一种hifu治疗中子宫肌瘤超声图像分割方法
【专利摘要】本发明公开了一种HIFU治疗中子宫肌瘤超声图像分割方法，其实现过程为：用户手动初始化肿瘤轮廓；构造图像高斯金字塔，得到粗尺度图像；构建形状约束能量，利用引入形状约束后的局域区域活动轮廓模型对粗尺度图像进行粗分割；将得到的粗尺度分割结果作为对原始图像进行分割的初始轮廓，再次利用引入形状约束后的局域区域活动轮廓模型对原始图像进行细分割；其细分割结果即是最后的肿瘤分割轮廓。该发明通过一种新的形状约束的引入提高了子宫肌瘤超声图像分割的准确性，避免了由于超声图像质量导致的边界泄露或过度收缩问题，而多尺度算法的实施极大地提高了分割效率。
【专利说明】—种HIFU治疗中子宫肌瘤超声图像分割方法
【技术领域】
[0001]本发明涉及图像处理【技术领域】，涉及一种HIFU治疗中子宫肌瘤超声图像分割方法，一种HIFU治疗中基于形状约束的多尺度局域区域活动轮廓模型的子宫肌瘤超声图像分割方法。
【背景技术】
[0002]子宫肌瘤是困扰女性的一种常见的良性肿瘤。目前，高强度聚焦超声(HIFU)治疗作为一种新型的无创手术，由于其具有安全性和有效性，已被逐渐应用到子宫肌瘤的治疗中，减轻了传统手术中的患者痛苦。众所周知，超声图像由于其低信噪比，弱边界等问题，其准确分割一直是分割领域中的一个难题，至今仍未有完美的解决方案。而应用于HIFU治疗中的超声图像由于治疗过程中水介质干扰和角度恒定等问题，具有更加严重的噪声和边界的模糊性。然而，其图像中肿瘤靶区的分割是HIFU治疗中最为关键的一个步骤，其分割的准确性决定着手术的最终效果，而且，相比于其它HIFU系统，基于超声引导的HIFU系统的一个巨大优势就是实时性，而肿瘤区域分割的速度却极大影响着手术整体的进程。因此，一个应用于HIFU系统中高效而准确的分割方法亟待解决。
[0003]最近几年，活动轮廓模型广泛应用于图像分割。由于其平滑性和封闭的特征，被许多人应用到医学图像中并取得了较好的分割结果。活动轮廓模型首先由Kass等人提出，经过长时间的发展，按照所依据分割信息的不同，主要可以分为两类:基于边缘的模型和基于区域的模型。基于边缘的活动轮廓模型利用图像的梯度信息作为一种基于图像的力促使轮廓向目标边界移动，对于有清晰边界的目标有较好的分割效果。但由于梯度信息是一种高度局域化的图像信息，导致该模型有两个主要的缺点:对图像噪声的敏感性和对初始化轮廓的敏感性。将该模型应用于超声图像极易产生边界泄露的问题。基于区域的活动轮廓模型利用前景和背景区域的统计信息形成驱动力，适用于各区域灰度均匀的图像分割。其中最著名的方法是Chan and Vese提出的分段常数模型。该模型由于未使用图像的梯度信息，可以有效的分割含噪声和弱边界的图像，适用于超声图像等医学图像的分割。但由于该模型大都假定图像中各区域灰度是均匀的，并采用全局的统计信息，对于非均匀的图像容易产生错误的分割结果。近期，为了克服基于区域的活动轮廓模型难以分割不均匀目标的缺点，人们把更多注意力投向基于区域的局域化研究，提出了许多利用局域信息的新的基于区域活动轮廓模型。李纯明等人提出通过引入一个核函数来定义局域二元拟合能量在变分水平集框架中，从而嵌入局域的灰度信息到基于区域的活动轮廓模型中。之后，李纯明等人又在其基础上做了改进，深入研究了核函数的选择和基于区域范围大小的选择。S.Lankton等人则提出了一个局域化框架，允许利用全局信息的基于区域的能量式可以重新改写为局域化的形式，并深入分析了局域半径对于分割结果的影响。这些模型都引入了局域信息，更加适合于超声图像的分割难题，对灰度非均匀的图像已经有了较好的分割能力，但对于具有严重的低信噪比，低对比度，弱边界等问题的子宫肌瘤超声图像仍较易出现边界泄露或过度收缩的错误分割。
【发明内容】
