一种基于医学影像的单个器官拆分方法及系统技术方案

本发明专利技术公开了一种基于医学影像的单个器官拆分方法及系统，方法包括以下步骤：S01：获取待拆分器官的薄层扫描图像；S02：基于薄层扫描图像，对所述带拆分器官进行三维建模；S03：对三维建模得到的模型进行多区域拆分。本发明专利技术将医学图像分割不仅停留在对整个器官与外部非器官部分进行分割，还进一步的对器官的各个区域进行分割，方便后期对患者可能患病器官的观察，以及对于病灶（肿瘤）/靶区位置的分析。

Single organ resolution method and system based on medical image

The invention discloses a system and a single organ splitting method based on medical images. The method comprises the following steps: S01, get the images to be split organs; S02: TLC scanning image based on the three-dimensional modeling of the band split organ; S03: multi regional resolution of 3D modeling of the model. The invention will not only stay in the medical image segmentation of the organs and the external part of non organ segmentation, further to each organ segmentation, convenient observation of patients may be diseased organs, as well as for lesions (tumor) / analysis of target position.

【技术实现步骤摘要】
一种基于医学影像的单个器官拆分方法及系统
本专利技术涉及医学图像处理领域，尤其涉及一种基于医学影像的单个器官拆分方法及系统。
技术介绍
医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。它包含以下两个相对独立的研究方向：医学成像系统（medicalimagingsystem）和医学图像处理（medicalimageprocessing）。前者是指图像形成的过程，包括对成像机理、成像设备、成像系统分析等问题的研究；后者是指对已经获得的图像作进一步的处理，其目的是或者是使原来不够清晰的图像复原，或者是为了突出图像中的某些特征信息，或者是对图像做模式分类等等。现有技术的医学影像的形成方式包括CT(ComputedTomography)，即电子计算机断层扫描；MR〔MagneticResonance〕，即磁共振；DSA（Digitalsubtractionangiography），即数字血管造影。上述方式均会先采集多幅图像而后进行处理。在本申请中均称为薄层扫描图像。医学图像分割，指的是一个根据区域间的相似或不同把图像分割成若干区域的过程。目前，主要以各种细胞、组织与器官的图像作为处理的对象。例如磁共振颅脑图像的分割，其目的就在于清晰地描绘出颅脑各个解剖结构的边界，如灰质、白质、脑脊液以及MR图像中的其它组织，从而提高图像的可读性，为医生诊断和治疗疾病提供更直观的影像信息。然而现有技术对医学图像分割仅仅停留在对整个器官与外部非器官部分进行分割：比如申请号为CN201510729150.0的专利技术专利，该专利技术公开了一种医学图像中器官的识别与分割方法，识别方法包括：获取待处理的医学图像，将所述医学图像分别在X、Y和Z轴方向拆分成若干二维图像，并根据目标器官的大小设定检测窗口；利用所述检测窗口按照设定的检测步长分别对所述二维图像进行遍历检测，获取在X、Y和Z轴方向的检测结果；将所述检测结果进行结果融合，保留在X、Y和Z轴三个方向上都检测为阳性的像素点，从而确定所述目标器官边界。又比如申请号为CN201510672278.8的专利技术专利，该专利技术公开了一种人体解剖结构模型、植入物快速成型方法，其中公开了该方法首先利用医疗成像系统、三维扫描仪、摄像摄影设备获取目标结构的图像数据；然后通过软件处理图像得到植入物、解剖结构或解剖结构各个部分、各个层次的三维数字模型。并不对某个器官的各个区域进行分割。比如，脑部就包括额叶、颞叶、顶叶、枕叶及小脑等部分，肝脏包括肝左叶和肝右叶等部分。