活动轮廓、水平集、图割、聚类、统计形状模型和概率图 谱等。区域生长算法具有快速、易实现等优点，但当肝脏组织灰度不均匀时易造成分割结果 不准确。基于活动轮廓和水平集的分割算法需提供初始轮廓且计算复杂、分割速度较慢。基 于模型的分割算法虽然能够获得较准确的分割结果，但概率图谱或统计形状模型的生成需 要大量的训练图像和相应的人工分割标准，且当处理非标准形状肝脏时可能造成分割结果 不准确。图割算法因能获得全局最优解而被广泛应用于医学图像分割，然而直接以体素为 单位构建图进行切割会导致过高的计算量且无法获得满意的分割结果。准确、快速、自动化 的分割是肝脏分割的目标。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提出一种基于简单线性迭代聚类 (SimpleLinearIterativeClustering,SLIC)和图割算法的三维肝脏CT图像自动分割 方法。该方法能够自适应增强图像对比度，自动提取肝脏感兴趣区域生成超体素，并以超体 素为基本单元构建无向加权图，极大的降低计算复杂度和计算量，提高处理效率。同时又 能够自动选取种子点对分割加以约束，并采用高斯混合模型建立肝脏和背景区域的颜色模 型，避免了人工交互选取种子点对算法鲁棒性的影响。该方法采用图割算法对肝脏感兴趣 区域超体素无向加权图做切割，能够实现快速、准确且自动化的肝脏分割，从而减轻医生工 作量，对医学诊断提供辅助。 本专利技术提高了一种基于SLIC超体素和图割算法的三维肝脏CT图像自动分割方 法，包括以下步骤： 1. 1.对输入的一例腹部CT图像I进行直方图分析，从而自适应增强图像对比度， 得到增强对比度后的CT图像I' ； 1. 2.采用自适应阈值及形态学方法对图像I逐层进行肝脏初始轮廓分割，选取最 大肝脏切片，计算并对增强后图像I'提取肝脏感兴趣区域I'Kra; 1. 3.在最大肝脏切片1_上根据肝脏初始轮廓选取肝脏种子点SF和背景种子点 SB，采用高斯混合模型建立肝脏和背景区域的颜色模型Pfg，Pbkg; 1. 4.对I'KQI利用SLIC算法进行过分割生成超体素； 1. 5.以超体素为顶点构建无向加权图G，利用图割算法对图G做切割，得到肝脏区 域分割结果二值图像Imask; 1. 6.利用形态学开运算、中值滤波对Imajs后处理，得到平滑的肝脏分割结果。 所述步骤1.1包括， 1. 1. 1.分析图像直方图中峰值个数及峰值CT值，若存在2个较明显的峰值则为高 对比度图像Ihigh，若仅存在1个峰值则为低对比度图像IlOTt; 1. 1. 2.计算自适应对比度拉伸的阈值范围，对于高对比度图像Ihigh有 Imin= (peakl+peak2)/2_60,1 max=peak2+250 ;对于低对比图图像IlOT有Imin=peakl-60， Imax=peakl+250,其中peakl、peak2 表示峰值CT值； 1. 1. 3?做对比度增强，I，= 255(I-IminV(Imax_Imin)。 所述步骤1.2包括， 1. 2. 1.对于每一层切片1利用自适应阈值方法提取肝脏可能区域 Ipossible， 1. 2. 2.对lp()SSible依次采用形态学腐蚀、选取最大子区域、孔洞填充、形态学膨胀方 法，得到肝脏区域的初始轮廓llivOT; 1. 2. 3.选取llivOT中肝脏区域面积最大的作为最大肝脏切片1 1. 2. 4.根据每层llive，的二维肝脏区域边界框计算得到能包围整个三维肝脏的感 兴趣区域最小边界框r〇i，从增强后图像I'中提取肝脏感兴趣区域rKra。 所述步骤1.3包括， 1. 3. 1.对于最大肝脏切片1_，在肝脏初始轮廓llivOT内部按一定间隔选取肝脏种 子点SF，lliTC^Z界框以外区域按一定间隔选取背景种子点SB; 1. 3. 2.根据种子点SF，SB计算高斯混合模型Pfg，Pbkg，【主权项】1.基于超体素和图割算法的三维肝脏CT图像自动分割方法，其特征在于：该方法包括 以下步骤， 1. 1.对输入的一例腹部CT图像I进行直方图分析，从而自适应增强图像对比度，得到 增强对比度后的CT图像I' ； 1. 2.采用自适应阈值及形态学方法对图像I逐层进行肝脏初始轮廓分割，选取最大肝 脏切片，计算并对增强后图像I'提取肝脏感兴趣区域I'Kra; 1. 3.在最大肝脏切片1_上根据肝脏初始轮廓选取肝脏种子点SF和背景种子点SB，采 用高斯混合模型建立肝脏和背景区域的颜色模型Pfg，Pbkg; 1.4.对I'Kra利用SLIC算法进行过分割生成超体素； 1. 5.以超体素为顶点构建无向加权图G，利用图割算法对图G做切割，得到肝脏区域分 割结果二值图像IMsk; 1. 6.利用形态学开运算、中值滤波对ImaslJ(后处理，得到平滑的肝脏分割结果。2. 根据权利要求1所述的基于超体素和图割算法的三维肝脏CT图像自动分割方法，其 特征在于：所述的步骤1. 1包括， 1. 1. 1.分析图像直方图中峰值个数及峰值CT值，若存在2个较明显的峰值则为高对比 度图像Ihigh，若仅存在1个峰值则为低对比度图像11("; 1. 1. 2.计算自适应对比度拉伸的阈值范围，对于高对比度图像Ihigh有Imin= (peakl+peak2)/2_60,Imax=peak2+250 ;对于低对比图图像IlOT有Imin=peakl-60,Imax = peakl+250,其中peakl、peak2 表示峰值CT值； 1. 1. 3?做对比度增强，I' = 255(I-IminV(Imax-Imin)。3. 根据权利要求1所述的基于超体素和图割算法的三维肝脏CT图像自动分割方法，其 特征在于：所述的步骤1. 2包括， 1. 2. 1.对于每一层切片1利用自适应阈值方法提取肝脏可能区域 Ipossible， 1. 2. 2.对lp()SSible依次采用形态学腐蚀、保留最大子区域、孔洞填充、形态学膨胀方法， 得到肝脏区域的初始轮廓llivOT; 1. 2. 3.选取lliv"中肝脏区域面积最大的作为最大肝脏本文档来自技高网...
【技术保护点】
基于超体素和图割算法的三维肝脏CT图像自动分割方法，其特征在于：该方法包括以下步骤，1.1.对输入的一例腹部CT图像I进行直方图分析，从而自适应增强图像对比度，得到增强对比度后的CT图像I’；1.2.采用自适应阈值及形态学方法对图像I逐层进行肝脏初始轮廓分割，选取最大肝脏切片lmax，计算并对增强后图像I’提取肝脏感兴趣区域I‘ROI；1.3.在最大肝脏切片lmax上根据肝脏初始轮廓选取肝脏种子点SF和背景种子点SB，采用高斯混合模型建立肝脏和背景区域的颜色模型Pfg，Pbkg；1.4.对I‘ROI利用SLIC算法进行过分割生成超体素；1.5.以超体素为顶点构建无向加权图G，利用图割算法对图G做切割，得到肝脏区域分割结果二值图像Imask；1.6.利用形态学开运算、中值滤波对Imask做后处理，得到平滑的肝脏分割结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：吴薇薇，周著黄，吴水才，白燕萍，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。