专利名称：图像中解剖结构分割与建模的方法及系统的制作方法
技术领域：
本发明涉及一种图像中解剖结构分割的方法及系统，以及一种为分割结构建立3D 表面模型的方法及系统。具体应用的例子是医学图像中大脑脑室系统的分割与建模，例如 MR图像和CT图像。
背景技术：
如图1所示，人类大脑脑室系统由4个互相联络的室组成，即左侧脑室、右侧脑室、 第三脑室和第四脑室。脑室内含有脑脊液(CSF)，周围还有白质(WM)和灰质(GM)。位于大 脑中的两个侧脑室较大，呈C型，大约围绕在基底节的背向。每一个侧脑室通过前角、下角 和后角分别伸向额叶、颞叶和枕叶。侧脑室均经室间孔与第三脑室(建立在中脑的中央) 相通，第三脑室经脑导水管(位于中脑内)与第四脑室(建立在后脑内)相通。图中的缩 写定义为AC:前连合(Anterior Commissure) ；BC 基底池(Basal Cistern)(脚间池)； CC:胼胝体(Corpus Callosum) ；CP 大脑脚(Cerebral Peduncle) ；CQ:四叠体(Corpora Quadrigemina) ； HP Hf T # (Hypophysis) ( Hf |/|) ； ICV i； H # E (Internal Cerebral Vein)(在横裂内)；IS 下丘脑漏斗(Infundibular Stalk) ；LT 综板(Lamina Terminal is) ；LV 胃(Lateral Ventricles) ；MI(Massa Intermedia) (
合)；MO 延髓(Medulla Oblongata) ；OC 视交叉(Optic Chiasma) ；PC 后连合(Posterior Commissure) ；PG:松果体(Pineal Gland) ；SP 透明隔(S印turn Lucidum) ；TC:灰结节 (Tuber Cinereum) ；TF 横裂(Transverse Fissure)(位于胼胝体下的蛛网膜下隙)；V3 第 三脑室；V4:第四脑室。MR成像使得非侵入性地获得人脑的3D图像成为可能。由于CSF容量和脑室形状 的变化通常与几种内在和外在的病理有关，因此在MR图像中对脑室系统的分割和量化尤 为重要。由于脑室手动分割方法消耗时间，具有主观性和不可重复生产性(或者不可重复 性)，对于脑室分割提出了许多自动方法。一般而言，根据是否采用3D脑室模型，脑室分割 方法可归类为基于模型方法或非基于模型方法。非基于模型方法，如强度界定[17]和区域增长[12，13，19]适用于脑室系统形状 和大小变化的情况。但是，由于这些方法不采用脑室形状的先验知识，可能会产生从脑室 区域到非脑室区域的“泄露”。而且，由于图像的不均勻性或者图像中噪声和部分容积伪影 (volume artifacts)的存在，这些方法可能会遗漏一些脑室区域。由于第三脑室的精确 边界依赖于它们的形状和拓扑约束以及与周围物体的关系，所以当采用这些非基于模型方 法，第三脑室的准确分割尤其具有挑战性。相反，基于模型方法，如图谱扭曲[4]或几何和参数模型变形[3，6，8]，采用显式 或隐式模型作为脑室先验知识的形状模型。当模型与研究对象形状之间的差别很小时，这 些方法对噪声具有鲁棒性，并能够实现精确分割。但是，由于脑室形状和大小具有很大差 异，要想实现适应于每一差异的模型变形，设计一个合理的能量或相似性函数非常困难。而且，这些方法中不可避免地存在局部最小化问题，将导致错误的分割。一般来说，图像中解剖结构分割主要存在两个难点。第一，由于部分容积效应，导 致被研究结构(如脑室系统)及其周围组织(如灰质)之间出现过渡区域。如果这些过渡 区域被完全排除，该结构可能被欠分割或分裂成几个不连接的部分。第二，被研究结构及其 周围组织之间的一些界线很弱而在图像中不易被检测。因此，一些对象区域可能“泄露”(即 连接)至其他非对象区域。目前，没有现成的方法可以检测出过渡区域，并且同时防止对象 区域“泄露”至非对象区域
发明内容
