肝脏MRI影像缩域分割与三维病灶重建方法与流程

肝脏mri影像缩域分割与三维病灶重建方法
技术领域
1.本技术涉及一种医学mri影像分割与三维重建方法，特别涉及一种肝脏mri影像缩域分割与三维病灶重建方法，属于医学影像加工处理技术领域。


背景技术：

2.肝脏是人体内脏里最大的器官，也是人体消化系统重要的组成部分，在人体的消化、代谢、解毒、凝血及免疫调节等方面起着重要的作用。当前，肝炎、肝硬化、肝癌等多种肝脏疾病严重困扰着人们的正常生活。能够及早发现，控制，并且对疾病进行治疗，对于肝病病人的健康十分重要。
3.医学影像从不同方面展示了组织器官的不同特征，在协助医生进行非侵入式诊断疾病的过程中发挥了越来越重要的作用。通过医学影像，医生可以非常清晰直观地观察组织器官的解剖结构，提取出病变组织区域，并对病况进行分析。随着计算机技术的飞速发展，影像处理技术也取得了不少成就，在医学影像方面，影像处理技术对于医学科研和临床应用有着重要作用。其中，医学影像分割是影像分析处理的首要问题，能够将病变区域、解剖结构等感兴趣区域分割出来，更加清晰、直观地展现给医生，提高了诊断准确度，对于医学影像的应用有着非常重要的意义。
4.目前，绝大多数的医学影像分割都是依靠医生的手动分割。大量的影像诊断明显增加了影像诊断医生的工作负担。同时,医学影像诊断对于医生的经验和技术要求很高，不同医生可能会有不同的分割结果。特别是存在边界模糊的影像,即便是经验丰富的影像专家，也难免会出现遗漏或做出错误的判断。因此，医学影像数据进行数字化处理实现准确的分析是一个非常重要且急迫的任务。
5.医学影像的自动分割对于医学影像在疾病诊断、三维重建、手术仿真等方面有着重要的意义。由于磁共振影像能够多方位、多参数成像的特征，相比于其它成像方式能够提供更多的信息，使得其能够在ct影像难以诊断的情况下能够从不同的角度给出信息，因此对其分割具有重要运用价值。然而，由于腹部脏器本身的复杂性以及磁共振影像存在的灰度不均、弱边缘等缺点，肝脏mri的自动分割一直未能取得较好的效果，这成为了医学影像处理领域的一项巨大的挑战，肝脏磁共振影像分割技术无论是对实际临床应用还是对教学研究，都发挥了巨大的作用。
6.综上，现有技术的肝脏mri影像分割与三维重建存在若干问题和缺陷，本技术的难点和待解决的问题集中在以下方面：
7.(1)现有技术大多数的肝脏mri影像分割都是依靠医生的手动分割，大量的影像诊断明显增加了影像诊断医生的工作负担，同时,医学影像诊断对于医生的经验和技术要求很高，不同医生可能会有不同的分割结果，特别是存在边界模糊的影像,即便是经验丰富的影像专家，也难免会出现遗漏或做出错误的判断，当前无法实现肝脏mri数字化处理和准确分析。特别是肝脏mri自动分割对于疾病诊断、三维重建、手术仿真等方面有着重要的意义，但由于腹部脏器本身的复杂性以及磁共振影像存在的灰度不均、弱边缘等缺点，肝脏mri的
自动分割一直未能取得较好的效果，这成为了医学影像处理领域的一项巨大短板，成功研发高质量肝脏磁共振影像分割技术无论是对实际临床应用还是对教学研究，都会发挥了巨大的作用。
8.(2)基于对磁共振影像原理和腹腔肝脏结构特征的分析，总结肝脏磁共振影像的特征和分割难点较多：一是由于磁共振成像设备的原因，会导致噪声的存在，这对于需要高清三维病灶的肝脏mri影像实现困难；二是由于成像过程存在的不均匀磁场以及医学影像的容积不均现象，会造成灰度不均现象，破坏了肝脏区域的一致性，对分割造成困难；三是腹腔中内脏器官复杂且多，肝脏和胃、脾等器官邻近，亮度差异较小，难以从灰度值上直接区分；四是肝脏本身是一个弱边缘器官，会对分割提出挑战；五是肝脏大小、形态有差异，并且在一组序列影像中，肝脏的形态是一个渐变的过程。这一些列难点使得肝脏mri影像分割质量很差，分割步骤繁杂，失去了大规模推广运用的价值。
