一种磁共振脊柱影像混合分割方法和装置制造方法及图纸

本发明专利技术公开了一种磁共振脊柱影像混合分割方法和装置，以快速实现对MR脊柱影像中脊柱的准确分割。所述方法包括：通过对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的多阶金字塔图像；针对脊柱的多阶金字塔图像中每一阶金字塔图像，通过特征点的提取标定脊柱影像中待分割椎体；采用混合分割模型对标定的脊柱影像中待分割椎体进行分割，得到待分割椎体的图像。一方面，本发明专利技术不仅可以实现对MR脊柱影像中脊柱的准确分割，而且降低了分割所消耗的时间，另一方面，采用混合分割模型对标定的脊柱影像中待分割椎体进行分割，使得分割的目标最大程度地保留了原始信息，获得较高的图像质量。

【技术实现步骤摘要】
一种磁共振脊柱影像混合分割方法和装置
本专利技术涉及医学图像处理领域，具体涉及一种磁共振脊柱影像混合分割方法和装置。
技术介绍
通过磁共振(Magnetic Resonance, MR)得到的脊柱影像,其中丰富的医学信息可为临床疾病的诊断提供准确可靠的依据，因此，准确快速的脊柱分割在临床脊柱疾病的定性定量分析中具有重大意义。然而，手动分割脊柱的方法因其费时费力，并且可重复性和一致性较低而不被广泛使用，从而，自动分割方法渐渐成为业界研究的热点。现有的一种分割脊柱方法是主动外观模型(Active Appearance Model,AAM)分割算法。所谓AAM分割算法，是采用一条由η个控制点组成的连续闭合曲线作为snake模型，能量函数作为匹配度的评价函数，具体地，首先将模型设定在目标对象预估位置的周围，再通过不断迭代使能量函数最小化，当内外能量达到平衡时即得到目标对象的边界与特征。现有的另一种分割脊柱方法是主动形状模型(Active Shape Model, ASM)分割算法。所谓ASM分割算法，是指利用参数化的采样形状来构成对象形状模型，并利用基本元素分析(Principal Component Analysis, PCA)方法建立描述形状特征点的运动模型,再利用一组参数来控制形状特征点的位置变化，从而获得当前对象的形状。虽然，AAM分割算法和ASM分割算法在医学图像分割的应用中可以较大程度地保留图像的原始信息，但两种分割算法均存在各自的劣势。例如，AAM分割算法相对于ASM分割算法而言，速度较慢且对待分割物体定位不准，而ASM分割算法在脊椎椎体的分割过程中对待分割物体的轮廓勾画存在一定的困难。
技术实现思路
本专利技术实施例提供一种磁共振脊柱影像混合分割方法和装置，以快速实现对MR脊柱影像中脊柱的准确分割。本专利技术实施例提供一种磁共振脊柱影像混合分割方法，所述方法包括:通过对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的多阶金字塔图像；针对所述脊柱的多阶金字塔图像中每一阶金字塔图像，通过特征点的提取标定所述脊柱影像中待分割椎体；采用混合分割模型对所述标定的脊柱影像中待分割椎体进行分割，得到所述待分割椎体的图像。本专利技术另一实施例提供一种磁共振脊柱影像混合分割装置，所述装置包括:金字塔图像构造模块，用于通过对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的多阶金字塔图像；标定模块，用于针对所述脊柱的多阶金字塔图像中每一阶金字塔图像，通过特征点的提取标定所述脊柱影像中待分割椎体； 分割模块，用于采用混合分割模型对所述标定的脊柱影像中待分割椎体进行分害!]，得到所述待分割椎体的图像。 从上述本专利技术实施例可知，一方面，由于是通过对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的多阶金字塔图像，因此建立了由粗到细的分割策略的基础，按照此分割策略，不仅可以实现对MR脊柱影像中脊柱的准确分割，而且降低了分割所消耗的时间，提高了方法的执行效率，另一方面，由于椎体所在区域的像素所携带的灰度信息和纹理信息非常丰富、重要，而混合分割模型有机结合了外观模型和纹理模型这两种模型各自的特点，因此，采用混合分割模型对标定的脊柱影像中待分割椎体进行分割，使得分割的目标最大程度地保留了原始信息，获得较高的图像质量。 