基于分块区域生长法的CT脑实质分割系统、方法及装置与流程

本发明涉及颅脑ct影像处理技术领域，具体涉及一种基于分块区域生长法的ct脑实质分割系统、方法、装置及介质。

背景技术：

自动颅骨剥离或脑提取是在放射学图像上分离脑组织的过程。这项技术已成为神经影像学研究中一种有价值的图像处理工具。有关用于磁共振成像(mri)的脑提取工具的文献已经很成熟，fmrib软件库(fsl)中的脑提取工具(bet)是一种可靠且经验证的脑提取工具。然而，在有关计算机断层扫描(ct)大脑提取的研究中存在空白。尤其令人痛心的是，与磁共振成像相比，ct在中风患者诊断和治疗的临床实践中得到了更广泛的应用。ct图像后处理是非对比ct(ncct)、ct血管造影(cta)、自动化阿尔伯塔中风项目早期ct评分(aspects)评分等缺血性中风病变和出血分割的必要步骤，一个经过验证和自动化的脑提取工具对于ct成像将是非常有价值的研究和临床实践。

为了利用ct图像，已经对bet进行了调整，但是这些方法还没有按照手工分割的黄金标准进行验证。mandell等人开发了一种用于ct图像的大脑提取方法，该方法经过验证；然而，该方法并非完全自动化。muschelli等人开发了一种基于bet的自动化和有效的ct图像大脑提取方法，取得了成功的结果。然而，这种方法的算法被发现依赖于参数(分数强度(fi))，并且仅在ncct上得到验证，而在cta图像上没有得到验证。近年来，基于卷积神经网络(cnn)的深度学习技术被应用于这一领域，取得了很好的效果。然而，该方法仅在22张ncct图像上得到验证，在cta图像上没有结果报道。此外，与任何其他基于深度学习的分割方法一样，它需要大量适当标记的训练图像，这是时间和劳动密集型的。

技术实现要素：

针对现有技术中的缺陷，本发明实施例提供一种基于分块区域生长法的ct脑实质分割系统、方法、装置及介质，将分块的思想用在区域生长分割方法上，实现脑实质快速、稳定分割。

第一方面，本发明实施例提供的一种基于分块区域生长法的ct脑实质分割系统，包括：预处理模块、粗分割模块、脑实质提取模块和后处理模块，

所述预处理模块用于对原始三维ct影像数据进行预处理得到预处理后的数据；

所述粗分割模块采用阈值分割法对预处理后的数据进行分割得到前景和初始颅骨部分，采用二值形态学对初始颅骨部分进行处理得到脑实质掩膜；

所述脑实质提取模块用于从脑实质掩膜中获取脑实质区域的种子点，通过三维区域生长算法分块循环分割得到全脑实质掩膜；

所述后处理模块用全脑实质掩膜减去初始颅骨部分得到最终脑实质分割结果。

第二方面，本发明实施例提供的一种基于分块区域生长法的ct脑实质分割方法，包括以下步骤：

对原始三维ct影像数据进行预处理得到处理后的数据；

采用阈值分割法对预处理后的数据进行分割得到前景和初始颅骨部分，采用二值形态学对初始颅骨部分进行处理得到脑实质掩膜；

从脑实质掩膜中获取脑实质区域的种子点，通过三维区域生长算法分块循环分割得到全脑实质掩膜；

用全脑实质掩膜减去初始颅骨部分得到最终脑实质分割结果。

第三方面，本发明实施例提供的一种ct脑实质分割装置，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。

第四方面，本发明实施例提供的一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。

本发明的有益效果：

本发明实施例提供的一种基于分块区域生长法的ct脑实质分割系统、方法、装置及介质，对原始三维ct影像数据进行预处理，减小组织间的差异，然后进行前景、颅骨、脑组织的粗分割，在粗分割的结果中选取种子点，分块循环获取各块的脑组织。本实施例将分块的思想用在区域生长分割方法上，实现了脑实质的快速稳定分割。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1示出了本发明第一实施例所提供的一种基于分块区域生长法的ct脑实质分割系统的结构框图；

图2示出了第一实施例中的原始三维ct影像图；

图3示出了第一实施例中的预处理后的影像图；

图4示出了第一实施例中颅骨与前景分割图；

图5示出了第一实施例中的脑组织粗分割图；

图6示出了第一实施例中的脑组织截面面积曲线图；

图7示出了第一实施例中的分块循环区域生长方法的示意图；

图8示出了第一实施例中的最终的脑实质分割结果图；

图9示出了本发明第二实施例所提供的一种基于分块区域生长法的ct脑实质分割方法的流程图；

图10示出了本发明第三实施例所提供的一种ct脑实质分割装置的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

如图1所示，示出了本发明第一实施例所提供的一种基于分块区域生长法的ct脑实质分割系统的结构框图，该系统包括：预处理模块、粗分割模块、脑实质提取模块和后处理模块，所述预处理模块用于对原始三维ct影像数据进行预处理得到预处理后的数据；所述粗分割模块采用阈值分割法对预处理后的数据进行分割得到前景和初始颅骨部分，采用二值形态学对初始颅骨部分进行处理得到脑实质掩膜；所述脑实质提取模块用于从脑实质掩膜中获取脑实质区域的种子点，通过三维区域生长算法分块循环分割得到全脑实质掩膜；所述后处理模块用全脑实质掩膜减去初始颅骨部分得到最终脑实质分割结果。

具体地，原始三维ct影像图如图2所示，预处理模块对原始三维ct影像数据i0进行平滑处理得到预处理后的影像数据i1，如图3所示，可以使用中值滤波、高斯滤波等方法处理，在本实施例中，选择双边滤波，降低图像噪声同时保留边缘信息，提高分割精度。

