一种基于核磁共振图像序列的图像分割重建方法及系统的制作方法
【专利摘要】本发明公开了一种基于核磁共振图像序列的图像分割重建方法及系统，本发明涉及图像分割重建领域，该方法包括获取核磁共振图像，并提取所述核磁共振图像的多个帧的参照图像，对每个所述参照图像的图像轮廓进行标注，获取轮廓标注信息；根据所述轮廓标注信息，通过形状插值，获取所述核磁共振图像的每帧图像的形状先验；根据所述轮廓标注信息和所述形状先验，通过粒子滤波，获取除所述参照图像之外的各帧图像的初始轮廓信息，其中所述初始轮廓信息包括所述各帧图像的正向粒子滤波结果和反向粒子滤波结果；根据所述正向粒子滤波结果和所述反向粒子滤波结果，通过距离插值，获取所述各帧图像的最终轮廓信息。
【专利说明】-种基于核磁共振图像序列的图像分割重建方法及系统
【技术领域】
[0001] 本发明涉及图像分割重建领域，特别涉及一种基于核磁共振图像序列的图像分割 重建方法及系统。
【背景技术】
[0002] 核磁共振成像可以通过磁场发射出的电子波来检测绘制物体内部的结构图像，核 磁共振成像被用于物体内部结构的成像，使其在科学研究中产生了重要的作用。核磁共振 图像获得了组织的内部图像之后，如何识别特定的组织成为了一个迫切需要解决的问题。
[0003] 例如基于核磁共振图像的肌肉组织图像分割重建的难点在于待分割的肌肉组织 与周围组织的分界不够清晰，无法利用图像的边缘特征来完成整个肌肉组织的分割。现在 主流的方法有以下几类：第一种方法是纯手工对每一帧肌肉的轮廓进行勾画，这种方法需 要操作者对被解剖物体的结构较为了解，同时这种方法需要大量的手工交互操作；第二种 方法是使用变形一般模型的方法，这种方法需要提前标注少量帧的肌肉组织作为约束，然 后从一个一般模型出发，根据约束进行变形，这种方法不能够处理肌肉的拓扑形状变化；第 三种方法是构建形状先验的方法来解决肌肉组织的分割，其具体步骤为通过手工标记大量 不同人的或者同一人的某一块肌肉组织的形状，然后通过机器学习的方法来进行训练构建 一个形状先验，对于待分割的图像利用构建的形状先验进行分割，但是这个方法基于一个 假设，即待分割的肌肉组织必须与训练数据中手工标注的数据在形状上是相似或者一致 的，这个假设对于正常人的肌肉组织可能会工作得比较好，但是对于肌肉萎缩数据的个体， 由于萎缩肌肉的形态与正常肌肉形态不同，所以结果会比较差。
[0004] 现有方法不能解决针对需要分割重建的物体与其他物体分界不够清晰（例如特 定肌肉）的快速高精度分割重建同时保持肌肉的拓扑变化的问题，需要发展一种能够处理 复杂图像的分割重建方法。
[0005] 发明专利"一种利用视频分割与粒子滤波实现多目标跟踪方法"，该发明公开了一 种利用视频分割与粒子滤波实现多目标跟踪方法，该方法包括建立系统模型、建立目标运 动模型与颜色模型和视频分割等步骤，该方法结合视频分割与粒子滤波各自优点，实现了 多目标跟踪，大大地提高跟踪速度与精度，本发明充分利用测量与目标的关联程度，实现多 目标在遮挡情况下运动跟踪。但是该发明解决的问题是视频分割与粒子滤波实现的目标跟 踪，该发明解决的仅仅是跟踪问题，本发明使用的思路是使用双向跟踪完成3D重建，其与 本发明解决的问题不同。
[0006] 发明专利"一种超声图像分割方法和系统"，该发明适用于图像处理【技术领域】，尤 其涉及一种超声图像分割方法和系统。所述方法包括以下步骤：将统计形状模型和采集到 的指定器官的三维超声数据进行粗配准，得到初始化坐标变换参数；根据初始化坐标变换 参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割，所述统计形状模 型是通过对多个高清晰度三维数据的手动分割结果进行训练得到的平均值与表征变化模 态的一组特征向量的组合。这样，就避免了手动分割及半自动分割需要人工参与较多的问 题，相比现有的全自动分割方法，该发明解决图像分辨率低以及图像模糊状态下分割的准 确性问题。但该发明解决的问题是使用超声图像来进行物体的分割与重建，这种方法依赖 于提前已知物体的统计形状和模型，但对于像萎缩肌肉之类的组织，没有一个统一的形状， 其与本发明解决的问题不同。
【发明内容】
[0007] 针对现有技术的不足，本发明提出一种基于核磁共振图像序列的图像分割重建方 法及系统。
[0008] 本发明提出一种基于核磁共振图像序列的图像分割重建方法，包括：
[0009] 步骤1，获取核磁共振图像，并提取所述核磁共振图像的多个帧的参照图像，对每 个所述参照图像的图像轮廓进行标注，获取轮廓标注信息；
[0010] 步骤2,根据所述轮廓标注信息，通过形状插值，获取所述核磁共振图像的每帧图 像的形状先验；
