脑组织结构提取方法、装置、设备及存储介质与流程
本发明属于医学图像处理技术领域，尤其涉及一种脑组织结构提取方法、装置、设备及存储介质。
背景技术：
目前，心脑血管疾病已经严重威胁着人类的健康。随着ct血管造影、磁共振血管造影(magneticresonanceangiography，简称mra)等成像技术的发展，医学图像的后处理技术变得越来越重要。精确的脑组织分割是辅助血管类疾病诊断与治疗的关键。
首先在分割方法上，多尺度滤波通过抑制背景噪声增强目标，目前多尺度滤波、形变模型、统计模型及混合方法等分割方法应用比较广泛，但是不能将背景与目标完全区分开来。在脑组织分割方面，有基于磁共振造影图像的灰度信息来进行脑组织分割，虽然在分割算法上有一定的优越性，但是由于核磁共振造影图像存在很多类的伪影信息，单纯依靠灰度信息进行分割，存在很大的偏差。到目前为止，基于统计学的分割算法已经引起了越来越多的关注，而模型选择则是基于统计学的分割算法的关键。针对脑部磁共振成像得到的图像，wilson和noble于1999年提出了一种基于统计学模型的血管分割方法。另外上述分割方法在分割时间上都比较长，而且很少可以使用在工程操作上，即工程化实现程度太弱。
综上所述，现有的脑组织分割算法存在一定的局限性：高斯去噪虽然可以取得很好的效果，但是同时也会将图像中属于脑组织的细小部分给当作噪声处理掉；目前的脑组织分割算法，虽然在一定程度上，可以取得一定的效果，但算法执行时间较长，而且难以进行工程化应用。
技术实现要素：
本发明的目的在于提供一种脑组织结构提取方法、装置、设备及存储介质，旨在解决由于现有技术无法在提高脑组织结构提取速率的同时，保证脑组织结构完整性，导致脑组织结构提取在工程化应用方面的实用性相对较弱的问题。
一方面，本发明提供了一种脑组织结构提取方法，所述方法包括下述步骤：
当接收到脑组织结构提取请求时，接收输入的造影图像，所述造影图像为处于t1模态下磁共振造影图像；
对所述造影图像进行去颅骨操作，并对得到的图像进行归一化处理，得到归一化图像；
对所述归一化图像进行曲率流平滑去噪处理，得到去噪后图像；
使用预设的hmrf分割算法对所述去噪后图像进行分割，得到脑组织结构。
另一方面，本发明提供了一种脑组织结构提取装置，所述装置包括：
请求接收单元，用于当接收到脑组织结构提取请求时，接收输入的造影图像，所述造影图像为处于t1模态下磁共振造影图像；
图像预处理单元，用于对所述造影图像进行去颅骨操作，并对得到的图像进行归一化处理，得到归一化图像；
图像去噪单元，用于对所述归一化图像进行曲率流平滑去噪处理，得到去噪后图像；以及
图像分割单元，用于使用预设的hmrf分割算法对所述去噪后图像进行分割，得到脑组织结构。
另一方面，本发明还提供了一种计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如所述脑组织结构提取方法的步骤。
另一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如所述脑组织结构提取方法的步骤。
本发明当接收到脑组织结构提取请求时，接收输入的造影图像，对造影图像进行去颅骨操作，并对得到的图像进行归一化处理，得到归一化图像，对归一化图像进行曲率流平滑去噪处理，得到去噪后图像，使用预设的hmrf分割算法对去噪后图像进行分割，得到脑组织结构，从而在提高脑组织结构提取速率的同时，保证了脑组织结构完整性，进而提高了脑组织结构提取的效率和在工程化应用方面的实用性。
附图说明
图1是本发明实施例一提供的脑组织结构提取方法的实现流程图；
图2是本发明实施例二提供的脑组织结构提取装置的结构示意图；
图3是本发明实施例三提供的脑组织结构提取装置的结构示意图；以及
图4是本发明实施例四提供的计算设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述：
实施例一：
图1示出了本发明实施例一提供的脑组织结构提取方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在步骤s101中，当接收到脑组织结构提取请求时，接收输入的造影图像，造影图像为处于t1模态下磁共振造影图像。
