一种用于多参数磁共振影像的前列腺自动分区方法技术

本发明专利技术涉及医学图像分析技术领域，具体涉及一种用于多参数磁共振影像的前列腺自动分区方法，包括以下步骤：(1)图像预处理；(2)前列腺整体分割；(3)前列腺对称轴定位；(4)基于图谱法对前列腺分区。本发明专利技术的有益效果为解决了前列腺的全自动分区问题，无需医生手动干预即可获得满足PI‑RADS V2指南规定的39分区；基于图谱法的分区简单高效，可满足实时操作的要求，可以与医生协同高效地完成分区任务，且具有很强的拓展性，可以对任何给定模板进行匹配和分区。

【技术实现步骤摘要】
一种用于多参数磁共振影像的前列腺自动分区方法
本专利技术涉及医学图像分析
，具体涉及一种用于多参数磁共振影像的前列腺自动分区方法。
技术介绍
前列腺疾病的诊断一直以来是影像学研究的重点。磁共振成像(MRI)目前是诊断前列腺病变的最有效影像方法，对评估前列腺病变的性质发挥重要作用。前列腺磁共振图像的精细分区可为后续临床处理提供参考，如前列腺靶向穿刺、近距离放射治疗及其他局部治疗等。前列腺分区还可在不同成像方法之间的图像融合中发挥作用，如MRI与超声图像融合，从而提高直肠超声引导下穿刺活检的阳性率。在近年来报道较多的计算机辅助诊断系统中，前列腺图像的准确分割和分区是下一步图像特征提取和识别的基础，其效能直接影响后续病灶识别的准确性。目前前列腺临床影像指南PI-RADSV2将前列腺定位为包含39个分区的标准模板，其中前列腺占36区、精囊腺占2区、尿道外括约肌占1区。前列腺分区模板图在冠状位和矢状位上，将前列腺从上到下分为底部、中部和尖部。在轴位图像上，将前列腺分为4区：前纤维肌性基质(AFS)、移行带(TZ)、中央带(CZ)、外周带(PZ)。除此之外，还对每个带进行了精细的分类。传统的手工分区对操作者个人经验的依赖性较强，存在主观性强、可重复性差、不易实现三维分割等缺陷；另一方面，手动分割过程繁琐，大大增加了图像分析的时间。因此，有效的自动图像分区技术的实现，对提高系统的可操作性及诊断性能具有重要临床价值。在前列腺自动分区方面，目前未见有相关的研究报道，其挑战主要是前列腺组织之间的对比度很低，边界难以区分；前列腺在整个图像中占有的区域很小，可用于分区的像素点较少，而分区结构有比较复杂；人体个体差异比较大，个体之间存在不确定性；较长的算法无法被临床应用接受。在过去几十年里，大多数技术都停留在对前列腺图像的自动分割方面，简单的自动分割算法有基于区域、纹理、直方图阈值的，复杂的有基于先验模型、统计学、水平集的方法等，近年来在模糊理论、机器学习和人工智能等技术的发展背景下，也有很多基于这些理论的算法出现。但直到目前，仍然没有对前列腺精细分区的技术。近年来，基于图谱法和形变模型的分割方法研究成为图像分割研究领域的热点。图谱法分割系统的核心是大变形配准，大变形微分同胚能够更好地表达人体组织的解剖学结构形变，具有可逆及较好的平滑度保持。基于图谱法的自动分割是综合了很多知识的一个完整的系统框架。其原理是利用配准将需要分割的图像映射到已经分割好的模板上，然后通过数学逆变换算子将分割结果变换到原图空间，从而获得原始输入图像的分割结果。基于图谱分割算法的关键是映射过程的准确性，映射很大程度上决定了分割的好坏，因此这类算法的核心通常都建立在精确的配准算法基础上。
技术实现思路
