医学图像的分割方法及其装置的制造方法
【专利说明】医学图像的分割方法及其装置 【技术领域】
[0001] 本发明涉及医学图像处理领域，尤其涉及一种医学图像的分割方法及其装置。 【【背景技术】】
[0002] 灌注分析可用于定量描述组织的微血管分布情况及血流灌注的状态。计算机断层 灌注成像(CT Perfusion)能够提供有助于诊断脑灌注异常如脑卒中风等疾病。典型的灌注 成像方式为向患者静脉注射造影剂，然后对选定感兴趣区域采集多个时间点的动态图像， 以记录该组织中造影剂浓度随时间的变化情况即时间浓度曲线（Time-Density Curve， TDC)。最后根据以上数据分析微循环的生理参数，主要包括血流量(Blood Flow,BF)、血容 量(Blood Volume,BV)、平均通过时间（Mean Transition Time,MTT)和达峰时间（Time To Peak，TTP)等血流动力学参数。
[0003] 脑灌注成像能够用于在脑卒中患者识别不同组织以区分不可逆损伤组织（即梗死 核心)和潜在可逆损伤组织（即缺血半暗带），对治疗决策的制定提供有效参考。例如通常使 用缺血半暗带与梗死核心组织的体积比来指导是否应该应用溶栓治疗以救治潜在可逆损 伤组织。
[0004] 缺血性中风区域通常会连接到脑室，因此，脑室的分割是一项重要而又困难的任 务，尤其是脑灰质和脑白质的分割，因为CT灌注图像中，脑灰质和脑白质之间结构啮合，边 界模糊，导致无法正确识别脑灰白质，影响测量脑灰白质体积容量及比率等病理性检测。
[0005] 现有技术中，针对头部CT图像颅内脑组织的自动分割，主要通过结合使用阈值(或 聚类）、数学形态学、区域生长、以及颅内脑组织空间和灰度的先验信息等来实现。采用阈值 的分割方法，当不同组织结构间灰度值或其他特征值差异很大时，能够对图像进行有效地 分割。但在头部CT图像中，由于部分容积效应以及颅内脑组织与头部其他组织存在着较大 的灰度重叠，因此对于分割脑灰白质，目前还没有理想的解决方法。 【
【发明内容】
】
[0006] 本发明所要解决的技术问题是提供一种医学图像的分割方法及其装置，用于识别 灌注图像中的脑灰白质，有效提高脑部病理学检测。
[0007] 为解决上述技术问题，本发明提供一种医学图像的分割方法，包括以下步骤：
[0008] (1)获取在不同时刻所对应的若干个灌注图像；
[0009] (2)分割每个时刻所对应的所述灌注图像，获取不同时刻所对应的目标区域图像； [0010] (3)预处理所述不同时刻所对应的目标区域图像，获取对比图像K;
[0011] (4)基于复合式的概率统计模型分割所述对比图像K，获分割图像。
[0012] 进一步地，所述步骤(3)包括如下步骤：
[0013] 基于灰度值预处理所述不同时刻所对应的目标区域图像，分别获取平均图像A、最 大灰度投影图像Μ和通过最大灰度投影图像Μ减去平均图像A而获取的差值图像D;
[0014] 对所述差值图像D进行归一化处理，获得标准差值图像D%
[0015] 根据所述平均图像A、最大灰度投影图像Μ或差值图像D中任一个图像构造所述对 比图像K。
[0016] 进一步地，步骤(3)还包括如下步骤，
[0017] 在所述标准差值图像If上基于灰度直方图确定阈值Dmin和Dmax，将所述标准差值图 像If上任一像素点s的灰度值与阈值D min和Dmax进行比较，构造所述对比图像K:
[0018] 若像素点s的灰度值2 Dmax，则所述对比图像K上对应点s所在空间位置像素点的灰 度值为所述最大灰度投影图像Μ上对应空间位置的像素点的灰度值；