本发明实施例适用于医学图像处理系统，尤其适用于数字脑可视化图像处理系统，以方便进行脑组织结构的提取。在本发明实施例中，当需要进行脑组织结构提取时，输入到系统中的造影图像为处于t1模态下磁共振造影图像，t1模态下获得的磁共振造影图像中包含整个脑部信息，即包含脑组织，颅骨，眼球等信息。
其中，磁共振造影图像是通过磁共振成像的方法获取的图像。磁共振成像又称自旋成像，是利用磁场与射频脉冲使人体组织内运动的氢核(即h+)发生震动产生射频信号，经计算机处理而成像的。含单数质子的原子核，例如人体内广泛存在的氢原子核，其质子带正电，自旋运动时产生磁距，有如一个小磁体，小磁体自旋轴的排列无一定规律，但如果在均匀的强磁场中，则小磁体的自旋轴将按磁场磁力线的方向重新排列。在这种状态下，用特定频率的射频脉冲进行激发，作为小磁体的氢原子核吸收一定的能量而发生共振，即发生了磁共振现象。停止发射射频脉冲，被激发的氢原子核就会把所吸收的能逐步释放出来，其相位和能级都恢复到激发前的状态。这一恢复过程称为弛豫过程，而恢复到原来平衡状态所需的时间则称之为弛豫时间。
弛豫时间有两种，一种是自旋-晶格弛豫时间，又称纵向弛豫时间，反映自旋核把吸收的能传给周围晶格所需要的时间，也就是90°射频脉冲质子由纵向磁化转到横向磁化之后再恢复到纵向磁化激发前状态所需时间，称t1。另一种是自旋-自旋弛豫时间，又称横向弛豫时间，反映横向磁化衰减、丧失的过程，也就是横向磁化所维持的时间，称t2。在进行磁共振成像时，首先把检查层面分成nx，ny，nz，……一定数量的小体积，即体素，然后用接收器收集体素信息，并将收集到的信息输入计算机进行处理，从而获得每个体素的t1值(或t2值)，最后对t1值(或t2值)进行空间编码，再用转换器将每个t值转为模拟灰度，并重建图像，得到t1(或t2)模态下磁共振造影图像。
在步骤s102中，对造影图像进行去颅骨操作，并对得到的图像进行归一化处理，得到归一化图像。
在本发明实施例中，需要提取出造影图像中的脑组织结构，去掉其中的非脑组织结构，因此，首先对输入的t1模态下磁共振造影图像进行去颅骨操作，即去除该造影图像整个头部的非脑组织、以及估计内外头骨表面和外部头皮表面，从而获得只包含脑组织这一目标的图像，同时为了去除图像数据中的偏场信息，对得到的图像进行归一化处理，从而使得造影图像在经过去颅骨操作后可以呈现一个较为统一标准的特性，统一了整个图像的灰度值，进而提高后续计算速率。
优选地，在对造影图像进行去颅骨操作时，可以使用脑提取工具(brainextractiontool，简称bet)算法来进行，从而提高了造影图像的去颅骨效果。
在步骤s103中，对归一化图像进行曲率流平滑去噪处理，得到去噪后图像。
在本发明实施例中，为了去掉去颅骨后的归一化图像数据中的一些噪声、杂质等信息，对去颅骨后的归一化图像数据进行曲率流平滑去噪，从而通过抑制背景噪声信息达到增强脑组织信息的目的，使得造影图像数据平滑后呈现一个较为一致的统计学特性，进而提高了脑组织灰度轮廓的可分辨率。
优选地，在对归一化图像进行曲率流平滑去噪处理时，将归一化图像的灰度轮廓当作水平集，根据曲率速度公式
在步骤s104中，使用预设的hmrf分割算法对去噪后图像进行分割，得到脑组织结构。
在本发明实施例中，得到去噪后图像之后，使用预设的隐马尔可夫随机场(hiddenmarkovrandomfield，简称hmrf)分割算法对去噪后图像进行分割，从而提高了图像分割的准确性。
具体地，在使用预设的hmrf分割算法对去噪后图像进行分割时，首先对去噪后图像体素点标签进行初始化，并将初始化后图像分成前景图像和背景图像，然后根据最小化能量函数之和公式
进一步优选地，在对前景图像体素点的标签和预设的邻域函数进行卷积操作时，可以使用预设的加速函数减少卷积操作的迭代次数，以提高分割速率。具体地，可以使用gpuarray函数和sourcemodule函数，从而通过简化计算过程，提高了分割速率。
在本发明实施例中，当接收到脑组织结构提取请求时，接收输入的造影图像，对造影图像进行去颅骨操作，并对得到的图像进行归一化处理，得到归一化图像，对归一化图像进行曲率流平滑去噪处理，得到去噪后图像，使用预设的hmrf分割算法对去噪后图像进行分割，得到脑组织结构，从而不仅提高了脑组织结构提取效果，而且提高了提取速率，进而提高了脑组织结构提取在应用工程方面的实用性。