本专利技术的目的在于克服现有技术中存在的上述问题，提供一种用于多参数磁共振影像的前列腺自动分区方法，达到以下目的：前列腺精准分割和分区定位，较少的人工干预，对病人的个体差异不敏感，对图像噪声不敏感，计算速度快。为实现上述技术目的，达到上述技术效果，本专利技术是通过以下技术方案实现的：本专利技术在多参数磁共振影像数据中，采用主动轮廓模型和基于图谱的自动配准方法，全自动地完成对整个前列腺的三维分区，一种用于多参数磁共振影像的前列腺自动分区方法，包括以下步骤：(1)图像预处理：加载多参数磁共振图像，通过读取影像数据头文件信息对影像数据按照扫描序列分类，分为冠状位和轴位的T2加权像、DWI图像和DCE图像，对T2加权图像和DWI图像做直方图均衡化，使用双线性插值的方法获得标准尺寸和分辨率的图像(例如256×256或512×512像素)。由于前列腺在图像中所在的区域较小，依照实际采集视野大小对图像的中心区域放大2-4倍。使用椭圆蒙版对图像进行信号增强，通过9或16邻域Rosenfeld边缘检测算子获得并增强前列腺的边缘信号；(2)前列腺整体分割：同时在T2加权图像和DWI的低b值图像中进行前列腺的整体分割。由于前列腺与周围组织的对比不够明显，采用由粗到精的分步分割的方法。第一次分割基于预处理后的原始图像，第二次分割基于前一次的结果并做二值化处理，提高了分割的准确性和速度；在两次分割中中采用基于梯度向量流(GVF)模型的主动轮廓算法，基于光流场原理，通过变分方法，得到来自图像的一种稠密向量场(梯度向量流GVF)，并以此为外力替代传统主动轮廓模型中的图像力和外力之和，构成GVF模型。前列腺轮廓曲线在来自模型本身的内力和来自模型之外的外力的共同约束下变形和移动，将其拖向显著的图像特征位置；(3)前列腺对称轴定位：获取第2步的前列腺轮廓，对图像进行二值化，对轮廓内图像赋值为1，轮廓外图像赋值为0，采用主成分分析法对整个数据矩阵分析，获得排序靠前的2个主成分中接近前后方向的成分作为前列腺的对称轴，将整个前列腺分为左右两部分，并标记与外轮廓的交点；由于前列腺精细分区结构中对称轴的信息非常重要，因此准确完成对称轴的自动检测是分区的前提；(4)基于图谱法对前列腺分区：参照PI-RADSV2公布的39分区原则进行分区，该分区标准共有39区，其中前列腺占36区、精囊腺占2区、尿道外括约肌占1区(图1)。前列腺分区和定位模板图在冠状位和矢状位上，将前列腺从上到下平均分为底部、中部和尖部。在轴位图像上，将前列腺分为4区：1.前纤维肌性基质(AFS)，不含腺体组织；2.移行带，即前列腺从尿道近端到精阜周围的部分，含5％腺体组织；3.中央带(CZ)，位于射精管周围，含20％腺体组织；4.外周带(PZ)，含70％～80％腺体组织。进一步，选取轴位T2加权图像作为分区的标准图像，详细的分区原则为：以对称轴将整个前列腺划分为左右两部分；以前列腺基部、中部和尖部为分界，将外周带PZ分为3个部分(前侧a、中后侧mp、后外侧lp)；将移行带TZ划分为前部a和后部p；将基低部围绕射精管的区域定义为中央带CZ；将前纤维基质AS划分为左右基部、中部和尖部共6个区域；将精囊SV分为左右2区域；尿道括约肌US定义为位于前列腺尖部沿着尿道的膜状分段。采用以大变形微分同胚方法为基础的图谱法对前列腺进行分区标定。假定两幅图像，两者由一个微分同胚变换系相关联。由于前列腺本身具有较大的变异性，将本形状配准问题定义如下：其中L为差分算子，其形式为这个算子是与一个已知的体驱动力b相关的算子。从图像强度和梯度信息中产生并且与速度场相关，通过公式相联系。在这个框架下，变换Φ是在速度矢量vt，t∈[0，1]的结束点Φ＝Φ1产生的。在真实的前列腺组织结构变形中，对于Y0和Y1的理想微分同胚变形场使得取得公式(1)的解是不存在的，整个的代价函数最小可以转换为公式(2)：公式中Ω是图像域，П～是互相关操作，其反映了两个矩阵之间的距离。变形场Φ是根据图像Y0和Y1的距离来决定的。在单位时间上积分满足能量最小化时，得到的变形场最优，即为最优化求解。在实际操作时，将第2步和第3步获得的前列腺轮廓信息和对称轴信息作为已知的图像靶点代入图谱模型中，建立以T2结构图像中的灰度信息为代价函数的匹配，对图像在3个维度同时做大变形微分同胚操作，获得前列腺的39分区轮廓。在获取了39分区的定位信息后，记录下每个对应区域的轮廓和蒙版信息，以及不同区域对应的标准模板本文档来自技高网...