本发明目的在于提供一种图像中结构分割与建立3D表面模型的方法及系统。特别地，本发明提供了一种由大脑扫描数据组成的三维大脑扫描图像中一个或多 个脑室的分割方法，该方法包括步骤(a)根据该图像，配准一大脑模型，该大脑模型包括一个或多个脑室中每一个脑室 的一个或多个各自的脑室模型；从而形成大脑模型中的位置与大脑扫描图像中各自位置的 对应关系；(b)根据所述对应关系，基于一个或多个脑室模型在图像中确定一个或多个各自 的相关区域；(c)利用大脑扫描数据，在一个或多个相关区域上执行区域增长，用以形成表示各 自脑室的各自容量；以及(d)利用各自的容量，分割大脑扫描图像。本发明可以进一步包括建立分割解剖结构的表面模型，以及编辑该表面模型以精 确地描述分割时丢失的特征和细节的步骤。步骤(c)可以包括生成形为连通区域的容量，在步骤(d)之前具有基于具体涉及 到脑室的解剖知识修剪所述容量的步骤。本发明可以表现为执行所述方法的计算机系统。该计算机系统可集成获取图像的 设备。本发明还可以表现为计算机程序产品，例如记录有形计算机语言的介质，其包括供计 算机系统操作用以执行所述方法各步骤的程序指令。
仅参考以下附图的例子，详细说明本发明实施例，其中图l(a)_(c)示出了人类大脑脑室系统的一个例子；图2示出了本发明一实施例中系统的主要流程图，包括方法步骤202和204 ；图3示出了分割图像中脑室系统的方法202的流程图；图4示出了根据方法202的分割输出结果，生成精确的脑室结构的3D表面模型的 方法204的流程图；图5示出了本发明实施例提供的采用修正点修正表面模型的过程；图6示出了利用方法202分割数据集IBSR-18中左侧脑室得到的结果；图7示出了利用方法202分割数据集IBSR-18中第三脑室得到的结果；图8示出了利用方法202分割数据集IBSR-18中第四脑室得到的结果；
图9示出了利用方法202从数据集BIL-20中4个不同的脑容量集中分割出的4 个脑室结构。
具体实施方式
参考图2，示出了本发明一实施例的方法200的步骤，该方法用以生成脑室的3D表 面模型。方法200的输入是一容量图像。在步骤202中，容量图像中的脑室被分割。在步 骤204中，建立每一个脑室的3D表面模型，并且编辑该3D表面模型，以提升其精确性。需 要注意的是，在其他实施例中，步骤204可以不在步骤202之后。此外，步骤204的方法并 非仅应用于方法200中，还可以有其他可能的应用，在3D建模的领域中，可以单独执行或合 并执行。步骤202 在容量图像中分割脑室参考图3，示出了本发明一实施例的方法202的步骤，该方法用以生成表明脑室系 统的容量图像。方法202的输入是一容量图像。在步骤302中，根据多个(如10个)可自动识别 的脑室标定点，将图像重组到标准的塔莱拉什(Talairach)空间，该图像的标准脑室模型 被扭曲。在步骤304中，采用变形的脑室模型为每一个脑室指定相关区域。在步骤308、310 和312中，侧脑室、第三和第四脑室被分割。在步骤306a、306b和306c中执行迟滞性界定 (hysteric thresholding) ( S卩，具有滞后作用的界定)，用以生成包括部分脑室的CSF连通 区域，该CSF区域还包括极小的非脑室区域。步骤302 重组图像给定一容量图像I，通常采用塔莱拉什变换[9]将该图像I重组到标准塔莱拉什空 间[14]，这样根据解剖学知识能够处理或理解该图像。但是，当塔莱拉什标定点没能自动定 位时，不能自动执行塔莱拉什变换。因此，在实施例中，采用基于脑皮层轮廓的配准方法重组图像。大脑的皮层轮廓接 近于其皮层表面的凸壳。利用形态分析[11]自动提取出图像中皮层轮廓S1，通过插入[8]3D TT(Talairach-Tournoux)大脑图谱的2D数字电子版，生成3D塔莱拉什空间中的皮层轮廓 S2，采用3D TT大脑图谱[8]中的脑室系统作为标准脑室容量模型。用三角网格表示轮廓S1和S2,分别在顶点标记标号为Q1和Q2。采用迭代最近 点(ICP)的方法[2]配准点集Q1至Q2,获得一线性变换，用于将图像重组到塔莱拉什空 间 ° 米用标准放射禾斗协议(http //www, grahamwideman. com/gw/brain/orientation/ orientterms. htm)定义塔莱拉什空间的坐标系统(xyz)，其原点定位于3D TT图谱的前连 合，χ轴从对象的右边延伸到左边，y轴从对象的后面延伸到前面，ζ轴从对象的下面延伸到 上面。步骤304 指定相关区域在实施例中，为每一个部分脑室指定相关区域，首先要在图像和3D TT图谱中识别 出10个脑室标定点[7]。采用基于模型的半全局方法自动识别图像中的10个脑室标定点， 作为本领域知识，采用医学图像理解环境(MIUE)工具[7，8]在3D TT图谱中交互式的指定 这些标定点。