9.(3)现有技术未深度挖掘肝脏mri影像灰度不均、邻近组织灰度相近以及噪声特征，缺少一种专门针对肝脏mri影像的分割重建方法，现有技术的图像分割方法完全依赖计算机对影像进行分割处理，脱离了人工干预，需要预先建立分割方法自动分割影像，需考虑各种易对分割造成影响的情况，并设计对应的解决方法，这使得方法复杂，但实际应用中的各种不确定因素和影像的复杂性，分割结果很容易受到影响，往往在某一个小细节的偏差，会导致分割朝着错误的方向无法控制地发展。由于肝脏形态、大小的差异性，以及不同设备得到的影像具有不同的质量问题，现有技术肝脏影像分割十分困难，精度低、鲁棒性和实时性差。
10.(4)现有技术缺少基于先验知识的触动缩域模糊簇特征分割方法，无法实现肝脏序列影像实现快速半自适应分割，针对序列影像特征，缺少利用先验轮廓知识更新后续影像中肝脏大致位置、大小的自适应获取，并追踪肝脏形态的变化的方法，无法完成自适应分割，模糊簇特征分割方法不能结合空间邻域信息，对噪声敏感，无法解决肝脏整体灰度不均的问题，运算区域面积大，速度慢，周围邻近器官误分割的面积大，无法利用先验形态地图的信息，缺少先验知识对下一张图像的分割进行约束，不能实现内部区域的自适应填充，不能够将病变区域、解剖结构等感兴趣区域分割出来，无法清晰、直观地展现给医生，制约肝脏mri准确诊断。


技术实现要素：

11.本技术提出了基于先验知识的触动缩域模糊簇特征分割方法，针对序列影像特征，利用先验轮廓知识更新后续影像中肝脏大致位置、大小的自适应获取，并追踪肝脏形态的变化，完成自适应分割，模糊簇特征分割方法结合空间邻域信息，降低对噪声的敏感性，并且缩域处理的方式对局部边缘区域进行分割处理，有效解决肝脏整体灰度不均的问题，同时减少运算区域面积，在加快速度的同时，也能减少周围邻近器官误分割的面积，利用先验形态地图的信息，通过先验知识对下一张图像的分割进行约束，并且能较好的实现内部区域的自适应填充。因此，本技术改进方法能够结合少量的人工操作实现对肝脏核磁肝脏序列影像的半自适应分割，达到较为准确的分割效果，能够将肝脏病变区域、解剖结构等感兴趣区域分割出来，更加清晰、直观的展现给医生，提高了诊断准确度，对于肝脏医学影像的应用有着非常重要的意义。
12.为实现以上技术效果，本技术所采用的技术方案如下：
13.肝脏mri影像缩域分割与三维病灶重建方法，基于肝脏mri影像灰度不均、邻近组织灰度相近以及噪声特征，提出一种改进的基于先验形态的缩域触动模糊簇特征分割方法，包括：提取肝脏轮廓并采样、缩域触动模糊簇类、mri序列影像的分割；首先人工提取序列图中某一张影像的肝脏轮廓，自适应拟合成初始轮廓线作为该张影像的先验形态，然后自动在轮廓线上均匀选取样点，并以每个样点为中心生成对应大小的矩形框，分别对每个矩形区域进行基于空间关联信息的模糊簇特征分割，取出非肝脏区域，将每一段曲线连在一起，构成肝脏形态轮廓，并将其作为下一张序列图的先验形态输入，进而自适应完成后续序列的分割；结合vtk开源程序库，对mri序列图像进行肝脏病灶三维重建。
14.1)基于肝脏mri序列影像前后帧差异不大的特征，利用上一张图像分割结果的轮廓作为下一张影像分割的先验知识，规避对整张图像的处理，快速确定下一张影像中肝脏的位置和大小，只需在第一张图像上手工勾勒出初始轮廓就能完成后续影像的自适应处理，减少人工干预；