【附图说明】 图1是本专利技术实施例提供的磁共振脊柱影像混合分割方法的基本流程示意图； 图2是本专利技术实施例提供的磁共振脊柱影像混合分割装置逻辑结构示意图； 图3是本专利技术另一实施例提供的磁共振脊柱影像混合分割装置逻辑结构示意图； 图4是本专利技术另一实施例提供的磁共振脊柱影像混合分割装置逻辑结构示意图； 图5是本专利技术另一实施例提供的磁共振脊柱影像混合分割装置逻辑结构示意图； 图6是本专利技术另一实施例提供的磁共振脊柱影像混合分割装置逻辑结构示意图。 【具体实施方式】 本专利技术实施例提供 一种磁共振脊柱影像混合分割方法，包括:通过对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的多阶金字塔图像；针对所述脊柱的多阶金字塔图像中每一阶金字塔图像，通过特征点的提取标定所述脊柱影像中待分割椎体；采用混合分割模型对所述标定的脊柱影像中待分割椎体进行分割，得到所述待分割椎体的图像。本专利技术实施例还提供相应的磁共振脊柱影像混合分割装置。以下分别进行详细说明。 本专利技术实施例的磁共振脊柱影像混合分割方法的基本流程可参考图1，主要包括如下步骤SlOl至步骤S103: S101，通过对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的多阶金字塔图像。 在本专利技术实施例中，脊柱初始轮廓的定位可以通过先构建训练集的统计平均外形，然后通过数据配准实现。具体地，通过ITK-SNAP交互式分割软件，构建训练集的统计平均外形。在本专利技术一个实施例中，训练集的统计平均外形可以通过采用1.5T的磁共振扫描仪，对25位正常人的脊椎MR数据进行扫描获得，其中，1.5T的磁共振扫描仪的脉冲序列重复时间为500ms，层厚为3mm，矩阵大小为512X512。在获得了训练集的统计平均外形后，可以依靠人工手动选取椎体的4个顶点，完成椎体的定位。最后，将该定位的椎体与训练集中的数据进行配准，进行初始轮廓的检测与提取。 在本专利技术实施例中，对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的多阶金字塔图像可以是:通过多尺度局部梯度模型对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的多阶金字塔图像。在本专利技术实施例中，脊柱的多阶金字塔图像可以是脊柱的三阶金字塔图像、五阶金字塔图像或七阶金字塔图像等更高阶金字塔图像。以三阶金字塔图像为例，第一阶金字塔图像为最低阶金字塔图像，第二阶金字塔图像为较高阶金字塔图像，第三阶金字塔图像为最高阶金字塔图像；五阶金字塔图像和七阶金字塔图像等更高阶金字塔图像的阶数与三阶金字塔图像的阶数定义类似。具体地，作为本专利技术一个实施例，通过对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的多阶金字塔图像包括:对最低阶金字塔图像进行重采样，使得所述最低阶金字塔图像对应的二维矩阵缩小为原二维矩阵的二分之一得到阶数相对较高的金字塔图像；对所述阶数相对较高的金字塔图像进行重采样，使得所述阶数相对较高的金字塔图像对应的二维矩阵缩小为原二维矩阵的二分之一得到阶数相对更高的金字塔图像。以三阶金字塔图像为例，脊柱初始轮廓已定位的脊柱影像为脊柱的多阶金字塔图像中最低阶金字塔图像即三阶金字塔图像中的第一阶金字塔图像，通过对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的三阶金字塔图像可以是:对脊柱的最低阶金字塔图像进行重采样，使得所述脊柱的最低阶金字塔图像对应的二维矩阵缩小为原二维矩阵的二分之一得到第二阶金字塔图像；对所述第二阶金字塔图像进行重采样，使得所述第二阶金字塔图像对应的二维矩阵缩小为原二维矩阵的二分之一得到第三阶金字塔图像。S102，针对脊柱的多阶金字塔图像中每一阶金字塔图像，通过特征点的提取标定所述脊柱影像中待分割椎体。由于多阶金字塔图像中，其阶数越高，分辨率越低，而低分辨率图像中每一个像素所携带的灰度信息非常丰富，相邻像素之间图像灰度差异较大，可较准确地确定脊柱初始轮廓；进一步地，通过阶数逐渐降低、分辨率不断提升，可逐步实现对脊柱影像的精确分割。因此，在本专利技术实施例本文档来自技高网...