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于医学影像的单个器官拆分方法及系统，将医学图像分割不仅停留在对整个器官与外部非器官部分进行分割，还进一步的对器官的各个区域进行分割，方便后期对病灶（肿瘤）/靶区位置的分析。本专利技术的目的是通过以下技术方案来实现的：一种基于医学影像的单个器官拆分方法，包括以下步骤：S01：获取待拆分器官的薄层扫描图像；S02：基于薄层扫描图像，对所述带拆分器官进行三维建模；S03：对三维建模得到的模型进行多区域拆分。步骤S02包括以下子步骤：S021：识别器官，将器官周围的非器官部分进行分离；S022：与多种该器官的标准模板进行比较，判断器官形态，并匹配该形态的标准模板；S023：对该器官进行三维建模。当器官形态为坍塌或者萎缩或者不完全，则手动对坍塌或者萎缩或者不完全的器官边界进行划分。所述的待拆分器官为脑叶，所述的多区域为额叶、颞叶、顶叶、枕叶及小脑；所述的方法包括以下子步骤：S11：获取脑叶的薄层扫描图像；S12：对脑叶的薄层扫描图像进行去头皮去骨处理，构建头部模型；所述的构建头部模型采用图像特征子步骤和定位子步骤实现；所述的图像特征子步骤包括对扫描图像的脑部沟壑进行判断，根据灰度的不同得到脑叶的边界；所述的定位子步骤包括根据对器官的标准模板进行十字交叉定位确认脑叶的边界；S13：对构建的头部模型进行多区域拆分，包括以下子步骤：S131：针对任意一个图像，将标准模板对应的模板图像的各区域与个体图像进行空间匹配变形处理，把模板空间的各个脑叶分区图像对应变形到个体脑空间，完成大脑区域分割；S132：将个体空间脑叶图像进行二值化处理，形成脑叶mask矩阵；S133：将脑叶mask矩阵转化为系统可识别的区域。所述的待拆分器官为肝脏，所述的多区域为肝左叶和肝右叶；所述的方法包括以下子步骤：S21：使用DCMTK读取肝脏的DICOM序列图像；S22：对所述待拆分器官进行三维建模，包括以下子步骤：S221：采用各向异性扩散滤波算法去掉噪声，强化图像边缘；S222：采用OTSU算法强化图像特征；S223：采用形态学算法、或者水平集分割算法、或者自适应区域生长算法和BP神经网络算法的结合，提取肝脏区域；S224：腐蚀提取后的图像，并采用漫水填充法对图像进行后处理；S225：将步骤S224得到的图像与原始图像相与，得到最终的肝脏区域；S23：对得到的肝脏区域进行多区域拆分，包括以下子步骤：S231：针对任意一个图像，将标准模板对应的模板图像的各区域与个体图像进行空间匹配变形处理，把模板空间的各个肝脏分区图像对应变形到个体肝脏空间，完成肝脏区域分割；S232：将个体空间肝脏图像进行二值化处理，形成脑叶mask矩阵；S233：将肝脏mask矩阵转化为系统可识别的区域。一种基于医学影像的单个器官拆分系统，包括：薄层扫描图像获取模块：用于获取待拆分器官的薄层扫描图像；三维建模模块：用于基于薄层扫描图像，对所述带拆分器官进行三维建模；器官拆分模块：对三维建模得到的模型进行多区域拆分。所述的三维建模模块包括：器官识别单元：用于将器官周围的非器官部分进行分离；器官形态比较与匹配单元：用于与多种该器官的标准模板进行比较，判断器官形态，并匹配该形态的标准模板；器官三维建模单元：用于对该器官进行三维建模。当器官形态为坍塌或者萎缩或者不完全，则手动对坍塌或者萎缩或者不完全的器官边界进行划分。所述的待拆分器官为脑叶，所述的多区域为额叶、颞叶、顶叶、枕叶及小脑；所述的薄层扫描图像获取模块用于获取脑叶的薄层扫描图像；所述的三维建模模块包括：预处理单元：用于对脑叶的薄层扫描图像进行去头皮去骨处理；头部模型构建单元：用于基于预处理后的薄层扫描图像构建头部模型；所述的构建头部模型采用图像特征算法和定位算法实现；所述的图像特征算法包括对扫描图像的脑部沟壑进行判断，根据灰度的不同得到脑叶的边界；所述的定位算法包括根据对器官的标准模板进行十字交叉定位确认脑叶的边界；所述的器官拆分模块包括：器官拆分与空间转换单元：用于针对任意一个图像，将标准模板对应的模板图像的各区域与个体图像进行空间匹配变形处理，把模板空间的各个脑叶分区图像对应变形到个体脑空间，完成大脑区域分割；二值化单元：用于将个体空间脑叶图像进行二值化处理，形成脑叶mask矩阵；转换单元：用于将脑叶mask矩阵进行再转化，转化为系统可识别的区域。所述的待拆分器官为肝脏，所述的多区域为肝左叶和肝右叶；所述的薄层扫描图像获取模块用于使用DCMTK读取肝脏的DICOM序列图像；所述的三维建模模块包括：预处理单元：采用各向异性扩散滤波算法去掉噪声，强化图像边缘；图像特征本文档来自技高网...

