专利名称：颅内血肿体积的测量方法
技术领域：
本发明颅内血肿体积测量方法的研究，是将颅内血肿体积测量的临床需求转变为
图像的血肿分割问题，提出一种新的分割算法，属于临床应用软件领域。
背景技术：
颅脑损伤导致颅内出血，血液在颅脑内积聚达到一定体积时形成颅内血肿。通常， 小脑幕上血肿在20ml以上，幕下血量在10ml以上，即可引起急性颅脑受压症状，危及生命。 而30ml以上的高血压脑出血是中老年人病率、致残率极高的疾病，一般小脑幕上的血肿在 30ml以上，幕下血肿在10ml以上，并结合其它临床症状及指标，应采取手术治疗(颞叶血肿 易致脑疝，手术指征应放宽，血肿量在20ml以上应手术)，对于非手术治疗的适应症(幕上 者〈30ml，幕下者〈10ml)可视情况采取药物治疗或微创清除术。由以上可见，颅内血肿的 大小是一重要临床治疗指标，能否准确和精确测量该血肿的体积意义重大。
当前临床上颅内血肿的测量主要是人工分割和人工计算。所谓人工分割是指解剖 学家手工地描绘出医学图像中各种器官的边界。人工计算是对人工画出的ROI (Region of interest)区域，由计算机自动测量面积，然后人工相加得到体积。目前手工分割的效果一 般而言是较好的，但却是极其费时和费力的。人工分割的另一个问题就是分割的结果会因 人而异，即使同一个人不同时间分割的结果也不能保证完全相同。据报道5名专家在分割 脑肿瘤时会产生15% _22%的误差。在医学研究尤其是神经系统科学的研究中结果的可重 复性和精确性是极其重要的，所以人工分割的方法不能胜任这种需求。
与人工分割相对应的就是自动分割。自动分割结果的可重复性是不用考虑的，因 为几乎所有算法的结果都不会因为运行次数的不同而改变。自动分割的难点在于如何将人 工分割中解剖学家的知识运用到自动分割中来，这种知识之所以难以表示是因为医学图像 形状和外表的复杂性。所谓医学图像形状复杂就是指解剖结构没有规则的形状，因此也不 容易用简单的方法来表示。医学图像外表复杂原因是不同的组织可能具有相同或相近的灰 度，例如头皮、肌肉、皮下血种等与颅内血肿的灰度相近，又如脑灰质和脑低度胶质瘤的灰 度也很相象，而同一组织却由于成像设备的原因而表现出不同的灰度。由于自动分割的难 度和深度，其进展比较缓慢。近几年国内外在此领域出现了大量的研究成果，从人工智能技 术到模式识别技术以及神经网络、小波变换、模糊聚类等的应用涉及到众多的学科。但由于 医学图像的复杂性及不同个体之间的差异性等，目前，没有一种分割算法能对所有的图像 产生满意的分割效果，同时也找不到一种特定类型的图像使所有的算法能获得同样好的分 割结果。对于一个具体的应用，如CT颅脑图像的分割，从目前图像分割技术在临床上的应 用情况来看，绝大部分方法还停留在实验研究阶段，真正能应用于临床的还为数不多。本项 目正是在此背景下对CT图像的处理与自动分割问题进行研究的。
发明内容
1、针对颅内血肿图像的特点，对其采用二步图像分割处理。
2、对图像的预处理采用非线性各向异性扩散滤波，有效去除了噪声、伪影，且满足 医学图像处理的实际性要求。 3、图像的第一步分割中，对同一图像二值化进行"异或"运算，巧妙去除了颅骨及 颅骨外非脑组织，并且不需要图像配准等工作，这是本项目的一个重要部分。
4、将熵的概念引入图像分割，实现了二维熵阈值化，用像素灰度及其邻域灰度为 参数来分割图像。它不仅反映了灰度信息分布，而且反映了图像象素邻域空间相关信息，因 此有效的抑制噪声，排除干扰和不需要的细小结构。这是本项目的一个重点和难点。
具体实施例方式
1、采用非线性各向异性扩散滤波器对颅脑图像进行滤波处理。
2、对图像二步分割 1)利用阈值法和图像"异或"、"乘"逻辑运算，得到只有脑组织与血肿的图像，去除 了颅骨及颅骨外非脑组织。 2)采用二维熵阈值化的方法，用像素灰度及其邻域灰度为参数来分割图像，去除 脑组织，得到只有血肿的图像。这里为防止计算量庞大，采用分层遗传算法搜寻最优阈值， 并提出了 "自适应的大变异算子"理论。 3、测量血肿体积7 = ￡^其中n血肿图像层数，Vi = StX层厚，Si =像素大小X 个数。
权利要求
在研究颅内血肿体积大小时，将CT序列图像进行二步自动分割，采用了如下方法1)CT图像的第一步分割中，颅骨及颅骨外非脑组织的去除利用了阈值法、区域生长及图像逻辑运算，由于颅骨在CT图像中与其它组织在灰度差异很大，因此采用经验阈值很容易得到颅骨边缘，不需要复杂耗时的检测方法，区域生长采用四邻域生长，遍布整个脑组织与血肿，最后图像进行“异或”和“乘”逻辑运算，得到只有脑组织与血肿的CT图像，用简单的图像处理方法得到较好的结果；2)CT图像的第二步分割中，对于脑组织与血肿的分割，考虑到CT图像可避免的噪声因素，采用二维熵阈值化的方法，用像素灰度及其邻域灰度为参数来分割图像，它不仅反映了灰度信息分布，而且反映了图像象素邻域空间相关信息，因此它可以有效的抑制噪声，排除干扰和不需要的细小结构；3)采用改进的遗传算法来搜寻最优分割阈值使二维熵准则函数最大，遗传算法是具有全局并行搜索最优解的能力；采用分层遗传算法，并对选择、交叉、变异算子做了改进，特别为了防止算法陷于“早熟”结果；4)采用了“自适应的大变异算子”，通过判断适应度函数平均值与最大值比值，最终决定采用的变异概率和交叉概率。
全文摘要
本发明针对颅内血肿图像的特点，对图像的预处理采用非线性各向异性扩散滤波，有效去除了噪声、伪影，且满足医学图像处理的实际性要求；对其采用二步图像分割处理，巧妙去除了颅骨及颅骨外非脑组织，并且不需要图像配准等工作；将熵的概念引入图像分割，实现了二维熵阈值化，用像素灰度及其邻域灰度为参数来分割图像，它不仅反映了灰度信息分布，而且反映了图像象素邻域空间相关信息，因此有效的抑制噪声，排除干扰和不需要的细小结构；改进遗传算法的各个算子，尤其为防止遗传算法存在的“早熟”问题，也就是算法过早收敛于一个非全局最优点，采用自适应大变异算子，最后用改进的分层遗传算法搜索最佳阈值。
文档编号G06T7/00GK101756710SQ20081023865
公开日2010年6月30日 申请日期2008年12月19日 优先权日2008年12月19日
发明者曹淑兰 申请人:曹淑兰