[0019]若像素点s的灰度值< 0_，则所述对比图像Κ上对应点s所在空间位置的像素点的 灰度值为平均图像Α上对应空间位置的像素点的灰度值；
[0020] 否则，所述对比图像K上对应点s所在空间位置的像素点的灰度值为1 = 43乂（1-D*s)+MsXD*s；
[0021] 其中，1为所述对比图像K对应点s的空间位置的像素点的灰度值，As为所述平均图 像A对应点s所在空间位置的像素点的灰度值，M s为所述最大灰度投影图像Μ对应点s所在空 间位置的像素点的灰度值，D、为所述标准差值图像上对应点s所在空间位置的像素点的 灰度值。
[0022] 进一步地，所述复合式的概率统计模型包括至少两种不同概率统计模型。
[0023] 进一步地，所述复合式概率统计模型包括基于图像像素点灰度值的概率统计及基 于图像像素邻域特征的概率统计。
[0024] 进一步地，所述步骤(4)包括如下步骤：
[0025] a)统计所述对比图像Κ的灰度直方图，获取最大概率所在的灰度值Tmax，将所述对 比图像K中灰度值大于T max的像素点标记为脑灰质，其它点标记为脑灰质，获取第一对比图 ffKio
[0026] b)基于灰度值计算所述第一对比图像心中任一像素点s为脑灰质的概和 脑白质的概率Pl(Xs)WM;
[0027] c)基于空间邻域信息计算所述第一对比图像心中任一像素点s为脑灰质的概率P2 (义3)(?1和脑白质的概率?2(13)\?;
[0028] d)根据公式（1)计算比较第一对比图像心中任一像素点s为脑灰质的概率P(Xs)CM 和脑白质的概率P(Xs)WM，若P(Xs)GM大于P(Xs)WM,则标记该像素点S为脑灰质，否则标记为脑 灰质，更新所述第一对比图像Ki ;
[0029] P(Xs)type = Pl(Xs)typeXP2(Xs)type 公式（1 )
[0030]其中，所述type指标记类型为脑灰质或脑白质；
[0031] e)重复上述步骤a)~d)，直至所述对比图像K中任意一像素点s相邻两次标记结果 达到收敛，则停止迭代获取分割图像。
[0032] 进一步地，所述步骤b)包括：
[0033] 根据公式（2)计算所述第一标记图像心中任一像素点s类别为脑灰质的概率Pi (义3)(?1和脑白质的概率?1(13)\?;
[0034] 其中，mtype为所述像素点s类别为脑灰质或脑白质的像素点灰度值的平均值，〇2为 像素点s类别为脑灰质或脑白质的像素点灰度值的方差。
[0036] 进一步地，其特征在于，所述步骤c)包括：
[0037] 获取所述第一标记图像心中任一像素点s，读取点s在空间邻域m个像素点的标记 结果，若标记为脑灰质，则赋值该像素点为，若标记为脑白质，则赋值该邻域像素点为β， 根据公式(3)分别求任一像素点s为脑灰质的概率P 2(xs)cm，脑白质的概率P2(XS)W;
[0038] 其中，β为(0，1)之间的小数，type指标记类型为脑灰质或脑白质。
[0039] P(xs)type = exp(-Σ Vtype(Xs))公式（3)
[0040] 进一步地，所述达到收敛为满足如下任一条件，即停止迭代，获取所述分割图像：
[0041] 若统计相邻两次迭代标记结果的一致率，若大于设定阈值m，则达到收敛停止迭 代，获得分割图像；
[0042] 若重复上述步骤a)~c)的次数达到设定阈值n，则达到收敛停止迭代，获得分割图 像；
[0043]其中，m为(0，1)之间的小数，η为正整数。
[0044] 进一步地，所述灌注图像为CT灌注图像或MR灌注图像。
[0045] 进一步地，所述步骤2)中，还包括对所述若干