实施例二：
图2示出了本发明实施例二提供的脑组织结构提取装置的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
请求接收单元21，用于当接收到脑组织结构提取请求时，接收输入的造影图像，造影图像为处于t1模态下磁共振造影图像。
在本发明实施例中，当需要进行脑组织结构提取时，请求接收单元21接收到的造影图像为处于t1模态下磁共振造影图像，t1模态下获得的磁共振造影图像中包含整个脑部信息，即包含脑组织，颅骨，眼球等信息。
图像预处理单元22，用于对造影图像进行去颅骨操作，并对得到的图像进行归一化处理，得到归一化图像。
在本发明实施例中，需要提取出造影图像中的脑组织结构，去掉其中的非脑组织结构，因此，首先通过图像预处理单元22对输入的t1模态下磁共振造影图像进行去颅骨操作，即去除该造影图像整个头部的非脑组织、以及估计内外头骨表面和外部头皮表面，从而获得只包含脑组织这一目标的图像，同时为了去除图像数据中的偏场信息，对得到的图像进行归一化处理，从而使得造影图像在经过去颅骨操作后可以呈现一个较为统一标准的特性，统一了整个图像的灰度值，进而提高后续计算速率。
图像去噪单元23，用于对归一化图像进行曲率流平滑去噪处理，得到去噪后图像。
在本发明实施例中，为了去掉去颅骨后的归一化图像数据中的一些噪声、杂质等信息，通过图像去噪单元23对去颅骨后的归一化图像数据进行曲率流平滑去噪，从而通过抑制背景噪声信息达到增强脑组织信息的目的，使得造影图像数据平滑后呈现一个较为一致的统计学特性，进而提高了脑组织灰度轮廓的可分辨率。
图像分割单元24，用于使用预设的hmrf分割算法对去噪后图像进行分割，得到脑组织结构。
在本发明实施例中，得到去噪后图像之后，图像分割单元24使用预设的hmrf分割算法对去噪后图像进行分割，从而提高了图像分割的准确性。
在本发明实施例中，当接收到脑组织结构提取请求时，请求接收单元21接收输入的造影图像，图像预处理单元22对造影图像进行去颅骨操作，并对得到的图像进行归一化处理，得到归一化图像，图像去噪单元23对归一化图像进行曲率流平滑去噪处理，得到去噪后图像，图像分割单元24使用预设的hmrf分割算法对去噪后图像进行分割，得到脑组织结构，从而在提高脑组织结构提取速率的同时，保证了脑组织结构完整性，进而提高了脑组织结构提取的效率和在工程化应用方面的实用性。
在本发明实施例中，脑组织结构提取装置的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。
实施例三：
图3示出了本发明实施例三提供的脑组织结构提取装置的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
请求接收单元31，用于当接收到脑组织结构提取请求时，接收输入的造影图像，造影图像为处于t1模态下磁共振造影图像。
在本发明实施例中，当需要进行脑组织结构提取时，请求接收单元31接收到的造影图像为处于t1模态下磁共振造影图像，t1模态下获得的磁共振造影图像中包含整个脑部信息，即包含脑组织，颅骨，眼球等信息。
图像预处理单元32，用于对造影图像进行去颅骨操作，并对得到的图像进行归一化处理，得到归一化图像。
在本发明实施例中，需要提取出造影图像中的脑组织结构，去掉其中的非脑组织结构，因此，首先通过图像预处理单元32对输入的t1模态下磁共振造影图像进行去颅骨操作，即去除该造影图像整个头部的非脑组织、以及估计内外头骨表面和外部头皮表面，从而获得只包含脑组织这一目标的图像，同时为了去除图像数据中的偏场信息，对得到的图像进行归一化处理，从而使得造影图像在经过去颅骨操作后可以呈现一个较为统一标准的特性，进而统一了整个图像的灰度值。
优选地，在对造影图像进行去颅骨操作时，可以使用脑提取工具bet算法来进行，从而提高了造影图像的去颅骨效果。
图像去噪单元33，用于对归一化图像进行曲率流平滑去噪处理，得到去噪后图像。
在本发明实施例中，为了去掉去颅骨后的归一化图像数据中的一些噪声、杂质等信息，通过图像去噪单元33对去颅骨后的归一化图像数据进行曲率流平滑去噪，从而通过抑制背景噪声信息达到增强脑组织信息的目的，使得造影图像数据平滑后呈现一个较为一致的统计学特性，进而提高了脑组织灰度轮廓的可分辨率。
