一种基于形状约束的膝关节磁共振图像序列半月板自动提取方法
【专利摘要】一种基于形状约束的膝关节磁共振图像序列半月板自动提取方法，本发明涉及基于形状约束的膝关节磁共振图像序列半月板自动提取方法。本发明为了解决现有半月板分割方法计算效率与处理效果的不平衡、利用单一灰度信息使处理效果不理想、需要人工设置初始点、难以实现自动图像序列批处理、提取效果受成像条件影响等问题。具体过程为：一、ROI定位，选定初始片层组；二、进行优化，得到优化后片层集合；三、对优化后片层集合中的片层的ROI进行阈值自动选择与半月板目标提取；四、根据提取出的半月板目标在优化后片层集合中进行半月板原始信息提取，得到包含分割出的半月板原始信息的ROI的片层。本发明应用于半月板提取领域。
【专利说明】
-种基于形状约束的膝关节磁共振图像序列半月板自动提取 方法
技术领域
[0001] 本发明设及基于形状约束的膝关节磁共振图像序列半月板自动提取方法。
【背景技术】
[0002] 现有的膝关节半月板提取方法有基于目标边界信息的的分割方法，包括边缘检测 算子、区域生长、分水岭算法等。此类方法施行起来较为简单、运算量小，但利用的信息较单 一、无法结合医学经验知识，目标分割效果差;有基于轮廓模型的方法，包括snake模型及其 改进算法，如主动轮廓模型、测地线主动轮廓模型等。此类方法处理效果较好，但计算量大、 模型演化速度慢、初始条件需要人工设置且对最终处理结果影响大，同时难W实现图像序 列批处理;有基于灰度信息的提取方法，包括纹理目标分割、阔值处理等。此类方法应用了 更多的图像特征及医学经验知识，可W较好的平衡计算效率与处理效果，但存在受成像条 件影响产生误提取的现象，如ROI定位受成像位置影响、关节软骨被误提取为半月板目标等 现象。
【发明内容】
[0003] 本发明为了解决现有半月板分割方法中存在的W下问题:计算效率与处理效果的 不平衡、未结合医学经验知识利用单一灰度信息使处理效果不理想、需要人工设置初始点、 难W实现自动图像序列批处理、提取效果受成像条件影响等问题，从而提出一种基于形状 约束的膝关节磁共振图像序列半月板自动提取方法。
[0004] 上述的发明目的是通过W下技术方案实现的：
[0005] 步骤一、ROI (感兴趣区域)定位，选定初始片层组Sselected ;
[0006] 所述，ROI为感兴趣区域；
[0007] 步骤二、对选定的初始片层组Sselected进行优化，得到优化后片层集合Soptimized;
[000引步骤S、对优化后片层集合Snptimized中的片层的ROI进行阔值自动选择与半月板目 标提取；
[0009]步骤四、根据提取出的半月板目标巧在优化后片层集合SDPtimized中进行半月板 原始信息提取，得到包含分割出的半月板原始信息的ROI的片层Tk。
[001日]发明效果
[0011]实验中采用的=组实验数据是由哈尔滨医科大学附属医院提供，采集于=位年龄 分布在30-50之间、于2014年在哈尔滨医科大学附属医院进行膝关节磁共振检查的患者，图 像为Tl加权(TR= 500ms ,TE= 17ms)，片层间隔为4mm，像素尺寸为51巧512。为尊重用户隐 私，成像序列分别称为Sl、S2、S3，每个序列包含图像36张。图像经过预处理已将DI COM格式 转换为易于计算机处理的PNG格式。
[0012] 本实验的计算机配置为：cpu:Inter巧-4200M@2.5GHz，内存：4G，操作系统 WindowslO，处理软件：Mat lab2013a O