【技术保护点】
一种基于医学影像的单个器官拆分方法，其特征在于：包括以下步骤：S01：获取待拆分器官的薄层扫描图像；S02：基于薄层扫描图像，对所述带拆分器官进行三维建模；S03：对三维建模得到的模型进行多区域拆分。

【技术特征摘要】
1.一种基于医学影像的单个器官拆分方法，其特征在于：包括以下步骤：S01：获取待拆分器官的薄层扫描图像；S02：基于薄层扫描图像，对所述带拆分器官进行三维建模；S03：对三维建模得到的模型进行多区域拆分。2.根据权利要求1所述的一种基于医学影像的单个器官拆分方法，其特征在于：步骤S02包括以下子步骤：S021：识别器官，将器官周围的非器官部分进行分离；S022：与多种该器官的标准模板进行比较，判断器官形态，并匹配该形态的标准模板；S023：对该器官进行三维建模。3.根据权利要求2所述的一种基于医学影像的单个器官拆分方法，其特征在于：当器官形态为坍塌或者萎缩或者不完全，则手动对坍塌或者萎缩或者不完全的器官边界进行划分。4.根据权利要求1或2或3所述的一种基于医学影像的单个器官拆分方法，其特征在于：所述的待拆分器官为脑叶，所述的多区域为额叶、颞叶、顶叶、枕叶及小脑；所述的方法包括以下子步骤：S11：获取脑叶的薄层扫描图像；S12：对脑叶的薄层扫描图像进行去头皮去骨处理，构建头部模型；所述的构建头部模型采用图像特征子步骤和定位子步骤实现；所述的图像特征子步骤包括对扫描图像的脑部沟壑进行判断，根据灰度的不同得到脑叶的边界；所述的定位子步骤包括根据对器官的标准模板进行十字交叉定位确认脑叶的边界；S13：对构建的头部模型进行多区域拆分，包括以下子步骤：S131：针对任意一个图像，将标准模板对应的模板图像的各区域与个体图像进行空间匹配变形处理，把模板空间的各个脑叶分区图像对应变形到个体脑空间，完成大脑区域分割；S132：将个体空间脑叶图像进行二值化处理，形成脑叶mask矩阵；S133：将脑叶mask矩阵转化为系统可识别的区域。5.根据权利要求1或2或3所述的一种基于医学影像的单个器官拆分方法，其特征在于：所述的待拆分器官为肝脏，所述的多区域为肝左叶和肝右叶；所述的方法包括以下子步骤：S21：使用DCMTK读取肝脏的DICOM序列图像；S22：对所述待拆分器官进行三维建模，包括以下子步骤：S221：采用各向异性扩散滤波算法去掉噪声，强化图像边缘；S222：采用OTSU算法强化图像特征；S223：采用形态学算法、或者水平集分割算法、或者自适应区域生长算法和BP神经网络算法的结合，提取肝脏区域；S224：腐蚀提取后的图像，并采用漫水填充法对图像进行后处理；S225：将步骤S224得到的图像与原始图像相与，得到最终的肝脏区域；S23：对得到的肝脏区域进行多区域拆分，包括以下子步骤：S231：针对任意一个图像，将标准模板对应的模板图像的各区域与个体图像进行空间匹配变形处理，把模板空间的各个肝脏分区图像对应变形到个体肝脏空间，完成肝脏区域分割；S232：将个体空间肝脏图像进行二值化处理，形成脑叶mask矩阵；S233：将肝脏mask矩阵转化为系统可识别的区域。6.一种基于医学影像的单个器官拆分系统，其特征在于：包括：薄层扫描图像获取模块：用于获...

【专利技术属性】
技术研发人员：曲建明，蒲立新，曲飞寰，范计朋，柏利娅，
申请(专利权)人：成都金盘电子科大多媒体技术有限公司，
类型：发明
国别省市：四川,51