[0004]针对上述子宫肌瘤超声图像分割较易出现的边界泄露或过度收缩等问题，本发明的目的是提供一种快速、准确的半自动分割方法应用于HIFU治疗中的子宫肌瘤超声图像。
[0005]本发明采用的技术方案为:一种HIFU治疗中子宫肌瘤超声图像分割方法，包括以下步骤:
[0006]步骤1:读取原始图像Itl，对所述的原始图像Itl进行粗尺度分割，其具体实现包括以下子步骤:
[0007]步骤1.1:初始化目标轮廓，在所述的原始图像Itl中划取一个椭圆作为原始图像Itl的初始轮廓Ctl，使其能覆盖原始图像Itl中肿瘤的边缘轮廓；
[0008]步骤1.2:设所述的原始图像Ici大小为MXN，根据所述的原始图像Itl构造一个图像的高斯金字塔，得到图像大小为(M/4) X (N/4)的粗尺度图像I2 ；
[0009]步骤1.3:将所述的原始图像Itl的初始轮廓Ctl缩小到所述的粗尺度图像I2大小，记为C1，求解基于C1的局域化区域活动轮廓模型，构建形状约束能量Esh_，并将所述的Eshape嵌入到所述的C1的局域化区域活动轮廓模型中，得到基于C1的总能量函数；
[0010]步骤1.4:通过变分法使所述的C1的总能量函数最小化得到相应的水平集演化方程，通过该方程更新C1的水平集函数，该水平集函数初始化为符号距离函数；
[0011]步骤1.5:判断所述的C1的水平集函数是否收敛？
[0012]若否:则回转执行所述的步骤1.4，通过C1的水平集演化方程不断更新C1的水平集函数；
[0013]如是:则执行下述步骤1.6 ；
[0014]步骤1.6:判断C1的水平集函数属于哪个尺度分割阶段？
[0015]若是细分割阶段，则得到细尺度分割轮廓，该细尺度分割轮廓作为最后的肿瘤分割轮廓，本方法执行完毕；
[0016]若是粗分割阶段，则由C1的水平集函数的零水平集位置得到粗尺度图像I2的粗尺度分割轮廓，转入细尺度分割阶段；
[0017]步骤2:细尺度分割，其具体实现包括以下子步骤:
[0018]步骤2.1:将所述的粗尺度图像I2的分割轮廓的大小插值放大到对应原始图像I。的大小，作为对原始图像Itl进行分割的初始轮廓C2 ；
[0019]步骤2.2:求解基于C2的局域化区域活动轮廓模型，利用所述的C2构建相应的形状约束能量，将其嵌入到所述的C2的局域化区域活动轮廓模型中，得到C2的总能量函数；
[0020]步骤2.3:通过变分法得到所述的C2的水平集演化方程，再通过该方程更新C2的水平集函数；
[0021]步骤2.4:判断所述的C2的水平集函数是否收敛？
[0022]若否:则回转执行所述的步骤2.3，通过C2的水平集演化方程不断更新C2的水平集函数；
[0023]如是:则执行下述步骤2.5 ；
[0024]步骤2.5:判断C2的水平集函数属于哪个尺度分割阶段？
[0025]若是细分割阶段，则得到细尺度分割轮廓，该细尺度分割轮廓作为最后的肿瘤分割轮廓，本方法执行完毕；
[0026]若是粗分割阶段，则回转执行所述的步骤2.1 ；
[0027]作为优选，步骤1.3中所述的求解基于C1的局域化区域活动轮廓模型，其具体实现过程为:对(^曲线上的每一个点为单位独自计算其局域能量，为定义C1曲线上每个点的局域区域，定义一个特征函数如下:
【权利要求】
