肾脏ct序列图像快速分割方法
【专利摘要】本发明提出一种肾脏CT序列图像快速分割方法。包含的步骤有：步骤1、对于给定CT图像序列中包含肾脏部分的一张图片，人工确定将肾脏区域与周边区域能够大致区分开来的灰度阈值；步骤2、CT序列图像初始肾脏矩形感兴趣矩形区域ROI获取；步骤3、ROI区域的优化；步骤4、利用GrabCut算法对当前序列图像的ROI区域进行分割；步骤5、利用得到的ROI对序列CT图像进行TLD跟踪，得到更新的ROI；步骤6、依次循环执行步骤3、4、5直至图像序列结束，完成对整个序列图像进行快速准确分割。本发明最大化减小分割操作的处理区域，提高处理速度。为保证精度，这里提出优化ROI的方法，最终得到可靠的分割结果。
【专利说明】肾脏CT序列图像快速分割方法
【技术领域】
[0001] 本发明涉及本发明属于图像处理【技术领域】，具体涉及一种肾脏CT序列图像快速 分割方法。
【背景技术】
[0002] 计算机断层成像（Computed Tomography, CT)技术在临床医学中得到了广泛地应 用。CT序列图像的肾脏分割是泌尿科医务人员和研究人员面对的一个重要问题。CT图像 的肾脏分割有利于医务人员对肾脏部位信息有更加全面的了解，进而对肾脏的健康状况及 治疗方案有更为准确的判断，并且肾脏分割是肾脏CT图像的配准、三维建模及可视化的基 础。传统的人工图像分割方法，通过利用医务人员经验知识，可以得到较为精确的分割结 果。但是，人工分割极度耗时，工作量也成为挑战。
[0003] 图像处理、机器学习等医学图像理论的发展，使半自动甚至自动分割变为可能，从 而极大提高分割的效率。目前，医学图像分割的方法主要包括：阈值分割、活动轮廓、区域生 长、图割、基于模型的分割方法等等。但是，由于人体肾脏CT图像自身具有低对比度、边缘 模糊及个体差异性大等特点，现有的图像分割方法都存在不同的问题，而且针对不同人体 器官的分割效果不同，甚至差异性极大。
[0004] 例如，图割（Graph Cut)的方法实现过程为认为指定代表前景和背景，利用图论中 的最大流/最小割理论，寻找最优分类结果，即为最终的图像分割结果。详见文献：Daniel Freedman and Tao Zhang,''Interactive Graph Cut Based Segmentation With Shape Priors，'，Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition，vol.l，pp.755_762，June 2005。由于该方法在处理序列 图像中每一副图像都需要人工参与指定前景和背景，极大限制了该方法处理速率。基于自 动阈值的方法，得到很好的处理速率，但是由于CT图像一般具有不均匀的特征全局阈值的 选取对于处理肾脏CT图像效果不佳，参考文献见：Gao yan and Wang boliang，"Automatic Segmentation of Kidney without using Contrast Medium on Abdominal CT Images"， Proceedings of 2008 3rd International Conference on Intelligent System and Knowledge Engineering, vol. I,pp.1242-1246, November 2008。
【发明内容】
[0005] 本发明针对现有分割方法分割精度及效率不能兼顾的不足，提出一种肾脏CT序 列图像快速分割方法。本方法不仅使得完整精确分割变为可能，而且在分割精度上得到提 升，极大的提1? 了分割效率。
[0006] 本发明所采用的技术方案是：一种肾脏CT序列图像快速分割方法，该方法包含了 下述步骤：
[0007] 步骤一：对于给定CT图像序列中包含肾脏部分的一张图片，人工确定将肾脏区域 与周边区域能够大致区分开来的灰度阈值；
[0008] 步骤二：CT序列图像初始肾脏矩形感兴趣矩形区域ROI获取：根据已有肾脏CT图 片的大小、位置信息，初步确定大致ROI ;