15.2)采用先验形态地图和设置比例临界值，剔除每个缩域中非肝脏部分，保留肝脏区域，并且先验形态地图辅助对肝脏内部区域进行自适应填充，完成肝脏影像的准确分割,提高分割精度；
16.3)利用缩域触动模糊簇类，减少需处理的数据，并且缩域触动处理是对影像进行局部分割，而不是基于整体灰度分割的，解决肝脏区域灰度不均问题，只对缩域处理，减少误分割进来的邻近器官的面积；
17.优选地，基于先验形态的缩域触动模糊簇特征分割：通过人工勾勒一张序列图像的先验轮廓，建立矩形缩域，降低运算量，利用先验形态进行分割，分割结果作为先验信息再用于下一张图像的处理,实现肝脏mri序列化影像的快速分割；
18.只对每个小矩形窗口分别进行模糊簇特征分割方法，局部分割并结合先验形态，提高精度,减少运算量,同时进行后续序列的自适应分割,提高运算速度。
19.优选地，提取肝脏轮廓并采样：首先手动在初始图像上沿肝脏边缘选取若干点,作为人工先验信息,
20.本技术对初始手动获取的边缘点序列进行插值和曲线拟合，采用三次样条曲线拟合光滑的轮廓，插值后得到较为密集的边缘点序列后，通过直线拟合，得到闭合的单像素的初始先验肝脏轮廓；
21.将先验形态图像中的边缘位置设为0，所围的肝脏区域的值设为-1，外围非肝脏区域设为1，获取先验形态地图；
22.得到先验形态的初始轮廓，然后通过边缘遍历，每隔若干个像素取个边缘点进行采样。得到边缘采样序列。
23.优选地，缩域触动模糊簇类：获得先验初始轮廓的边缘采样点，再以每个采样点为中心生成n
×
n的矩形窗口；
24.缩域把边缘都覆盖上，选取窗口大小为39
×
39，依次对矩形窗口内的局部图像进行簇类，结合小图像所在位置的先验形态地图对非肝脏区域进行剔除；
25.每一个缩域簇类后得到的结果不止一个区域，其中肝脏的区域也不止一个，并且有的区域既包含肝脏部分也包含非肝脏混合区域，既要剔除多余的区域，也要保留全部的
肝脏区域，并且要将混合区域中的非肝脏部分剔除：
26.(1)统计分类小图像中的非黑色的4连通区域种类和数量，对不同的区域打上标签，区域1，区域2，区域3，
…
，计算各个区域落在先验形态区域内部和边缘的像素数量，并计算每一小块区域落在先验形态中的比例，设置两个比例临界值t1和t2；
27.(2)其中，大于临界值t1的小区域认定是肝脏，标志置为有效；比例大于临界值t2，小于t1的区域认定是混合区域，只保留和先验形态重叠的部分；比例小于t2的区域认定是非肝脏区域，去除该区域。
28.优选地，t1过大，会丢失部分肝脏区域；t2太小，无法较为准确的去除无关区域，本技术选取t1＝0.5，t2＝0.2，。
29.优选地，依次处理好每个缩域图像，获得了每张小图像的肝脏区域后，将其拼接融合；
30.填充中间空洞的肝脏区域,得到完整的肝脏区域，本技术采用先验更新地图：
31.在先验更新地图中，先验形态图像中的边缘位置的值设为0，所围的肝脏区域的值设为
ꢀ‑
1，外围非肝脏区域设为1，缩域触动时将其覆盖的区域设为0，通过先验更新地图一是记录和区分肝脏，边缘、非肝脏区域，便于后续处理；二是在处理缩域中影像时，需要通过记录未被缩域处理的肝脏内部区域实现最后的区域填充，在填充过程中，这部分区域已标记为-1 且不变，直接对先验更新地图值为-1的像素进行填充，得到最后分割出的完整肝脏区域；
32.经上面处理后得到的影像，最大的连通区域认定是肝脏，去除整张图像的非肝脏部分, 得到最后的分割结果。