[001引结果如图I至图5、表1、表2所示。图I为利用灰度分布信息对图像序列SI的均值图 像进行ROI定位的效果图，添加了局部极小值捜索步骤，根据Matlab连通域提取函数获得的 目标0/k,m位置信息W及膝关节成像特点，可见此方法能准确的定位半月板并且无丢失的提 取R0I。图2为利用灰度分布信息对图像序列的均值图像进行ROI定位的效果图，未添加局部 极小值捜索步骤的结果对比图，图2a为未添加局部极小值捜索步骤时，利用灰度分布信息 对图像序列Sl的均值图像进行ROI定位的效果图，可见未添加局部极小值捜索步骤时ROI定 位会由于成像因素的影响(膝关节在图像中的位置、膝关节弯曲程度等），出现在图像两端， 无法实现半月板准确定位，图化、图2c分别为未添加局部极小值捜索步骤时，利用灰度分布 信息对图像序列S2、S3的均值图像进行ROI定位的效果图，可见运种成像因素造成的影响并 不是总会出现，但出现几率较高。图3a为序列Sl中第5片层分割出的ROI图像序列示例图；图 3b为序列Sl中第7片层分割出的ROI图像序列示例图；图3c为序列Sl中第9片层分割出的ROI 图像序列示例图；图3d为序列Sl中第11片层分割出的ROI图像序列示例图；图3e为序列Sl中 第13片层分割出的ROI图像序列示例图；可见ROI的选择可完整的包含半月板结构，并且使 得面积尽可能减小便于运算、降低误提取概率。图4a为序列Sl中第5片层半月板目标提取结 果示例图；图4b为序列Sl中第7片层半月板目标提取结果示例图；图4c为序列Sl中第9片层 半月板目标提取结果示例图；图4d为序列Sl中第11片层半月板目标提取结果示例图；图4e 为序列SI中第13片层半月板目标提取结果示例图；可见半月板结构被完整提取出来，并且 已进行阔值化处理和空桐填充，此时半月板目标只有形状信息(失去位置、灰度信息），从第 11片层结果可见存在误提取现象（由于原目标较小不易展示，部分图像被放大）。图5a为序 列Sl中第5片层半月板信息提取结果示例图；图化为序列Sl中第7片层半月板信息提取结果 示例图；图5c为序列Sl中第9片层半月板信息提取结果示例图；图5d为序列Sl中第11片层半 月板信息提取结果示例图；图5e为序列Sl中第13片层半月板信息提取结果示例图；可见半 月板信息（包括形状、位置关系、灰度纹理信息）被完整地从原MRI中提取出来，图5曰、图5b、 图5c、图5d、图5e呈现的是整个ROI区域，从第11片层结果可见存在误提取现象(该部分为灰 度相似，且满足形状约束的非半月板组织）。图6a为添加了基于医学先验知识结合位置关系 和目标数量进行滤除的步骤后，序列Sl中第11片层目标误提取现象消失对比图；图化为添 加了基于医学先验知识结合位置关系和目标数量进行滤除的步骤后，序列Sl中第11片层目 标误提取现象消失结果图。
[0014]表1半月板分割结果评估指标
[0015]
[i
[i
[0018] ROI分割结果如图I所示，与未添加局部极小值捜索的方法结果对比如图2a-2c所 示，可见实现了存在两端黑影干扰时的ROI准确定位。半月板目标提取结果如图3a-3e所示， 与图4a-4e(未添加误提取目标滤除）对比，可见增加的步骤可降低误提取几率。图5a-f5e显 示了最终半月板分割的结果。利用专家对MRI序列中半月板目标的人工标注作为参考标准， 计算出方法的性能指标:提取半月板目标的准确度、目标提取的召回率，如表1所示。由于方 法中计算出的ROI面积W及阔值捜索范围小于已有算法的1/2,此部分运算效率为原有的二 倍。实验中还分析了对于不同形状的半月板目标的提取性能，结果如表2所示。
【附图说明】
[0019] 图1为添加了局部极小值捜索步骤时，利用灰度分布信息对图像序列Sl的均值图 像进行ROI定位的效果图；
[0020] 图2a为未添加局部极小值捜索步骤时，利用灰度分布信息对图像序列Sl的均值图 像进行ROI定位的效果图；
[0021] 图化为未添加局部极小值捜索步骤时，利用灰度分布信息对图像序列S2的均值图 像进行ROI定位的效果图；
[0022] 图2c为未添加局部极小值捜索步骤时，利用灰度分布信息对图像序列S3的均值图 像进行ROI定位的效果图；