举例来说，在每个侧脑室中有4个标定点，它们是每个侧脑室的最后侧点、最优 点、额叶前外侧极点以及后部中线交点。该标定点还包括第三脑室中的前部极点以及第四 脑室中的后部优越点。基于图像中的10个脑室标定点和TT大脑图谱，标准的脑室模型被配准到图像中。 由于自动检测到的标定点的位置可能并不精确[7，10]，可采用薄板样条逼近方法[10]获 得配准(或扭曲)函数。扭曲(或变形)的脑室容量模型被分成四个子容量=V1 (左侧脑室)，V2 (右侧脑 室)，V3 (第三脑室)和V4 (第四脑室和导水管)。根据公式(1)扩张相应的扭曲子容量Vi 得到每一部分脑室对应的相关区域Ω 0Ω. iiP|S(V,P)-<d0}-v0 =
‘1 (Pls(Vl5P)^dJ (i = 3,4)在公式(1)中，相关区域01至04分别用于分割左侧脑室、右侧脑室、第三和第 四脑室。S (Vi, P)表示体素P (P = (px，py，pz) e R3)至容量Vi边界的有符号的最小欧式距 离，S(Vpp)为正值表示体素ρ位于容量\之外，s(Vi，p)为负值表示体素ρ位于容量Vi之 内。举例来说，设Cltl为6mm，这样每个区域正好足够大到包括三种类型的脑组织灰质，白质 以及CSF，还包括相关的部分脑室。这使得在该区域内能随后估计出相关部分脑室的界限。 另外，Vtl表示中间矢状片。举例来说，根据公式(2)设Vtl的厚度为8mm，从Q1和Ω2中排 除Vtl，以防止两个侧脑室“泄露”到跨半球的CSF，或者两个侧脑室“泄露”到彼此内。V0 = {ρ I -4 ^ χ ^ 4}(2)步骤306a，306b和306c 执行迟滞性界定尽管几种方法[5，15，16，21]适用于从脑容量中分割出CSF区域，通常提取的CSF 区域不仅包括脑室区域，还包括一大部分非脑室区域。从大量互相连通的非脑室区域中分 割出脑室区域很困难。因此，这些方法可能不能定位脑室CSF和非脑室组织之间的过渡区 域，从而导致欠分割。尽管现有方法[20]适用于提取过渡区域，这些方法要么基于梯度，要 么基于局部熵。因此，它们很有可能提取一大部分非脑室CSF区域作为过渡区域。在实施例中，步骤304中指定的相关区域QJQ1至Ω4)被用作引导步骤306a， 306b和306c采集CSF连通区域X，该CSF连通区域包括与其对应的部分脑室。在步骤306a， 306b和306c中，根据以下子步骤，采用迟滞性界定采集区域Ω i对应的区域X 步骤1 在每一个区域Ω i中分别计算部分脑室的两对强度界限。举例来说，根据以下步骤执行上述步骤1。首先，根据体素的强度，利用模糊C均值方法[1]将区域中图像的所有体素归类为 5组。这5组代表三种类型的组织(GM，丽和CSF)以及两个过渡区域CSF_GM(位于CSF和 GM之间)和GM_WM(位于GM和WM之间)。然后，将一个组k的强度g记为Uk (g)，将每一组的中心强度记为ck，(k = 1，2，...， 5)。为了不失一般性，假设C1 < C2 < ... c5，计算出两个隶属函数Uk和uk+1的交点gk，如 uk (gk)= +1^)，其中1^= 1，2，···，4。k组的最低界限tkL和最高界限tkH被分别设为g^ 和&，g0和g5被分别设为可能的强度最小值和最大值。 根据本领域知识，挑选出与CSF和CSF_GM所对应的两组。举例来说，在Tl-MR图 像中，具有强度界限[ta，t1H]的第一组被选为CSF，具有强度界限[ta，t2H]的第二组被选为CSF_GM。包括CSF组的界限作为较窄界限[TU，TH1]中，包括CSF和CSF_GM组的界限作为较 宽界限[TL2, TH2]。也就是说，Tli = t1L, Tm = t1H, TL2 = min{t1L, t2L}, TH2 = max{t1H, t2H}。步骤2 根据较窄界限[Tu，TH1]，为每一 Ω i采集部分脑室对应的核心区域K。举例来说，根据以下步骤执行上述步骤2。 首先，根据最低界限Tu和最高界限Tm对图像I进行二值化，得到CSF组 {p I K I (P)彡ΤΗ1}。