33.优选地，mri序列影像的分割：采用前一张影像的分割结果作为下一张影像的先验知识进行分割，自适应获取下一张影像肝脏的大致位置和轮廓信息，无须手工标注即实现下一张影像的自适应分割。首先读入一组序列影像中的一张影像，对其手动进行先验轮廓提取，在对这张影像进行缩域触动模糊簇类，得到最后的分割结果后，通过canny算子进行边缘提取，得到的边缘曲线作为下一张序列图的先验轮廓，进行分割；
34.本技术选择序列中间的一张影像作为第一张读入，对其手动提取先验轮廓，然后将其分割结果作为先验知识，向前后两边进行自适应分割，减少整体分割误差。
35.优选地，基于空间关联信息的模糊簇特征分割：在mri影分割过程中加入空间邻域信息，提高分割精度，首先定义一个空间多维函数：
[0036][0037]
其中ω(xj)是空域中像素xj的邻域，u
ik
是像素xk对第i类的隶属度；空间多维函数h
ij
是像素xj属于第i类的可能性，如果一像素邻域中大部分像素属于同一簇类中，则该像素对于这个簇类的空间多维函数也较大，对于噪声点，空间多维函数通过邻域像素来降低噪声的权重；
[0038]
用空间多维函数h,对隶属度进行更新，如式2：
[0039][0040]
其中，参数p＝0，q＝2时簇类结果最优，利用邻域信息减少噪声影响。
[0041]
优选地，三维病灶重建：将二维序列mri图像视作一个三维数据场，一张影像上组成最小正方形的四个点像素和下一张影像对应的四个点组成一个维质立方体，提取等值面后，根据等值面和立方体的交点以及每个顶点与等值面的相对位置，按照关联搜索的方式将立方体分为不同的类，然后通过插值计算求出立方体与等值面的交点，最后按规则将这些交点连接起来，形成肝脏病灶三维表面，具体步骤如下：
[0042]
第一步：构造三维数据场：序列二维mri影像依次排列，将图中的每个像素映射为三维空间点，每个像素点就是立体空间的体素，且每个体素都有对应的密度值，构成三维数据场；
[0043]
第二步：关联搜索：邻近层上下对应的8个顶点组成的一个立方体构成一个维质，每个顶点体素值不等的为活动维质，8个顶点体素值相等的为非活动维质；设定临界值，判断立方体维质的每个顶点大于还是小于临界值，然后根据每个点的状态关联搜索，确定该维质属于下列的状态以及与三角等值面的交点，以得到三角片三个顶点的边号；
[0044]
第三步：求维质与三角等值片交点坐标和法向量：当三维数据场的密度较高，即体素很小时，假定维质边上的数值成线性变化。由上一步得到的三角片顶点的边号，直接在该边上进行线性插值获得三角片顶点坐标，用中心差分法计算该边的两个顶点处的梯度值，再将这两个梯度值线性插值法得到三角面片顶点处的法向量。
[0045]
第四步：利用求得各三角面片上各个顶点的坐标及法向量绘制等值面影像，基于vtk方法平台，对三维序列影像分割后的影像进行重建。
[0046]
与现有技术相比，本技术的创新点和优势在于：
[0047]
(1)本技术提出了基于先验知识的触动缩域模糊簇特征分割方法，对于肝脏序列影像实现快速半自适应分割，针对序列影像特征，利用先验轮廓知识更新后续影像中肝脏大致位置、大小的自适应获取，并追踪肝脏形态的变化，完成自适应分割，模糊簇特征分割方法结合空间邻域信息，降低对噪声的敏感性，并且缩域处理的方式对局部边缘区域进行分割处理，有效解决肝脏整体灰度不均的问题，同时减少运算区域面积，在加快速度的同时，也能减少周围邻近器官误分割的面积，利用先验形态地图的信息，通过先验知识对下一张图像的分割进行约束，并且能较好的实现内部区域的自适应填充。因此，本技术改进方法能够结合少量的人工操作实现对肝脏核磁肝脏序列影像的半自适应分割，达到较为准确的分割效果，能够将肝脏病变区域、解剖结构等感兴趣区域分割出来，更加清晰、直观的展现给医生，提高了诊断准确度，对于肝脏医学影像的应用有着非常重要的意义。