[0023] 图3a为序列Sl中第5片层分割出的ROI图像序列示例图；
[0024] 图3b为序列Sl中第7片层分割出的ROI图像序列示例图；
[0025] 图3c为序列Sl中第9片层分割出的ROI图像序列示例图；
[0026] 图3d为序列Sl中第11片层分割出的ROI图像序列示例图；
[0027] 图3e为序列Sl中第13片层分割出的ROI图像序列示例图；
[0028] 图4a为序列Sl中第5片层半月板目标提取结果示例图；
[0029] 图4b为序列Sl中第7片层半月板目标提取结果示例图；
[0030] 图4c为序列Sl中第9片层半月板目标提取结果示例图；
[0031] 图4d为序列Sl中第11片层半月板目标提取结果示例图；
[0032] 图4e为序列Sl中第13片层半月板目标提取结果示例图；
[0033] 图5a为序列Sl中第5片层半月板信息提取结果示例图；
[0034] 图化为序列Sl中第7片层半月板信息提取结果示例图；
[0035] 图5c为序列Sl中第9片层半月板信息提取结果示例图；
[0036] 图5d为序列Sl中第11片层半月板信息提取结果示例图；
[0037] 图5e为序列Sl中第13片层半月板信息提取结果示例图；
[0038] 图6a为图4d经过滤除误提取目标处理后的对比图；
[0039] 图化为图5d经过滤除误提取目标处理后的对比图；
[0040] 图7为子矩阵平均灰度曲线图，Mean intensity for submatrix为子矩阵的灰度 平均值，Mean intensity为平均灰度，No.of submatrix为子矩阵的下标；
[0041] 图8为归一化后的LSE的分布图，横坐标是n纵坐标是每个子矩阵计算的LSE;LSE between ROIs and mask为ROI和模板间的LSE，No.of ROIs为ROI的下标；
[0042] 图9为本发明流程图；
[0043] 图10为W均值化图像Imean纵向中轴线为中屯、两侧各90像素宽度区域作为待处理 区域，沿待处理区域纵向中轴线垂直方向分割为16行X 180列像素大小的子矩阵示意图。
【具体实施方式】
【具体实施方式】 [0044] 一:结合图9说明本实施方式，本实施方式的一种基于形状约束的膝 关节磁共振图像序列半月板自动提取方法，具体是按照W下步骤制备的：
[0045] 可能包含半月板的片层可通过表3中信息初步选定，称为Sselected,所有片层称为 Sallo
[0046] 表3包含半月板的片层分布
[0047]
[0048] 半月板在膝关节MRI中出现的位置宽度，基本固定，通过经验可确定其宽度可选择 在MRI中，中线左右宽度180像素的区域。
[0049]根据经验半月板高度一般在10-20像素之间。根据分析膝关节有可能出现的最大 倾斜，通过计算可完全包含半月板的最小可接受ROI为6府X18咧(计算方法:假设W-种极端 情况为例，两半月板上下错开50%厚度（10像素），平均图像总高度达到30像素，再取极端情 况，定位小片定位ROI在一个半月板远离另一个的一半处，贝化OI-半宽度为30将完全包含 该半月板5像素的厚度，另一半30像素，也足够包含另一边1日+1日=30)。
[(K)加]步骤一、ROI (感兴趣区域)定位，选定初始片层组Sselected;
[0051] 所述，ROI为感兴趣区域；
[0052] 步骤二、对选定的初始片层组Sselected进行优化，得到优化后片层集合Soptimized;
[0053] 步骤S、对优化后片层集合SDPtimized中的片层的ROI进行阔值自动选择与半月板目 标提取；
[0054] 步骤四、根据提取出的半月板目标巧r在优化后片层集合Snptimized中进行半月板 原始信息提取，得到包含分割出的半月板原始信息的ROI的片层化。
【具体实施方式】 [0055] 二:本实施方式与一不同的是:所述步骤一中ROI (感 兴趣区域)定位，选定初始片层组Sselected ;具体过程为：
