医学图像的分割方法及装置与流程

本发明涉及医学影像分析技术领域，特别涉及一种医学图像的分割方法及装置。

背景技术：

在医学影像处理技术中，通常需要从获得的图像中分割出表示目标对象的部分，目标对象的分割结果是计算机辅助诊断的依据。比如，从乳腺的磁共振图像(mr)获得的图像数据中分割乳腺病灶，为该病灶的诊断提供依据。乳腺病灶的分割是乳腺病灶分析的基础，正确的分割结果才能为后续的诊断分析提供正确的依据。

但是，传统的病灶分割方法为计算机辅助诊断分析提供的信息不够全面、准确，会导致医生的诊断结果不够准确。

技术实现要素：

基于此，有必要针对上述传统的病灶分割方法为计算机辅助诊断分析提供的信息不够全面、准确，会导致医生的诊断结果不够准确的问题，提供一种医学图像的分割方法及装置。

一种医学图像的分割方法，用于从目标部位的图像中分割出病灶的图像，包括步骤：

获取不同时刻的所述目标部位的动态增强原始图像；

根据所有所述动态增强原始图像，计算目标部位的最大密度投影图像，生成时域最大密度投影数据；及

在所述时域最大密度投影数据中识别异常增强信号的数据，并基于所述异常增强信号的数据应用预设的分割算法进行分割，以生成所述病灶的图像及数据。

在其中一个实施例中，所述根据所有所述动态增强原始图像，计算目标部位的最大密度投影图像，生成时域最大密度投影数据的步骤包括：

将每个时刻的所述动态增强原始图像与预设的参考图像相减，得到每个时刻的动态增强减影图像；

根据各所述动态增强减影图像计算目标部位的所述最大密度投影图像，生成所述时域最大密度投影数据。

在其中一个实施例中，所述根据各所述动态增强减影图像计算目标部位的所述最大密度投影图像，生成所述时域最大密度投影数据的步骤之前包括：

修正所述动态增强减影图像数据中的干扰。

在其中一个实施例中，所述根据所有所述动态增强原始图像，计算目标部位的最大密度投影图像，生成时域最大密度投影数据的步骤之前：

将所有的所述动态增强原始图像的数据按照时间先后进行排序。

在其中一个实施例中，所述获取不同时刻的所述目标部位的动态增强原始图像的步骤包括：

在预设的时间周期内，每间隔固定的时间获取一次所述目标部位的动态增强原始图像。

一种医学图像的分割装置，用于从目标部位的图像中分割出病灶的图像，所述分割装置包括：

获取模块，用于获取不同时刻的所述目标部位的动态增强原始图像；

计算模块，用于根据所有所述动态增强原始图像，计算目标部位的最大密度投影图像，生成时域最大密度投影数据；及

分割模块，用于在所述时域最大密度投影数据中识别异常增强信号的数据，并基于所述异常增强信号的数据应用预设的分割算法进行分割，以生成所述病灶的图像及数据。

在其中一个实施例中，所述计算模块将每个时刻的所述动态增强原始图像与预设的参考图像相减，得到每个时刻的动态增强减影图像，并根据各所述动态增强减影图像计算目标部位的所述最大密度投影图像，生成所述时域最大密度投影数据。

在其中一个实施例中，所述计算模块还用于修正所述动态增强减影图像数据中的干扰。

在其中一个实施例中，所述分割装置还包括排序模块，用于将所有的所述动态增强原始图像的数据按照时间先后进行排序。

在其中一个实施例中，所述获取模块还用于在预设的时间周期内，每间隔固定的时间获取一次所述目标部位的动态增强原始图像

上述医疗图像的分割方法及装置，获取了不同时刻的所述目标部位的动态增强原始图像，从各个时刻的多组动态增强原始图像中，可以得到目标部位中特定特征在不同时刻的状态。基于动态增强原始图像计算的最大密度投影保留了各个时刻目标部位造影剂信号变化的最大值，因此，时域最大密度投影图像可以准确反映在时间维度上目标部位的特定特征的变化趋势。然后在所述时域最大密度投影数据中识别异常增强信号的数据，并对所述异常增强信号的数据应用预设的分割算法进行分割，以生成所述病灶的图像。这样，基于多组动态增强原始图像和时域最大密度投影图像中的异常增强信号进行去分割病灶，可以得到较为全面、准确的病灶分割结果，从而为病灶的医学诊断提供全面、准确的依据。