然后，根据6个相邻体素的连通性，从CSF组中提取出最大连通区域 K。由于区域Qi是通过扩张变形的部分脑室而生成的，它与图像中对应的部分脑室大致匹 配，自然的，区域K至少包括区域Ω中相关侧脑室的主要部分。也就是说，根据区域03得 到的区域K包括第三脑室的主要部分，当根据每一个其他区域获得区域K时，区域K是左侧 脑室、右侧脑室或第四脑室的主要部分。区域K被记为相关部分脑室的核心区域。步骤3 根据较宽界限[ΙΥ2，ΤΗ2]，区域K可自适应的扩张到包括过渡区域。在一个实施例中，采用基于区块的边界区域增长方法执行上述步骤3，可自适应的 扩张区域K使之包括部分脑室的过渡区域，同时防止区域K “泄露”到非脑室区域。如果容量内一边界体素ρ的26个最接近的相邻体素中至少一个q满足qe Ω-K 且IY2彡I (q) ( TH2，那么该边界体素P被认为是激活体素。根据26个相邻体素的连通性， K中的边界激活体素被分组形成边界区块集S2,…,民}，其中η表示区块的数量。一个 区块G中的所有体素与26个相邻体素连接，两个不同的区块4和。(i Φ j)不相连接。分别对每一个区块Si实施区域增长。最初Λο被设为Si，根据公式⑶由&k重复地 生成之k+I。在公式⑶中，N26(P)表示体素ρ的26个相邻体素。= LKq I q e N26(P),TL2 么 I(q) ^ TH2，q e Ω} -(κυ)=0 akiJ)
权利要求
一种由大脑扫描数据组成的三维大脑扫描图像中一个或多个脑室的分割方法，所述方法包括步骤(a)根据所述图像配准一大脑模型，所述大脑模型包括一个或多个脑室中每一个脑室的一个或多个各自的脑室模型；从而形成大脑模型中的位置与大脑扫描图像中各自位置的对应关系；(b)根据所述对应关系，基于一个或多个脑室模型在图像中确定一个或多个各自的相关区域；(c)利用大脑扫描数据，在一个或多个相关区域上执行区域增长，用以形成表示各自脑室的各自容量；以及(d)利用各自的容量，分割所述大脑扫描图像。
2.根据权利要求1所述的方法，其特征在于，步骤(a)包括子步骤 (i)将图像重组到大脑模型的坐标系统；( )在重组图像中识别与大脑模型中标定点对应的标定点；以及(iii)基于识别出的标定点，配准图像的大脑模型。
3.根据权利要求2所述的方法，其特征在于，步骤(i)包括子步骤(iv)确定图像中的第一皮层轮廓； (ν)确定大脑模型中的第二皮层轮廓；(Vi)配准第一皮层轮廓中的点与第二皮层轮廓中的点，以获得线性变换；以及 (Vii)利用该线性变换，将图像重组到大脑模型的坐标系统。
4.根据权利要求3所述的方法，其特征在于，在步骤(vi)中采用迭代最近点方法配准 所述点。
5.根据权利要求2-4任一项所述的方法，其特征在于，步骤(iii)包括子步骤(viii)利用薄板样条逼近方法获得配准函数；(ix)利用所述配准函数，基于识别出的标定点配准图像的大脑模型。
6.根据前述任一项权利要求所述的方法，其特征在于，对于一个或多个相关区域中的 每一个，步骤(c)包括子步骤(X)分别计算一对较窄强度界限和一对较宽强度界限；(xi)根据该对较窄强度界限，确定相关区域的核心区域；(xii)根据该对较宽强度界限，扩张核心区域使之包括相关区域周围的过渡区域，以形 成作为连通区域的所述容量。
7.根据权利要求6所述的方法，其特征在于，步骤(χ)包括子步骤(xiii)根据强度，对相关区域内的体素分组；(xiv)基于每一组与相邻组的交点，为每一组计算一对强度界限；(xv)确定包括相关区域强度的组的强度界限对为该对较窄强度界限；以及(xvi)确定包括相关区域强度的组与包括过渡区域强度的组的强度界限对组合的上限 和下限，作为该对较宽强度界限。
8.根据权利要求6或7所述的方法，其特征在于，步骤(ii)包括子步骤(xvii)根据该对较窄强度界限对图像进行二值化，得到一组；(xviii)根据6-相邻体素连通性方法，从该组中提取出最大连通区域作为该核心区域。
9.根据权利要求6-8任一项所述的方法，其特征在于，步骤(iii)包括子步骤 (xix)确定核心区域的边界激活体素；将边界激活体素分组到边界路径将边界激活体将边界激活体素分组到边界路径； (XXi)对每个边界路径实施区域增长，以获得扩张的边界路径； (XXii)扩张核心区域使之包括扩张的边界路径，以形成连通区域。