[0056] (1)计算选定的初始片层的均值化图像，记为Imean;
[0057] 其中，所述选定为人为根据临床解剖学知识选定;选定的初始片层为512*512像 素；
[00 日引 Imean - ITlGan { Ik( i , j ) I Ik E Sselected} (I)
[0059] 其中，Ik表示选定的初始片层组Sselected中的下标为k的片层；i为1-512像素横坐 标，j为1-512像素纵坐标；
[0060] (2) W均值化图像Imean纵向中轴线为中屯、两侧各90像素宽度区域作为待处理区 域，沿待处理区域纵向中轴线垂直方向分割为16行X 180列像素大小的子矩阵，如图10;
[0061] 第n个子矩阵表示为Pn(iJ)，用于定位半月板垂直位置，子矩阵高度的选择接近 根据经验的平均半月板厚度，同时与图像整体尺寸有关(512巧12像素）；n取值为1-32;
[0062] (3)计算每个子矩阵的平均灰度值，如图7,并绘制出横坐标为n，纵坐标为灰度值 的子矩阵平均灰度曲线图；
[0063] Np(n)=mean(Pn(i,j)),nG(l,32) (2)
[0064] 式中，Np(n)为第n个子矩阵的平均灰度值；
[0065] (4)根据经验知识设置子矩阵的平均灰度值的局部极小值捜索范围为[30%， 70%]，在范围为[30% ,70% ]内捜索平均灰度值最小值对应的子矩阵作为包含半月板小 片；
[0066]
傅
[0067] 式中，1^为平均灰度值最小的子矩阵的下标，11^￡11;
[006引将巧4/J)的纵向的高度/2+1行C巧.(z'J)的纵向的高度/2+1行为纵向的高度/2向 下移动一行)作为ROI窗口的中屯、行，中屯、行向上选取30行，向下29行作为实际选定的ROI窗 口，将实际选定的ROI窗口作用于全部片层获得ROI图像序列矿''(;'.八取值为为1-180 像素横坐标，j取值为为1-60像素纵坐标；
[0069]其中，/r (z'J)为下标为k的片层的ROI ,Sail为全部片层集合。
[0070]其它步骤及参数与【具体实施方式】一相同。
[0071 ]【具体实施方式】=:本实施方式与【具体实施方式】一或二不同的是:所述步骤二中对 选定的初始片层组Sseleeted进行优化，得到优化后片层集合Snptimized ;具体过程为：
[0072] (1)计算选定的初始片层组SseleGted的ROI的均值作为模板& (i，j);
[007；3]
(4)
[0074] 其中，M为选定的初始片层组Sselected中的片层数；(Hi, j)为选定的初始片层组 Sselected的ROI的均值；（2)利用模板(I)QJ)匹配所有选定片层Ik的ROI，计算最小均方误差 LSE，并进行归一化处理，如图8;
[0075] 樹
[0076] ㈱
[0077] 将归一化处理后LSE^化)〉60%的片层视为不包含半月板片层，剔除运些片层，余 下的片层作为优化后的片层集合SDPtimized。
[0078] 如果要选择出典型的包含类S角形半月板的MRI，则可将条件变严格，设置LSE^ 化)〉40%或者更小，则靠近两侧和中部的片层将被删除。
[0079] 其它步骤及参数与【具体实施方式】一或二相同。
【具体实施方式】 [0080] 四：本实施方式与一至=之一不同的是：步骤=中对 优化后片层集合SDPtimized中的片层的ROI进行阔值自动选择与半月板目标提取;具体过程 为：
[0081] (1)计算优化后片层集合Soptimized中的片层的ROI的均值图像的平均灰度，作为阔 值选择的参考值；
[0082]
(7)
[0083] 式中，n为优化后片层集合Soptimized中的片层的ROI的均值图像的平均灰度；