【技术保护点】
1.一种用于多参数磁共振影像的前列腺自动分区方法，其特征在于，包括以下步骤：(1)图像预处理读取影像数据头文件信息获得清晰显示前列腺结构的影像，利用计算机对图像进行直方图均衡化处理，然后经过双线性插值、局部放大、信号增强和边缘增强等操作，接着输出预处理后的前列腺图像；(2)前列腺整体分割对步骤(1)中获得的图像使用GVF主动轮廓算法，通过两步获得准确的前列腺外轮廓分割，第一步在原始图像中粗分割，第二步在前一步的基础上对二值图像进行准确分割；(3)前列腺对称轴定位获取第(2)步的前列腺轮廓，对图像进行二值化，采用主成分分析法对整个数据矩阵分析，获得排序靠前的2个主成分中接近前后方向的成分作为前列腺的对称轴，将整个前列腺分为左右两部分，并标记与外轮廓的交点；(4)基于图谱法对前列腺分区将前列腺图像按照前列腺标准图谱分为若干个区域。

【技术特征摘要】
1.一种用于多参数磁共振影像的前列腺自动分区方法，其特征在于，包括以下步骤：(1)图像预处理读取影像数据头文件信息获得清晰显示前列腺结构的影像，利用计算机对图像进行直方图均衡化处理，然后经过双线性插值、局部放大、信号增强和边缘增强等操作，接着输出预处理后的前列腺图像；(2)前列腺整体分割对步骤(1)中获得的图像使用GVF主动轮廓算法，通过两步获得准确的前列腺外轮廓分割，第一步在原始图像中粗分割，第二步在前一步的基础上对二值图像进行准确分割；(3)前列腺对称轴定位获取第(2)步的前列腺轮廓，对图像进行二值化，采用主成分分析法对整个数据矩阵分析，获得排序靠前的2个主成分中接近前后方向的成分作为前列腺的对称轴，将整个前列腺分为左右两部分，并标记与外轮廓的交点；(4)基于图谱法对前列腺分区将前列腺图像按照前列腺标准图谱分为若干个区域。2.根据权利要求1所述的一种用于多参数磁共振影像的前列腺自动分区方法，其特征在于，步骤(1)中通过9或16邻域Rosenfeld边缘检测算子获得并增强前列腺的边缘信号。3.根据权利要求1所述的一种用于多参数磁共振影像的前列腺自动分区方法，其特征在于，步骤(1)中使用椭圆蒙版对图像进行信号增强。4.根据权利要求1所述的一种用于多参数磁共振影像的前列腺自动分区方法，其特征在于，步骤(2)中在两次分割中采用基于GVF模型的主动轮廓算法，基于光流场原理，通过变分方法，得到来自图像的一种稠密向量场GVF，并以...

【专利技术属性】
技术研发人员：王成彦，蒋李，
申请(专利权)人：王成彦，合肥融视信息科技有限公司，
类型：发明
国别省市：江苏,32