[0011] 步骤3,根据所述轮廓标注信息和所述形状先验，通过粒子滤波，获取除所述参照 图像之外的各帧图像的初始轮廓信息，其中所述初始轮廓信息包括所述各帧图像的正向粒 子滤波结果和反向粒子滤波结果；
[0012] 步骤4,根据所述正向粒子滤波结果和所述反向粒子滤波结果，通过距离插值，获 取所述各帧图像的最终轮廓信息。
[0013] 所述的基于核磁共振图像序列的图像分割重建方法，所述步骤2还包括：获取所 述核磁共振图像的每帧图像的水平集。
【权利要求】
1. 一种基于核磁共振图像序列的图像分割重建方法，其特征在于，包括： 步骤1，获取核磁共振图像，并提取所述核磁共振图像的多个帧的参照图像，对每个所 述参照图像的图像轮廓进行标注，获取轮廓标注信息； 步骤2,根据所述轮廓标注信息，通过形状插值，获取所述核磁共振图像的每帧图像的 形状先验； 步骤3,根据所述轮廓标注信息和所述形状先验，通过粒子滤波，获取除所述参照图像 之外的各帧图像的初始轮廓信息，其中所述初始轮廓信息包括所述各帧图像的正向粒子滤 波结果和反向粒子滤波结果； 步骤4,根据所述正向粒子滤波结果和所述反向粒子滤波结果，通过距离插值，获取所 述各帧图像的最终轮廓信息。
2. 如权利要求1所述的基于核磁共振图像序列的图像分割重建方法，其特征在于，所 述步骤2还包括：获取所述核磁共振图像的每帧图像的水平集。
3. 如权利要求2所述的基于核磁共振图像序列的图像分割重建方法，其特征在于，通 过以下公式获取所述水平集： ^ shapeprior- ^ 其中Φ?(φ，〇b。《?分别为所述核磁共振图像的第一帧图像和最后一帧图像的水平集，d为第一帧图像与最后一帧图像之间的距离，屯，d2分别为当前帧图像与第一帧图像和最后 一帧图像的距离。
4. 如权利要求1所述的基于核磁共振图像序列的图像分割重建方法，其特征在于，所 述步骤3包括： 步骤31，跟踪所述各帧图像的图像轮廓的全局运动； 步骤32,跟踪所述图像轮廓的局部变化； 步骤33,更新每个粒子的似然概率； 步骤34,将所述似然概率进行归一化。
5. 如权利要求1所述的基于核磁共振图像序列的图像分割重建方法，其特征在于，所 述步骤4通过以下公式获取所述最终轮廓信息：
其中为第t帧图像的所述最终轮廓信息，Cl1为第t帧图像的图像轮廓距离第一个 被标注的所述参照图像的图像轮廓的距离，d2为第t帧图像的图像轮廓距离最后一个被标 注的所述参照图像的图像轮廓的距离，不分别为所述正向粒子滤波结果和所述反向粒 子滤波结果。
6. -种基于核磁共振图像序列的图像分割重建系统，其特征在于，包括： 轮廓标注模块，用于获取核磁共振图像，并提取所述核磁共振图像的多个帧的参照图 像，对每个所述参照图像的图像轮廓进行标注，获取轮廓标注信息； 获取形状先验模块，用于根据所述轮廓标注信息，通过形状插值，获取所述核磁共振图 像的每帧图像的形状先验； 获取初始轮廓信息模块，用于根据所述轮廓标注信息和所述形状先验，通过粒子滤波， 获取除所述参照图像之外的各帧图像的初始轮廓信息，其中所述初始轮廓信息包括所述各 帧图像的正向粒子滤波结果和反向粒子滤波结果； 获取最终轮廓信息模块，用于根据所述正向粒子滤波结果和所述反向粒子滤波结果， 通过距离插值，获取所述各帧图像的最终轮廓信息。
7. 如权利要求6所述的基于核磁共振图像序列的图像分割重建系统，其特征在于，所 述获取形状先验模块还包括：用于获取所述核磁共振图像的每帧图像的水平集。
8. 如权利要求7所述的基于核磁共振图像序列的图像分割重建系统，其特征在于，通 过以下公式获取所述水平集： 共十1 w
t opJbottomz刀、別磁共振图像的第一帧图像和最后一帧图像的水平集，d为第一帧图像与最后一帧图像之间的距离，屯，d2分别为当前帧图像与第一帧图像和最后 一帧图像的距离。
9. 如权利要求6所述的基于核磁共振图像序列的图像分割重建系统，其特征在于，所 述获取初始轮廓信息模块包括： 用于跟踪所述各帧图像的图像轮廓的全局运动； 用于跟踪所述图像轮廓的局部变化； 用于更新每个粒子的似然概率； 用于将所述似然概率进行归一化。
10. 如权利要求6所述的基于核磁共振图像序列的图像分割重建系统，其特征在于，所 述获取最终轮廓信息模块通过以下公式获取所述最终轮廓信息：
其中X/M为第t帧图像的所述最终轮廓信息，Cl1为第t帧图像的图像轮廓距离第一个 被标注的所述参照图像的图像轮廓的距离，d2为第t帧图像的图像轮廓距离最后一个被标 注的所述参照图像的图像轮廓的距离，分别为所述正向粒子滤波结果和所述反向粒 子滤波结果。
【文档编号】G06T17/00GK104240291SQ201410447332
【公开日】2014年12月24日 申请日期:2014年9月3日 优先权日:2014年9月3日
【发明者】夏时洪, 吕晓磊 申请人:中国科学院计算技术研究所