[0084] (2)选取阔值T = O.0511，对优化后片层集合Soptimized中的片层的ROI进行二值化处 理；
[0085]
(S)
[0086] 式中，化(i，j)为二值化处理后的图像；
[0087] (3)将二值化处理后的图像Bk(i J )的ROI中所有满足八连通的独立目标利用 Matlab连通域提取函数全部提取出来，进行滤波约束处理，记为目标Ok,m，k为片层编号，m为 每片层中目标编号;此时目标包含位置坐标；
[0088] (4)首先进行过大或过小目标的滤除，将面积不满足表4中面积约束条件的目标滤 除，初步减少噪声像素的干扰。
[0089] 当目标0k,m不满足面积为Area(0k,m)〉50像素，Area(0k,m)<800像素时，滤除目标 Ok, m;
[0090] 表4目标形状约束条件
[0091]
[0092] (5)针对滤除目标Ok,m后每一个剩余目标，计算剩余目标的轴比和边界盒比，轴比 为主轴/副轴，边界盒比为边界长度/宽度，滤除不满足轴比和边界盒比的目标，得到满足半 月板形状约束条件的目标O^k,"，每个片层上ROI中目标数量记为姑，,，下标t为阔值变化标 记，1《t《19;形状约束条件见表4。
[0093] 其中，轴比的目标为主轴/副轴〉1，主轴/副轴<6,边界盒比目标为长度/宽度〉1，长 度/宽度巧;半月板形状约束条件为轴比目标为主轴/副轴〉1，主轴/副轴<6,边界盒比目标 为长度/宽度〉1，长度/宽度巧；
[0094]
(9)
[00M] (6)根据Matlab连通域提取函数获得的目标OYm位置信息W及膝关节成像特点， 滤除误提取的目标，得到滤除误提取的目标后的提取结果〇"k,m(若出现剩余目标超过3个， 则判定两侧目标为半月板，其余目标为关节软骨残余部分）；
[0096]
(10)
[0097] 式中，0"k,"为滤除误提取的目标后的提取结果；
[009引（7)记录每个片层上ROI中提取的半月板目标数量qk, t;
[0099] qk,t = no.of (0"k'm) (11)
[0100] W及阔值T对应的ROI序列总共提取出的半月板目标数量；
[0101]
(12)
[0102] (8)改变阔值，重复步骤(3)-(7)，记录用每个阔值处理时提取出的半月板目标总 数量qt，阔值范围为T = 0.0时~0.4〇ri，每次增长0.OSn，其中下标t = 1，2，......,8；
[0103] (9)选择使提取出的半月板目标总数量qt最多的阔值作为自适应阔值选择的最优 结果；
[0104]
(13)
[0105] 乍为二值化处理的最优阔值，T气4应的提取结果〇"k,m即为最优半月板目标提 取结果，此时提取半月板目标记为巧:f。
[0106] 其它步骤及参数与【具体实施方式】一至=之一相同。
【具体实施方式】 [0107] 五:本实施方式与一至四之一不同的是:所述T巧X值 为为0.1 On~0.3011。通过实验我们发现对于我们的Tl加权MRI数据，最优T巧別直为0. l〇ri~ 0.3〇ri。
[0108] 其它步骤及参数与【具体实施方式】一至四之一相同。
【具体实施方式】 [0109] 六:本实施方式与一至五之一不同的是:所述步骤四 中根据提取出的半月板目标0品'在优化后片层集合SDPtimized中进行半月板原始信息提取，得 到包含分割出的半月板原始信息的ROI的片层化;具体过程为：
[0110] (1)根据半月板目标《r，计算0汾的凸包巧:f?'(填补阔值处理可能产生的目标内 部空桐)作为模板。
[0111] (2)利用第二阶段步骤中Matlab连通域提取函数记录的每一个化r的位置坐标，获 取半月板目标对应到原片层中的位置坐标。
[0112] (3)制作与ROI区域大小(60行*180列像素)相同的模板，其中对应于凸化处理后的 半月板目标化T*"'"的区域为空，其他区域灰度设置为255(白色，便于展示与观察）；