[0048]
(2)本技术针对肝脏磁共振影像的分割进行改进，在对mri序列图像的基础上，实现了对肝脏器官的高精度三维重建。创新点包括：一是针对mri序列影像前后帧差异不大的特征，提出一种基于先验形态的缩域触动模糊簇特征分割方法，利用上一张图像分割结果的轮廓作为下一张影像分割的先验知识，规避对整张图像的处理，快速确定下一张影像中肝脏的位置和大小，只需在第一张图像上手工勾勒出初始轮廓就能完成后续影像的自适应
处理，减少人工干预，使序列影像分割的自动化程度提高；采用先验形态地图和设置比例临界值，剔除每个缩域中非肝脏部分，保留肝脏区域，并且先验形态地图辅助对肝脏内部区域进行自适应填充，完成肝脏影像的准确分割,提高分割精度；二是利用缩域触动处理的方式，减少需要处理的数据，提高运算速度，满足方法实时性要求。并且缩域触动处理是对影像进行局部分割，而不是基于整体灰度分割的，能够解决肝脏区域灰度不均问题，只对缩域处理，减少误分割进来的邻近器官的面积。三是在序列影像分割的基础上，实现基于vtk的肝脏三维重建与可视化，无论是对实际临床应用还是对教学研究，都能发挥巨大的作用。
[0049]
(3)本技术基于对磁共振影像原理和腹腔肝脏结构特征的分析，解决了肝脏磁共振影像的特征和分割难点：一是有效降低了磁共振成像设备噪声带来的困难，这对于高清三维病灶的肝脏mri影像实现有重要作用；二是克服了成像过程存在的不均匀磁场以及医学影像的容积不均现象，不会造成灰度不均现象，肝脏区域的一致性好；三是专门针对腹腔中内脏器官复杂且多，肝脏和胃、脾等器官邻近，亮度差异较小，设计了区分方法；四是针对肝脏本身是一个弱边缘器官，设计了地图引导的分割方法；解决这些问题后，肝脏mri影像分割质量明显提高，鲁棒性好，分割步骤简化，具备大规模推广运用的价值和前景。
[0050]
(4)本技术基于肝脏mri影像灰度不均、邻近组织灰度相近以及噪声特征，提出一种改进的基于先验形态的缩域触动模糊簇特征分割方法，首先人工提取序列图中某一张影像的肝脏轮廓，自适应拟合成初始轮廓线作为该张影像的先验形态，然后自动在轮廓线上均匀选取样点，并以每个样点为中心生成对应大小的矩形框，分别对每个矩形区域进行基于空间关联信息的模糊簇特征分割，取出非肝脏区域，将每一段曲线连在一起，构成肝脏形态轮廓，并将其作为下一张序列图的先验形态输入，进而自适应完成后续序列的分割；结合vtk开源程序库，对mri序列图像进行肝脏病灶三维重建，为构建肝脏三维模型，实现肝脏影像高清实时可视化提供了重要的基础，也为肝病的辅助诊断、治疗以及手术规划等提供了快速准确诊断的重要依据。
附图说明
[0051]
图1是mri影像及其对应灰度直方图。
[0052]
图2是本技术选取一组序列图的不同阶段的分割对比图。
[0053]
图3是基于先验形态的缩域触动模糊簇特征分割流程图。
[0054]
图4是初始手动获取的边缘点序列进行插值和曲线拟合示意图。
[0055]
图5是提取肝脏轮廓并采样的先验形态地图示意图。
[0056]
图6是矩形窗口内的局部图像进行小窗口簇类示意图。
[0057]
图7是结合先验更新地图的分割结果示意图。
[0058]
图8是加小窗口后先验更新地图示意图。
[0059]
图9是结合先验知识进行肝脏mri影像分割示意图。