附图说明

图1为本发明一实施例的医学图像的分割方法的流程示意图；

图2为本发明另一实施例的医学图像的分割方法的流程示意图；

图3为本发明一实施例的医学图像的分割装置的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

一种医学图像的分割方法，用于从目标部位的图像数据中分割出病灶的图像数据。医学图像的分割是指从医学图像三维体数据(volumedata)中将感兴趣体积(volumeofinterest，voi)从图像三维体数据中分割出来，或者是从医学图像二维数据中将感兴趣区域(regionofinterest，roi)从二维医学图像中分割出来的过程。医学图像可以是计算机断层图像(computedtomography，ct)、磁共振图像(magneticresonance，mr)等。该目标部位可以是人体组织或器官(比如乳腺)、或者是人体组织或器官的一部分。

为便于理解，以注入造影剂的乳腺的磁共振成像(mr)得到的动态增强图像为例。由于使用了造影剂，乳腺的动态增强图像中的血流变化的特征比较清晰。如果从乳腺的动态增强图像中分割出病灶便能够得到病灶血流的变化数据，从而根据病灶血流的变化对病灶进行诊断。因此，应用医学图像的分割方法，从乳腺的动态增强图像中分割乳腺病灶的目的旨在利用mr动态增强图像准确分析病灶的血流变化情况，用以对该病灶的诊断提供依据。

请参照图1，图1为一实施例的医学图像的分割方法的流程示意图。如图1所示，该医学图像的分割方法包括：

步骤s110，获取不同时刻的目标部位的动态增强原始图像。

具体地，在医学影像技术领域，为了增强影响观察效果而将造影剂(又称对比剂)注入(或服用)到目标部位，该目标部位比如乳腺，之后经过医学成像设备(如磁共振成像设备)对目标部位成像，得到目标部位的动态增强原始图像。如前述，动态增强原始图像可以为三维图像体数据，也可以为二维图像数据。医学成像设备在不同时刻扫描目标部位，得到目标部位不同时间点的动态增强原始图像。并且连续获取多个时刻的目标部位的动态增强原始图像，从而得到目标部位的多组动态增强原始图像。从各个时刻的多组动态增强原始图像中，可以得到目标部位中特定特征在不同时刻的状态。因此，从多组动态增强原始图像去分割病灶，可以得到较为全面、准确的病灶的结果。

进一步地，在预设的时间周期内，每间隔固定的时间获取一次目标部位的动态增强原始图像。即在预设的时间周期内，医学成像设备每间隔固定的时间扫描一次目标部位，获得目标部位的多组动态增强原始图像。比如，每间隔3秒进行一次目标部位的扫描，由于时间间隔均匀，这样获得的多组动态增强原始图像中目标部位的变化比较稳定，相应地多组动态增强原始图像中的病灶的变化也比较稳定，有助于得到准确的病灶分割结果。

步骤s130，根据所有动态增强原始图像，计算目标部位的最大密度投影图像，生成时域最大密度投影数据。

具体地，对所有动态增强原始图像应用最大密度投影(mip)算法，计算目标部位的最大密度投影图像，即所有的动态增强原始图像中密度最大的像素被保留，并被投影到一个二维平面上，形成mip重建图像，从而得到较为准确的病灶轮廓。本实施例中，由于综合了不同时刻的动态增强原始图像得到的最大密度投影图像，因此得到的投影数据为时域最大密度投影(tmip)数据。由于时域最大密度投影(tmip)数据依据的是所有不同时刻的动态增强原始图像，基于动态增强原始图像的tmip图像保留了各个时刻目标部位造影剂信号变化的最大值，因此可以准确反映在时间维度上目标部位的特定特征的变化趋势，比如反映乳腺上不同时刻的血流的变化趋势，这样也可以为病灶的准确分割打下基础。