[0113]
(14)
[0114] 化即为最终仅包含分割出的半月板原始信息的ROI的片层。
[0115] 其它步骤及参数与【具体实施方式】一至五之一相同。
[0116] 采用W下实施例验证本发明的有益效果：
[0117] 实施例一；
[0118] 本实施例一种基于形状约束的膝关节磁共振图像序列半月板自动提取方法具体 是按照W下步骤制备的：
[0119] 实验中采用的=组实验数据是由哈尔滨医科大学附属医院提供，采集于=位年龄 分布在30-50之间、于2014年在哈尔滨医科大学附属医院进行膝关节磁共振检查的患者，图 像为Tl加权(TR=SOOms ,TE= 17ms)，片层间隔为4mm，像素尺寸为51巧512。为尊重用户隐 私，成像序列分别称为51、52、53，每个序列包含图像36张。图像经过预处理已将01〇)1格式 转换为易于计算机处理的PNG格式。
[0120] 本实验的计算机配置为：cpu:Inter巧-4200M@2.5GHz，内存：4G，操作系统 WindowslO，处理软件：Matlab2013a。
[0121] 结果如图1至图5、表1、表2所示。图1为利用灰度分布信息对图像序列SI的均值图 像进行ROI定位的效果图，添加了局部极小值捜索步骤，根据Matlab连通域提取函数获得的 目标〇/k,m位置信息W及膝关节成像特点，可见此方法能准确的定位半月板并且无丢失的提 取R0I。图2为利用灰度分布信息对图像序列的均值图像进行ROI定位的效果图，未添加局部 极小值捜索步骤的结果对比图，图2a为未添加局部极小值捜索步骤时，利用灰度分布信息 对图像序列Sl的均值图像进行ROI定位的效果图，可见未添加局部极小值捜索步骤时ROI定 位会由于成像因素的影响(膝关节在图像中的位置、膝关节弯曲程度等），出现在图像两端， 无法实现半月板准确定位，图化、图2c分别为未添加局部极小值捜索步骤时，利用灰度分布 信息对图像序列S2、S3的均值图像进行ROI定位的效果图，可见运种成像因素造成的影响并 不是总会出现，但出现几率较高。图3a为序列Sl中第5片层分割出的ROI图像序列示例图；图 3b为序列Sl中第7片层分割出的ROI图像序列示例图；图3c为序列Sl中第9片层分割出的ROI 图像序列示例图；图3d为序列Sl中第11片层分割出的ROI图像序列示例图；图3e为序列Sl中 第13片层分割出的ROI图像序列示例图；可见ROI的选择可完整的包含半月板结构，并且使 得面积尽可能减小便于运算、降低误提取概率。图4a为序列Sl中第5片层半月板目标提取结 果示例图；图4b为序列SI中第7片层半月板目标提取结果示例图；图4c为序列SI中第9片层 半月板目标提取结果示例图；图4d为序列Sl中第11片层半月板目标提取结果示例图；图4e 为序列SI中第13片层半月板目标提取结果示例图；可见半月板结构被完整提取出来，并且 已进行阔值化处理和空桐填充，此时半月板目标只有形状信息(失去位置、灰度信息），从第 11片层结果可见存在误提取现象（由于原目标较小不易展示，部分图像被放大）。图5a为序 列Sl中第5片层半月板信息提取结果示例图；图化为序列Sl中第7片层半月板信息提取结果 示例图；图5c为序列Sl中第9片层半月板信息提取结果示例图；图5d为序列Sl中第11片层半 月板信息提取结果示例图；图5e为序列Sl中第13片层半月板信息提取结果示例图；可见半 月板信息（包括形状、位置关系、灰度纹理信息）被完整地从原MRI中提取出来，图5曰、图5b、 图5c、图5d、图5e呈现的是整个ROI区域，从第11片层结果可见存在误提取现象(该部分为灰 度相似，且满足形状约束的非半月板组织）。图6a为添加了基于医学先验知识结合位置关系 和目标数量进行滤除的步骤后，序列Sl中第11片层目标误提取现象消失对比图；图化为添 加了基于医学先验知识结合位置关系和目标数量进行滤除的步骤后，序列Sl中第11片层目 标误提取现象消失结果图。