[0060]
图10是本技术三组方法的实验分割结果效果对比图。
[0061]
图11是肝脏mri影像缩域分割与三维病灶重建效果图。
[0062]
具体实施方法
[0063]
下面结合附图，对本技术提供的肝脏mri影像缩域分割与三维病灶重建方法的技术方案进行进一步描述，使本领域技术人员能够更好的解析本技术并能够予以实施。
[0064]
肝脏是人体重要的内脏器官，是人体机能正常运行的重要保障。肝脏的解剖结构以及病理研究等有重要的医学意义。随着医学影像技术的快速发展和广泛应用，医生能够通过无侵入方式对人体腹腔内部的肝脏进行观察，及时在早期对肝脏进行诊断治疗。其中，肝脏影像分割是其首要环节，为构建肝脏三维模型，实现医学影像可视化提供了重要的基础，也为肝病的辅助诊断、治疗以及手术规划等提供了重要依据。
[0065]
本技术提出一种改进的肝脏磁共振序列影像自适应分割方法，主要包括：
[0066]
(1)针对医学mri影像灰度不均、邻近组织灰度相近以及噪声特征，提出一种改进的基于先验形态的缩域触动模糊簇特征分割方法，通过人工勾勒一张序列图像的先验轮廓，建立矩形缩域，降低运算量，利用先验形态进行分割，分割结果作为先验信息再用于下一张图像的处理,实现肝脏mri序列化影像的快速分割。
[0067]
(2)从分割精度和时间效率两个方面对改进的方法进行评估,其在分割精度和速度上都有较好的效果。在分割方法的基础上，结合vtk开源程序库，对mri序列图像进行肝脏病灶三维重建。
[0068]
一、基于空间关联信息的模糊簇特征分割
[0069]
现有技术的mri影像分割方法只考虑了影像的灰度信息来进行簇类分割，忽略了影像的空间关联信息，没有利用邻近像素之间的关系，并不能很好的处理含有噪声的影像。影像有一个重要的特征就是邻近的像素是高度相关的，即影像中邻近的像素具有相近的特征值，属于同一类的概率也较大，基于这一特征，本技术在mri影分割过程中加入空间邻域信息，提高分割精度，首先定义一个空间多维函数：
[0070][0071]
其中ω(xj)是空域中像素xj的邻域，u
ik
是像素xk对第i类的隶属度；空间多维函数h
ij
是像素xj属于第i类的可能性，如果一像素邻域中大部分像素属于同一簇类中，则该像素对于这个簇类的空间多维函数也较大，对于噪声点，空间多维函数通过邻域像素来降低噪声的权重；
[0072]
用空间多维函数h,对隶属度进行更新，如式2：
[0073][0074]
其中，参数p＝0，q＝2时簇类结果最优，利用邻域信息减少噪声影响。
[0075]
(一)初始簇类中心和簇类数的设置
[0076]
本技术结合mri影像灰度直方图选取簇类数和初始簇类中心，图1中，灰度直方图中数目最多的灰度是背景区域，分布在0至10，肝脏的灰度直方图分布在100至200，跨度较大，起伏较慢，并且与其它区域有交叉部分。
[0077]
本技术要提取出目标肝脏的区域，考虑两种方案：
[0078]
(1)分为两类，目标和背景两类,初始簇类中心为10、150。
[0079]
(2)分为三类，背景，腹腔非肝脏区域，肝脏区域，初始簇类中心为10、100、200。
[0080]
本技术选取一组序列图的不同阶段的分割对比如图2。第一行是同一序列不同阶