【技术保护点】
一种磁共振脊柱影像混合分割方法，其特征在于，所述方法包括：通过对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的多阶金字塔图像；针对所述脊柱的多阶金字塔图像中每一阶金字塔图像，通过特征点的提取标定所述脊柱影像中待分割椎体；采用混合分割模型对所述标定的脊柱影像中待分割椎体进行分割，得到所述待分割椎体的图像。

【技术特征摘要】
1.一种磁共振脊柱影像混合分割方法，其特征在于，所述方法包括: 通过对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的多阶金字塔图像；针对所述脊柱的多阶金字塔图像中每一阶金字塔图像，通过特征点的提取标定所述脊柱影像中待分割椎体； 采用混合分割模型对所述标定的脊柱影像中待分割椎体进行分割，得到所述待分割椎体的图像。2.根据权利要求1所述的方法，其特征在于，所述脊柱初始轮廓已定位的脊柱影像为所述脊柱的多阶金字塔图像中最低阶金字塔图像； 所述通过对脊柱初始轮廓已定位的脊柱影像进行重采样，构造脊柱的多阶金字塔图像，包括: 对所述最低阶金字塔图像进行重采样，使得所述最低阶金字塔图像对应的二维矩阵缩小为原二维矩阵的二分之一得到阶数相对较高的金字塔图像； 对所述阶数相对较高的金字塔图像进行重采样，使得所述阶数相对较高的金字塔图像对应的二维矩阵缩小为原二维矩阵的二分之一得到阶数相对更高的金字塔图像。3.根据权利要求1所述的方法，其特征在于，所述针对所述脊柱的多阶金字塔图像中每一阶金字塔图像，通过特征点的提取标定所述脊柱影像中待分割椎体，包括如下步骤S1021 至步骤 S1023: S1021，将所述每一阶金字塔图像与统计平均外形或上一高阶金字塔图像的分割结果对齐； S1022，通过对主分量的分析，将所述每一阶金字塔图像投影至子空间以将所述每一阶金字塔图像的维数降低至r维，所述主分量满足.乞牟，所述d为所述每一4.根据权利要求3所述的方法，其特征在于，所述将所述每一阶金字塔图像与统计平均外形或上一高阶金字塔图像的分割结果对齐，包括: 将最高阶金字塔图像Pt与所述统计平均外形对齐； 将阶数低于所述最高阶金字塔图像Pt —阶的金字塔图像P2与所述最高阶金字塔图像Pt的分割结果对齐；以及 将阶数低于所述金字塔图像P2 —阶的金字塔图像与所述金字塔图像P2的分割结果对齐。5.根据权利要求1所述的方法，其特征在于，所述采用混合分割模型对所述标定的脊柱影像中待分割椎体进行分割，得到所述待分割椎体的图像，包括如下步骤S1031至步骤S1033: S1031，构建由外观模型S和纹理模型g表示的混合分割模型，所述外观模型S表示为s=I+ρ、0，所述纹理模型g表示为g ，所述友为外观特征归一化后的平均外观向量，所述Qs为外观模型的特征矩阵，所述^为所述外观模型S覆盖的区域的纹理特征归一化为gs后的平均纹理向量，所述外观模型S覆盖的区域为所述待分割椎体的边缘围成的区域，所述Qg为纹理模型的特征矩阵，所述C为所述混合分割模型的外观模型参数； S1032，计算纹理特征的误差Ei,所述Ei= I gs-gm 12，所述gm为所述混合分割模型的外观模型参数c更新之前根据g = i + &/.得到的纹理模型； S1033,将所述混合分割模型的外观模型参数c更新为c ' _j S。后，根据所述步骤S1031和步骤S1032重新计算所述纹理特征的误差<，所述c'为所述混合分割模型的外观模型参数c更新前的值，所述j为初始值为I的约束参数，所述...

【专利技术属性】
技术研发人员：石林，王德峰，朱昭颖，王平安，
申请(专利权)人：深圳先进技术研究院，香港中文大学深圳研究院，
类型：发明
国别省市：