[0122] 表1半月板分割结果评估指标
[0123]
[0124] 表2不同形态半月板检测性能比较
[0125]
[0126] ROI分割结果如图I所示，与未添加局部极小值捜索的方法结果对比如图2所示，可 见实现了存在两端黑影干扰时的ROI准确定位。半月板目标提取结果如图3a-3e所示，与图 4a-4e(未添加误提取目标滤除）对比，可见增加的步骤可降低误提取几率。图5曰-扣显示了 最终半月板分割的结果。利用专家对MRI序列中半月板目标的人工标注作为参考标准，计算 出方法的性能指标:提取半月板目标的准确度、目标提取的召回率，如表1所示。由于方法中 计算出的ROI面积W及阔值捜索范围小于已有算法的1/2,此部分运算效率为原有的二倍。 实验中还分析了对于不同形状的半月板目标的提取性能，结果如表2所示。
[0127] 本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域 技术人员当可根据本发明作出各种相应的改变和变形，但运些相应的改变和变形都应属于 本发明所附的权利要求的保护范围。
【主权项】
1. 一种基于形状约束的膝关节磁共振图像序列半月板自动提取方法，其特征在于具体 是按照以下步骤进行的： 步骤一、ROI定位，选定初始片层组Sselected ; 所述，ROI为感兴趣区域； 步骤二、对选定的初始片层组&^。^进行优化，得到优化后片层集合SoptWmd; 步骤三、对优化后片层集合SoptWzed中的片层的ROI进行阈值自动选择与半月板目标提 取； 步骤四、根据提取出的半月板目标0ΗΓ在优化后片层集合中进行半月板原始 信息提取，得到包含分割出的半月板原始信息的R0I的片层Tk。2. 根据权利要求1所述一种基于形状约束的膝关节磁共振图像序列半月板自动提取方 法，其特征在于:所述步骤一中R0I定位，选定初始片层组S selec；ted;具体过程为： (1) 计算选定的初始片层的均值化图像，记为Im_; 选定的初始片层为512*512像素； Imean - ??Θ??Ι {lk(i,j)|lkG Sselected } ( 1 ) 其中，Ik表示选定的初始片层组Sselected中的下标为k的片层；i为1-512像素横坐标，j为 1-512像素纵坐标； (2) 以均值化图像Imean纵向中轴线为中心两侧各90像素宽度区域作为待处理区域，沿待 处理区域纵向中轴线垂直方向分割为16行X 180列像素大小的子矩阵； 第η个子矩阵表示SPn( i，j);η取值为1-32; (3) 计算每个子矩阵的平均灰度值， Np(n) =mean(Pn(i , j)) ,ne (1,32) (2) 式中，NP(n)为第n个子矩阵的平均灰度值； (4) 设置子矩阵的平均灰度值的局部极小值搜索范围为[30%，70%]，在范围为[30%， 70% ]内搜索平均灰度值最小值对应的子矩阵作为包含半月板小片；(3) 式中，为平均灰度值最小的子矩阵的下标， 将gU的纵向的高度/2+1行作为ROI窗口的中心行，中心行向上选取30行，向下29行 作为实际选定的R0I窗口，将实际选定的R0I窗口作用于全部片层获得R0I图像序列 Saii，i取值为为1_180像素横坐标，j取值为为1_60像素纵坐标； 其中，(/,/)为下标为k的片层的ROI，Sall为全部片层集合。3. 根据权利要求2所述一种基于形状约束的膝关节磁共振图像序列半月板自动提取方 法，其特征在于:所述步骤二中对选定的初始片层组&^。^进行优化，得到优化后片层集合 Soptimized ;具体过程为： (1 )计算选定的初始片层组Sselected的R0I的均值作为模板Φ ( i，j ); 其中，Μ为选定的初始片层组Sselecrted中的片层数； Φ (i，j)为选定的初始片层组Sselected的ROI的均值； (2)利用模板匹配所有选定片层Ik的ROI，计算最小均方误差LSE，并进行归一化 处理； k ' " · ·将归一化处理后LSElkpeo%的片层视为不包含半月板片层，剔除这些片层，余下的 片层作为优化后的片层集合Soptimized。