优选地，在对归一化图像进行曲率流平滑去噪处理时，将归一化图像的灰度轮廓当作水平集，根据曲率速度公式
图像分割单元34，用于使用预设的hmrf分割算法对去噪后图像进行分割，得到脑组织结构。
在本发明实施例中，得到去噪后图像之后，图像分割单元34使用预设的hmrf分割算法对去噪后图像进行分割，从而提高了图像分割的准确性。
具体地，在使用预设的hmrf分割算法对去噪后图像进行分割时，首先对去噪后图像体素点标签进行初始化，并将初始化后图像分成前景图像和背景图像，然后根据最小化能量函数之和公式
进一步优选地，在对前景图像体素点的标签和预设的邻域函数进行卷积操作时，可以使用预设的加速函数减少卷积操作的迭代次数，以提高分割速率。具体地，可以使用gpuarray函数和sourcemodule函数，从而通过简化计算过程，提高了分割速率。
因此，优选地，该图像分割单元34包括：
标签初始化单元341，用于对去噪后图像体素点标签进行初始化，并将初始化后图像分成前景图像和背景图像；
标签获取单元342，用于根据最小化能量函数之和公式
参数优化单元343，用于使用预设参数优化算法对hmrf分割算法中涉及的参数进行优化，对前景图像体素点的标签和预设的邻域函数进行卷积操作，当未达到预设参数优化算法的收敛条件时，将卷积操作设置为下一步的体素点标签，触发标签获取单元执行根据最小化能量函数之和公式
图像分割子单元344，用于当达到预设参数优化算法的收敛条件时，根据获取的前景图像体素点标签对去噪后图像进行分割。
优选地，该参数优化单元343包括：
计算加速单元，用于使用预设的加速函数减少卷积操作的迭代次数，以提高分割速率。
在本发明实施例中，脑组织结构提取装置的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。
实施例四：
图4示出了本发明实施例四提供的计算设备的结构，为了便于说明，仅示出了与本发明实施例相关的部分。
本发明实施例的计算设备4包括处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。该处理器40执行计算机程序42时实现上述脑组织结构提取方法实施例中的步骤，例如图1所示的步骤s101至s104。或者，处理器40执行计算机程序42时实现上述各装置实施例中各单元的功能，例如图2所示单元21至24、图3所示单元31至34的功能。
在本发明实施例中，该处理器40执行计算机程序42时实现上述各个脑组织结构提取方法实施例中的步骤时，当接收到脑组织结构提取请求时，接收输入的造影图像，对造影图像进行去颅骨操作，并对得到的图像进行归一化处理，得到归一化图像，对归一化图像进行曲率流平滑去噪处理，得到去噪后图像，使用预设的hmrf分割算法对去噪后图像进行分割，得到脑组织结构，从而在提高脑组织结构提取速率的同时，保证了脑组织结构完整性，进而提高了脑组织结构提取的效率和在工程化应用方面的实用性。
该计算设备4中处理器40在执行计算机程序42时实现的步骤具体可参考实施例一中方法的描述，在此不再赘述。
实施例五：
在本发明实施例中，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述脑组织结构提取方法实施例中的步骤，例如，图1所示的步骤s101至s104。或者，该计算机程序被处理器执行时实现上述各装置实施例中各单元的功能，例如图2所示单元21至24、图3所示单元31至34的功能。
在本发明实施例中，当接收到脑组织结构提取请求时，接收输入的造影图像，对造影图像进行去颅骨操作，并对得到的图像进行归一化处理，得到归一化图像，对归一化图像进行曲率流平滑去噪处理，得到去噪后图像，使用预设的hmrf分割算法对去噪后图像进行分割，得到脑组织结构，从而在提高脑组织结构提取速率的同时，保证了脑组织结构完整性，进而提高了脑组织结构提取的效率和在工程化应用方面的实用性。该计算机程序被处理器执行时实现的脑组织结构提取方法进一步可参考前述方法实施例中步骤的描述，在此不再赘述。
本发明实施例的计算机可读存储介质可以包括能够携带计算机程序代码的任何实体或装置、记录介质，例如，rom/ram、磁盘、光盘、闪存等存储器。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！