10.根据权利要求6-8任一项所述的方法，其特征在于，在步骤(d)之前包括一修剪步 骤，具体为通过对相应的脑室的处理步骤，从连通区域中去除体素。
11.根据权利要求10所述的方法，其特征在于，所述相关区域中的一个与侧脑室对应， 该相关区域的修剪步骤包括以下步骤(xxiii)根据一中间矢状片，定位连通区域的共同边界体素集；(xxiv)利用共同边界体素集的26-相邻体素最大连通区域，生成第一新区域作为起始占.(XXV)重复地由前一个新区域生成后一个新区域，直至后一个新区域为空；以及 (XXVi)确定连通区域为共同边界体素集与所述新区域之和。
12.根据权利要求10或11所述的方法，其特征在于，所述相关区域中的一个与第三脑 室对应，所述修剪步骤包括子步骤(xxvii)将连通区域投影到中间矢状面上，获得一投影图像，其中该投影图像中每一个 像素表示连通区域上沿着投影线到该像素的体素的个数；(xxviii)获得投影图像中将像素分成两组的分组阈值；(xxix)从连通区域中去除值高于阈值的像素对应的体素。
13.根据权利要求10-12任一项所述的方法，其特征在于，所述修剪步骤包括子步骤 (XXX)识别图像中的标定点；以及(XXXi)从连通区域中去除定位位置相对于标定点的体素。
14.根据权利要求10-13任一项所述的方法，其特征在于，所述修剪步骤包括子步骤(xxxii)在图像的每一个切片上重复地定位8-相邻体素连通区域，上述像素属于所述 连通区域，直至下一个切片中体素与当前切片中体素的面积比率大于预设阈值；以及(xxxiii)确定所述8-相邻体素连通区域的组合为C型泄漏分量；以及(xxxiv)从连通区域中去除该C型泄漏分量。
15.根据权利要求10-13任一项所述的方法，其特征在于，所述修剪步骤包括子步骤 (XXXV)识别在连通区域具有最大个数像素的图像中的第一切片；(xxxvi)从第一切片开始，计算下一个切片在连通区域的像素个数的增量； (χχχν )识别在连通区域具有最大像素个数增量的切片为泄漏切片；以及 从从连通区域中去除从位于泄露切片之外的连通区域中去除体素。
16.根据权利要求10-13任一项所述的方法，其特征在于，所述修剪步骤包括子步骤 (xxxix)识别第一切片，所述第一切片在连通区域的像素个数高于前一个切片；以及 从从连通区域中从位于第一切片之外的连通区域中去除体素。
17.一种图像中结构的3D表面模型的建立方法，所述方法包括步骤 根据权利要求1的方法分割所述结构；在3D空间中建立分割结构的3D表面模型，其中所述3D表面模型包括多个脑室；以及 重复地编辑所述3D表面模型(xxxxi)在3D表面模型遗漏特征之处，在3D表面模型上设置修正点；(xxxxii)计算修正点到3D表面模型中每一个顶点的距离；(xxxxiii)对于3D表面模型中的每一个顶点，如果修正点到3D表面模型中该顶点的距 离小于预设阈值，计算该顶点的对应点，该对应点位于修正点到顶点的线上，修正点到对应 点的距离为sin(nd(A，Pi)/2R)，其中d(A，Pi)为修正点到顶点Pi的距离，R为预设阈值。
18.—种包括用于执行权利要求1-17任一项所述方法的处理器的计算机系统。
19.一种计算机程序产品，为计算机可读，包括供计算机系统中的处理器操作的指令， 使得处理器执行根据权利要求1-17任一项所述的方法。
全文摘要
本发明提供了一种三维大脑扫描图像(如MR或CT)中一个或多个脑室的分割方法。该图像被配准到大脑模型，为一个或多个脑室中每一个的脑室模型。基于脑室模型确定各自的相关区域。首先对相关区域实施区域增长过程得到对象区域，然后基于解剖学知识对其进行修剪。根据分割结构，在3D空间中建立一个或多个对象的3D表面模型。利用用户在3D空间中选择的表示丢失细节特征的修正点，编辑和改善3D表面。将被选点附近的3D表面区域平滑的向修正点扭曲，将修正路径与3D表面的其余部分结合得到精确的解剖结构模型。
文档编号G06T7/40GK101971213SQ200980107459
公开日2011年2月9日 申请日期2009年2月27日 优先权日2008年2月29日
发明者W·L·诺文斯基, 刘继敏, 黄甦 申请人:新加坡科技研究局