步骤s150，在时域最大密度投影数据中识别异常增强信号的数据，并基于异常增强信号的数据应用预设的分割算法进行分割，以生成病灶的图像及数据。

具体地，由于目标部位中存在病灶，在医疗成像设备得到的动态增强原始图像中会存在异常增强信号，相应地，在时域最大密度投影图像中也存在异常增强信号。若时域最大密度投影数据中的数据不满足特定阈值，则该数据为异常增强信号的数据。对异常增强信号的数据应用预设的分割算法，可以先后得到病灶的轮廓以及根据病灶的轮廓生成的病灶图像数据，从而从时域最大密度投影图像中分割出病灶的图像。

进一步地，将该异常增强信号的数据确定为种子点或感兴趣区域，再根据预设的阈值利用预设的生长算法生成病灶的数据，比如对异常增强信号的数据应用自适应区域增长算法、泛洪法、区段法等生长算法来增长病灶的图像数据，进而由病灶的图像数据生成病灶的图像。

上述医疗图像的分割方法，获取了不同时刻的目标部位的动态增强原始图像，从各个时刻的多组动态增强原始图像中，可以得到目标部位中特定特征在不同时刻的状态。基于动态增强原始图像计算的最大密度投影保留了各个时刻目标部位造影剂信号变化的最大值，因此，时域最大密度投影图像可以准确反映在时间维度上目标部位的特定特征的变化趋势。然后在时域最大密度投影数据中识别异常增强信号的数据，并对异常增强信号的数据应用预设的分割算法进行分割，以生成病灶的图像。这样，基于多组动态增强原始图像和时域最大密度投影图像中的异常增强信号进行去分割病灶，可以得到较为全面、准确的病灶分割结果，从而为病灶的医学诊断提供全面、准确的依据。

请参照图2，图2为另一实施例的医学图像的分割方法的流程示意图。如图2所示，根据所有动态增强原始图像，计算目标部位的最大密度投影图像，生成时域最大密度投影数据的步骤，即步骤s130之前包括：

步骤s120，将所有的动态增强原始图像的数据按照时间先后进行排序。

具体地，医学成像设备扫描得到不同时刻的动态增强原始图像是存储在存储器中。从目标部位的动态增强图像中分割病灶时，需要调用所有的动态增强原始图像，因此，执行后续步骤对病灶进行分割之前，首先对所有的动态增强原始图像的数据按照时间先后进行排序，使得目标部位的动态增强原始图像具有一定的规律性，使得病灶的分割准确。

如图2所示，根据各所有动态增强原始图像，计算目标部位的最大密度投影图像，生成时域最大密度投影数据的步骤，即步骤s130包括：

步骤s131，将每个时刻的动态增强原始图像与预设的参考图像相减，得到每个时刻的动态增强减影图像。

通常情况下，获得的动态增强原始图像中，会存在其它人体组织的无关影像。比如目标部位所在的人体器官中会存在其它组织，在获取目标部位的动态增强原始图像的过程中，其它组织的影像会重叠在动态增强原始图像中，导致目标部位的影像不清晰。因此，需要在动态增强原始图像中将上述无关影像去除，使得目标部位的图像清晰。具体地，利用每个时刻的动态增强原始图像与预设的参考图像作差值，得到不同时刻的动态增强减影图像，即从每个时刻的动态增强原始图像中提取出较为清晰的目标部位的动态增强图像，所有不同时刻的动态增强减影图像构成时域动态增强减影图像组。这样，在每组动态增强扫描图像中将清晰的目标部位图像提取出来，以为后续分割的病灶的清晰图像打下基础。其中，预设的参考图像可以是目标部位未注入造影剂时的扫描图像。这样，相同的、固定的图像部分就从动态增强原始图像中被减除了，而目标部位就被突出地显示出来，从而可以使得病灶的分割准确。并且动态增强减影图像可以使得目标部位的图像的对比度增大，加快病灶的分割速度。加快病灶的分割速度，可以提高病灶的分割效率。