1.一种HIFU治疗中子宫肌瘤超声图像分割方法，其特征在于，包括以下步骤: 步骤1:读取原始图像Itl，对所述的原始图像Itl进行粗尺度分割，其具体实现包括以下子步骤: 步骤1.1:初始化目标轮廓，在所述的原始图像Itl中划取一个椭圆作为原始图像Itl的初始轮廓Ctl，使其能覆盖原始图像Itl中肿瘤的边缘轮廓； 步骤1.2:设所述的原始图像Itl大小为MXN，根据所述的原始图像Itl构造一个图像的高斯金字塔，得到图像大小为(M/4) X (N/4)的粗尺度图像I2 ； 步骤1.3:将所述的原始图像Itl的初始轮廓Ctl缩小到所述的粗尺度图像I2大小，记为C1,求解基于C1的局域化区域活动轮廓模型，构建形状约束能量Eshape,并将所述的Eshape嵌入到所述的C1的局域化区域活动轮廓模型中，得到基于C1的总能量函数； 步骤1.4:通过变分法使所述的C1的总能量函数最小化得到相应的水平集演化方程，通过该方程更新C1的水平集函数，该水平集函数初始化为符号距离函数； 步骤1.5:判断所述的C1的水平集函数是否收敛？ 若否:则回转执行所述的步骤1.4，通过C1的水平集演化方程不断更新C1的水平集函 数； 如是:则执行下述步骤1.6 ； 步骤1.6:判断C1的水平集函数属于哪个尺度分割阶段？ 若是细分割阶段，则得到细尺度分割轮廓，该细尺度分割轮廓作为最后的肿瘤分割轮廓，本方法执行完毕； 若是粗分割阶段，则由C1的水平集函数的零水平集位置得到粗尺度图像I2的粗尺度分割轮廓，转入细尺度分割阶段； 步骤2:细尺度分割，其具体实现包括以下子步骤: 步骤2.1:将所述的粗尺度图像I2的分割轮廓的大小插值放大到对应原始图像Itl的大小，作为对原始图像Itl进行分割的初始轮廓C2 ； 步骤2.2:求解基于C2的局域化区域活动轮廓模型，利用所述的C2构建相应的形状约束能量，将其嵌入到所述的C2的局域化区域活动轮廓模型中，得到C2的总能量函数； 步骤2.3:通过变分法得到所述的C2的水平集演化方程，再通过该方程更新C2的水平集函数； 步骤2.4:判断所述的C2的水平集函数是否收敛？ 若否:则回转执行所述的步骤2.3，通过C2的水平集演化方程不断更新C2的水平集函数； 如是:则执行下述步骤2.5 ； 步骤2.5:判断C2的水平集函数属于哪个尺度分割阶段？ 若是细分割阶段，则得到细尺度分割轮廓，该细尺度分割轮廓作为最后的肿瘤分割轮廓，本方法执行完毕； 若是粗分割阶段，则回转执行所述的步骤2.1。
2.根据权利要求1所述的HIFU治疗中子宫肌瘤超声图像分割方法，其特征在于:步骤.1.3中所述的求解基于C1的局域化区域活动轮廓模型，其具体实现过程为:对C1曲线上的每一个点为单位独自计算其局域能量，为定义C1曲线上每个点的局域区域，定义一个特征函数如下:
3.根据权利要求2所述的HIFU治疗中子宫肌瘤超声图像分割方法，其特征在于:所述的特征函数B (x, y)中，通过局域半径自适应选择函数R(x)，计算相应局域半径参数r，其中:
4.根据权利要求3所述的HIFU治疗中子宫肌瘤超声图像分割方法，其特征在于:所述的k取值为0.25。
5.根据权利要求2所述的HIFU治疗中子宫肌瘤超声图像分割方法，其特征在于:步骤1.3中所述的构建形状约束能量Esh_，并将所述的Eshape嵌入到所述的C1的局域化区域活动轮廓模型中，得到C1的总能量函数，其总能量函数如下:
6.根据权利要求1所述的HIFU治疗中子宫肌瘤超声图像分割方法，其特征在于:步骤1.4中所述的通过变分法使所述的C1的总能量函数最小化得到相应的水平集演化方程，其水平集演化方程为:
7.根据权利要求1所述的HIFU治疗中子宫肌瘤超声图像分割方法，其特征在于:步骤.2.2中所述的C2的总能量函数的计算方法与步骤1.3中所述的C1的总能量函数的计算方法相同。
8.根据权利要求1所述的HIFU治疗中子宫肌瘤超声图像分割方法，其特征在于:步骤.2.3中所述的C2的水平集演化方程的计算方法与步骤1.4中所述的C1的水平集演化方程的计算方法相同。
【文档编号】G06T7/00GK103793916SQ201410059717
【公开日】2014年5月14日 申请日期:2014年2月21日 优先权日:2014年2月21日
【发明者】袁志勇, 郑奇, 廖祥云 申请人:武汉大学