粗分割模块通过阈值分割法得到前景o与初始颅骨部分s0，对初始颅骨部分s0进行二值形态学膨胀操作，得到颅骨膨胀部分s1，通过前景o减去颅骨膨胀部分s1得到初始组织部分t0，对初始组织t0进行二值形态学开操作，得到脑组织粗分割部分t1，计算脑组织粗分割部分t1的每一层最大连通量a(n)，并统计对应的像素点数得到面积c(n)，n为数据层数，得到脑实质掩膜。

具体地，设置分割阈值t＞100得到初始颅骨部分s0，如图4a所示,设置分割阈值t＞0得到前景o，并对前景o进行空洞填充去除内部黑点，如图4c所示。对初始颅骨s0进行膨胀操作，选择半径为3mm的圆形结构元，得到s1，如图4b所示；通过前景o减去颅骨膨胀部分s1得到初始组织部分to，如图5a所示。对初始组织to进行二值形态学开操作，选择半径为1mm的圆形结构元，得到脑组织粗分割部分t1，如图5b所示，对所得到的脑组织粗分割部分t1的每一层求最大连通分量a(n)，如图5c所示，并统计对应的像素点数得到面积c(n)，如图6所示，示出了脑组织截面面积曲线图，n为数据层数。

脑实质提取模块根据c(n)曲线找到峰值所在层序号i，以该层最大连通分量a(i)的几何中心作为初始种子点seed，对平滑后的数据以i为中间层，上下各s层的i1(i-s:i+s)三维块，进行区域生长分割得到b0(i-s:i+s)；中间层分别向上向下移动，对整个三维数据进行该操作,并将所有结果并为一体得到全脑实质掩膜b1。

具体地，根据统计得到的每层最大连通分量的面积c(n)曲线，找到峰值所在层序号i，也就是面积最大的一层，以该层最大连通分量a(i)的几何中心作为初始种子点seed，对平滑后的数据以i为中间层，上下各取2层得到三维数据块i1(i-2:i+2)，利用选好的种子点，设置第三阈值为0.1，进行区域生长分割得到脑模板块b0(i-2:i+2)，如图7所示，中间层分别向上向下移动，i向下递减至i+2，向上递增至n-2，对整个三维数据进行该操作，如图7所示；每一次都能得到一个五层的分割结果，将所有结果作并运算，得到整体脑实质掩膜b1。

后处理模块从整体脑实质掩膜b1中减去初始颅骨s0，去除进入颅骨的部分得到最终的脑实质分割结果b2，如图8所示。

本发明实施例提供的一种基于分块区域生长法的ct脑实质分割系统，对原始三维ct影像数据进行预处理，减小组织间的差异，然后进行前景、颅骨、脑组织的粗分割，在粗分割的结果中选取种子点，分块循环获取各块的脑组织。本实施例将分块的思想用在区域生长分割方法上，实现了脑实质的快速稳定分割。

如图9所示，示出了本发明第二实施例提供的一种基于分块区域生长法的ct脑实质分割方法的流程图，包括以下步骤：

s1:对原始三维ct影像数据进行预处理得到处理后的数据。

具体地，对原始三维ct影像数据i0进行平滑处理得到预处理后的数据i1，可以使用中值滤波、高斯滤波等方法处理，在本实施例中，选择双边滤波，降低图像噪声同时保留边缘信息，提高分割精度。

s2:采用阈值分割法对预处理后的数据进行分割得到前景和初始颅骨部分，采用二值形态学对初始颅骨部分进行处理得到脑实质掩膜。

通过阈值分割法得到前景o与初始颅骨部分s0，对初始颅骨部分s0进行二值形态学膨胀操作，得到颅骨膨胀部分s1，通过前景o减去颅骨膨胀部分s1得到初始组织部分t0，对初始组织t0进行二值形态学开操作，得到脑组织粗分割部分t1，计算脑组织粗分割部分t1的每一层最大连通量a(n)，并统计对应的像素点数得到面积c(n)，n为数据层数，得到脑实质掩膜。

s3:从脑实质掩膜中获取脑实质区域的种子点，通过三维区域生长算法分块循环分割得到全脑实质掩膜。

根据c(n)曲线找到峰值所在层序号i，以该层最大连通分量a(i)的几何中心作为初始种子点seed，对平滑后的数据以i为中间层，上下各s层的i1(i-s:i+s)三维块，进行区域生长分割得到b0(i-s:i+s)；中间层分别向上向下移动，对整个三维数据进行该操作,并将所有结果并为一体得到全脑实质掩膜b1。

s4:用全脑实质掩膜减去初始颅骨部分得到最终脑实质分割结果。

本发明实施例提供的一种基于分块区域生长法的ct脑实质分割方法，对原始三维ct影像数据进行预处理，减小组织间的差异，然后进行前景、颅骨、脑组织的粗分割，在粗分割的结果中选取种子点，分块循环获取各块的脑组织。本实施例将分块的思想用在区域生长分割方法上，实现了脑实质的快速稳定分割。

如图10所示，示出了本发明第三实施例还提供一种ct脑实质分割装置的结构示意图，该装置包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。

应当理解，在本发明实施例中，所称处理器可以是中央处理单元(centralprocessingunit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

输入设备可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备可以包括显示器(lcd等)、扬声器等。

该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。

具体实现中，本发明实施例中所描述的处理器、输入设备、输出设备可执行本发明实施例提供的方法实施例所描述的实现方式，也可执行本发明实施例所描述的系统实施例的实现方式，在此不再赘述。

在本发明还提供一种计算机可读存储介质的实施例，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。

所述计算机可读存储介质可以是前述实施例所述的终端的内部存储单元，例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。