步骤s133，根据各动态增强减影图像计算目标部位的最大密度投影图像，生成时域最大密度投影数据。

具体地，根据所有动态增强减影图像，应用最大密度投影(mip)算法，计算目标部位的最大密度投影图像。由于动态增强减影图像去除了图像中的噪声，可以更准确反映在时间维度上目标部位的特定特征的变化趋势，进一步为准确地分割病灶做好准备。

在时域最大密度投影数据中识别异常增强信号的数据，并基于异常增强信号的数据应用预设的分割算法进行分割，以生成病灶的图像及数据的步骤之后，即步骤s150之后还包括：

步骤s170，根据病灶的图像及数据，分析病灶。

具体地，将病灶的分割结果用于计算机辅助诊断(cad),生成比较直观的数据统计结果，为医生的诊断提供依据。统计结果可以是病灶部分的造影剂的信号变化曲线，以反映病灶的血流变化，不同病理的组织的血流变化不一样，由此可以说明病灶的情况，比如是良性或者恶性。统计结果还可以是病灶的3d图像、以反映病灶的体积、大小及形状等特征。

一实施例中，根据动态增强减影图像计算目标部位的最大密度投影图像，生成时域最大密度投影数据的步骤之前，即步骤s133之前包括：修正动态增强减影图像数据中的干扰。

具体地，在医学影像设备获取动态增强图像中(包括动态增强原始图像和动态增强减影图像)，会存在一些干扰，比如由于人体呼吸造成的图像差异，会对影响病灶的分割结果，从而影响医生对病灶的诊断结果的正确性。因此，在依据动态增强减影图像计算最大密度投影图像前，把动态增强减影图像中的干扰修正，得到修正的动态增强减影图像，可以使得分割结果更准确。

图3为本实施例的医学图像的分割装置的结构框图。该医学图像的分割装置用于从目标部位的图像中分割出病灶的图像及数据。如图3所示，该医学图像的分割装置包括：

获取模块110，用于获取不同时刻的目标部位的动态增强原始图像；

计算模块130，用于根据所有动态增强原始图像，计算目标部位的最大密度投影图像，生成时域最大密度投影数据；及

分割模块150，用于在时域最大密度投影数据中识别异常增强信号的数据，并基于异常增强信号的数据应用预设的分割算法进行分割，以生成病灶的图像及数据。

上述医疗图像的分割装置，获取模块110获取了不同时刻的目标部位的动态增强原始图像，从各个时刻的多组动态增强原始图像中，可以得到目标部位中特定特征在不同时刻的状态。计算模块130基于动态增强原始图像计算的最大密度投影图像保留了各个时刻目标部位造影剂信号变化的最大值，因此，时域最大密度投影图像可以准确反映在时间维度上目标部位的特定特征的变化趋势。然后分割模块150在时域最大密度投影数据中识别异常增强信号的数据，并对异常增强信号的数据应用预设的分割算法进行分割，以生成病灶的图像。这样，基于多组动态增强原始图像和时域最大密度投影图像中的异常增强信号进行去分割病灶，可以得到较为全面、准确的病灶分割结果，从而为病灶的医学诊断提供全面、准确的依据。

在一实施例中，计算模块130将每个时刻的动态增强原始图像与预设的参考图像相减，得到每个时刻的动态增强减影图像，并根据各动态增强减影图像计算目标部位的最大密度投影图像，生成时域最大密度投影数据。

在一实施例中，计算模块130还用于修正动态增强减影图像数据中的干扰。

在一实施例中，分割装置还包括排序模块，用于将所有的动态增强原始图像的数据按照时间先后进行排序。

在一实施例中，获取模块还用于在预设的时间周期内，每间隔固定的时间获取一次目标部位的动态增强原始图像。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。