[0009] 步骤三：R0I区域的优化：预判ROI会存在偏差，这里需要进行ROI区域的优化调 整，ROI区域利用步骤一中确定的阈值进行阈值化，圆形掩模依次从边框滑动，当掩模中出 现亮区，则相应边框向外移动，直到肾脏完全位于ROI区域内；
[0010] 步骤四：利用GrabCut算法对当前序列图像的ROI区域进行分割；
[0011] 步骤五：对于当前的ROI作为TLD跟踪算法的输入，在第一次执行跟踪算法时初始 化，对检测模块分类器进行训练，在之后的每一张序列图片中，依次执行跟踪、检测、综合、 学习模块，并输出综合模块中得到的更新的ROI区域；
[0012] 步骤六：依次循环执行步骤三、四、五，直至图像序列结束，完成对整个序列图像进 行准确分割。
[0013] 本发明还具有如下技术特征：
[0014] 1、如上所述步骤一中：选择阈值的标准是将肾脏80%的区域与周边区域区分开 来。
[0015] 2、如上所述步骤三中，ROI区域的优化的过程为：R0I区域利用步骤1中确定的阈 值进行阈值化并选取最大连通区域，对于最大连通区域进行ROI圆形掩模M，取半径为r = 1/100H，依次从边框滑动，当掩模中出现亮区面积超过掩模面积1/6时，则相应边框向外移 动，直到肾脏完全位于ROI区域内；定义矩形边框为L-左边框、U-上边框、R-右边框、D-下 边框，矩形由对角线端点坐标（Xpy 1), (Xyy2)确定，用{Ui，yi)，（x2，y；i)}形式表示两对角 点形成的矩形，当掩模中出现亮区，则
【权利要求】
1. 一种肾脏CT序列图像快速分割方法，其特征在于，该方法包含了下述步骤： 步骤一：对于给定CT图像序列中包含肾脏部分的一张图片，人工确定将肾脏区域与周 边区域能够大致区分开来的灰度阈值； 步骤二：CT序列图像初始肾脏矩形感兴趣矩形区域ROI获取：根据已有肾脏CT图片的 大小、位置信息，初步确定大致ROI; 步骤三：R0I区域的优化：预判ROI会存在偏差，这里需要进行ROI区域的优化调整，ROI区域利用步骤一中确定的阈值进行阈值化，圆形掩模依次从边框滑动，当掩模中出现亮 区，则相应边框向外移动，直到肾脏完全位于ROI区域内； 步骤四：利用GrabCut算法对当前序列图像的ROI区域进行分割； 步骤五：对于当前的ROI作为TLD跟踪算法的输入，在第一次执行跟踪算法时初始化， 对检测模块分类器进行训练，在之后的每一张序列图片中，依次执行跟踪、检测、综合、学习 模块，并输出综合模块中得到的更新的ROI区域； 步骤六：依次循环执行步骤三、四、五，直至图像序列结束，完成对整个序列图像进行准 确分割。
2.根据权利要求1所述的一种肾脏CT序列图像快速分割方法，其特征在于，步骤一中： 选择阈值的标准是将肾脏80%的区域与周边区域区分开来。
3. 根据权利要求1所述的一种肾脏CT序列图像快速分割方法，其特征在于，步骤三中， ROI区域的优化的过程为：R〇I区域利用步骤1中确定的阈值进行阈值化并选取最大连通 区域，对于最大连通区域进行ROI圆形掩模M，取半径为r= 1/100H，依次从边框滑动，当掩 模中出现亮区面积超过掩模面积1/6时，则相应边框向外移动，直到肾脏完全位于ROI区域 内；定义矩形边框为L-左边框、U-上边框、R-右边框、D-下边框，矩形由对角线端点坐标 (Xpy1), (x2,y2)确定，用Kxpy1), (x2,y2)}形式表示两对角点形成的矩形，当掩模中出现 亮区，则
其中，△设定值为r，另外，对于动脉连接肾脏的情况，阈值化无法分离两部分，如果直 接进行ROI区域优化，会导致ROI区域扩张过大，后续处理难以进行，为了防止这一结果发 生，我们首先对方向ROI边框进行方向标记，对每次边框移动时掩膜所在的位置进行记录， 当连续多次的边框移动发生在相同的掩膜位置，则认定为是由条状连接血管造成，ROI区域 优化停止。
【文档编号】G06T7/00GK104463862SQ201410724640
【公开日】2015年3月25日 申请日期:2014年11月28日 优先权日:2014年11月28日
【发明者】刘飞, 胡志发, 王东文, 张斌 申请人:哈尔滨工业大学