4.根据权利要求3所述一种基于形状约束的膝关节磁共振图像序列半月板自动提取方 法，其特征在于:步骤三中对优化后片层集合SoptWzed中的片层的R0I进行阈值自动选择与 半月板目标提取;具体过程为： (1) 计算优化后片层集合中的片层的R0I的均值图像的平均灰度，作为阈值选 择的参考值；式中， η为优化后片层集合Soptimized中的片层的R01的均值图像的平均灰度； (2) 选取阈值τ = 0.05η，对优化后片层集合Soptimized中的片层的R0I进行二值化处理；式中， Bk(i，j)为二值化处理后的图像； (3) 将二值化处理后的图像Bk(i，j)的R0I中所有满足八连通的独立目标利用Matlab连 通域提取函数全部提取出来，进行滤波约束处理，记为目标Ok, m，k为片层编号，m为每片层中 目标编号； (4) 当目标Ok,m不满足面积为Area(0k,m)>50像素，Area(0k,m)〈800像素时，滤除目标Ok,m; (5) 针对滤除目标0k,m后每一个剩余目标，计算剩余目标的轴比和边界盒比，轴比为主 轴/副轴，边界盒比为边界长度/宽度，滤除不满足轴比和边界盒比的目标，得到满足半月板 形状约束条件的目标(/k, m，每个片层上R0I中目标数量记为ft，下标t为阈值变化标记，K t^l9； 其中，轴比的目标为主轴/副轴>1，主轴/副轴〈6,边界盒比目标为长度/宽度>1，长度/ 宽度〈5;半月板形状约束条件为轴比目标为主轴/副轴>1，主轴/副轴〈6,边界盒比目标为长 度/宽度>1，长度/宽度〈5;(6) 根据Matlab连通域提取函数获得的目标亇k,m位置信息以及膝关节成像特点，滤除 误提取的目标，得到滤除误提取的目标后的提取结果〇〃k, m; (10) 式中，〇\,?为滤除误提取的目标后的提取结果； (7) 记录每个片层上ROI中提取的半月板目标数量qk,t; qk，t = no.of(0〃k，m) (11) 以及阈值τ对应的ROI序列总共提取出的半月板目标数量；(8) 改变阈值，重复步骤(3) - (7)，记录用每个阈值处理时提取出的半月板目标总数量 qt，阈值范围为τ = 0.05η~〇.40η，每次增长〇.〇5n，其中下标t = 1，2，......,8； (9) 选择使提取出的半月板目标总数量qt最多的阈值作为自适应阈值选择的最优结果；以f作为二值化处理的最优阈值，^对应的提取结果〇〃k,m即为最优半月板目标提取结 果，此时提取半月板目标记为。5. 根据权利要求4所述一种基于形状约束的膝关节磁共振图像序列半月板自动提取方 法，其特征在于:所述f取值为为ο. 10η~〇. 30η。6. 根据权利要求5所述一种基于形状约束的膝关节磁共振图像序列半月板自动提取方 法，其特征在于:所述步骤四中根据提取出的半月板目标"Γ/在优化后片层集合中 进行半月板原始信息提取，得到包含分割出的半月板原始信息的R0I的片层Tk;具体过程 为： (1) 根据半月板目标，计算0=的凸包〇；7'_1乍为模板； (2) 利用Matlab连通域提取函数记录的每一个的位置坐标，获取半月板目标对应到 原片层中的位置坐标； (3) 制作与roi区域大小相同的模板，其中对应于凸化处理后的半月板目标〇r!r?nvex的 区域为空，其他区域灰度设置为255;Tk即为最终仅包含分割出的半月板原始信息的R0I的片层。
【文档编号】G06K9/34GK105956587SQ201610247856
【公开日】2016年9月21日
【申请日】2016年4月20日
【发明人】李杨, 季云飞, 张宁, 齐月宾
【申请人】哈尔滨工业大学