段的原图，第二行是对应的用模糊簇特征分割聚两类分割的结果，第三行是对应的用模糊簇特征分割聚两类分割的结果由对比图可看出，分为两类的情况时，易产生欠分割，肝脏与其邻近区域灰度相近的组织难以分割开，分为三类时，虽然肝脏与其邻近区域灰度相近的组织能够较好的分割开，但又产生了过分割，肝脏左下部分灰度较暗的部分又被分出去了，这是由于肝脏内部灰度近似缓慢降低，而周围毗邻的胃、脾等区域与肝脏灰度相近，甚至灰度部分有交叉重叠。由于只考虑了灰度信息，而对于复杂的腹部肝脏影像，并不能只依靠其灰度把肝脏和其它部分划分开来，并且由于其灰度分布的复杂性，对整幅影像做全局的模糊分割是难以获得较好的效果的。
[0081]
二、基于先验形态的缩域触动模糊簇特征分割
[0082]
对与整幅影像的全局分割，由于肝脏本身灰度不均性以及肝脏与邻近组织无论是分为两类还是分为三类，都无法较好的分割出肝脏部分，针对这种情况，本技术提出一种基于先验形态的缩域触动模糊簇特征分割方法，首先人工提取序列图中某一张影像的肝脏轮廓，自适应拟合成初始轮廓线作为该张影像的先验形态，然后自动在轮廓线上均匀选取样点，并以每个样点为中心生成对应大小的矩形框，分别对每个矩形区域进行基于空间关联信息的模糊簇特征分割，取出非肝脏区域，将每一段曲线连在一起，构成肝脏形态轮廓，并将其作为下一张序列图的先验形态输入，进而自适应完成后续序列的分割。流程图如图3。
[0083]
只对每个小矩形窗口分别进行模糊簇特征分割方法，局部分割并结合先验形态，提高精度,大幅减少运算量,并且完成后续序列的自适应分割,提高运算速度。
[0084]
(一)提取肝脏轮廓并采样
[0085]
首先手动在初始图像上沿肝脏边缘选取若干点,作为人工先验信息,如图4。
[0086]
由于点较为稀疏，直接用直线连接会造成先验形态与实际形态相差太远影响分割效果，因此本技术对初始手动获取的边缘点序列进行插值和曲线拟合，采用三次样条曲线拟合光滑的轮廓。图4中，大点是手动选取的点，小点是插值点。插值后得到较为密集的边缘点序列后，通过直线拟合，得到闭合的单像素的初始先验肝脏轮廓。
[0087]
为方便后续使用，本技术将先验形态图像中的边缘位置设为0，所围的肝脏区域的值设为-1，外围非肝脏区域设为1。得到的先验形态地图示意图如图5。
[0088]
得到先验形态的初始轮廓，然后通过边缘遍历，每隔若干个像素取个边缘点进行采样。得到边缘采样序列。
[0089]
(二)缩域触动模糊簇类
[0090]
获得先验初始轮廓的边缘采样点，再以每个采样点为中心生成n
×
n的矩形窗口。
[0091]
缩域把边缘都覆盖上，如果选取太大，会把灰度不均匀的大块区域以及其它脏器包含进来，使误分割变大；如果取的太小，采样点的密集度就要提高，计算量会增大，并且边界是模糊的，先验形态和真实边缘又有一定的距离差距，可能无法有效地覆盖边缘。经实验，本技术选取窗口大小为39
×
39，依次对矩形窗口内的局部图像进行簇类，结果如图6。
[0092]
图6中，第一行是原图，第二行是分割后的图像，可以看到，由于其它脏器离肝脏边缘较近,小图像簇类结果包含其它非肝脏的区域,甚至会与肝脏区域粘连，对此，本技术结合小图像所在位置的先验形态地图对非肝脏区域进行剔除。
[0093]
首先每一个缩域簇类后得到的结果不止一个区域，其中肝脏的区域也不止一个，并且有的区域既包含肝脏部分也包含非肝脏混合区域，既要剔除多余的区域，也要保留全
部的肝脏区域，并且要将混合区域中的非肝脏部分剔除：
[0094]
(1)统计分类小图像中的非黑色的4连通区域种类和数量，对不同的区域打上标签，区域1，区域2，区域3，
…
，计算各个区域落在先验形态区域内部和边缘的像素数量，并计算每一小块区域落在先验形态中的比例，设置两个比例临界值t1和t2；
[0095]
(2)其中，大于临界值t1的小区域认定是肝脏，标志置为有效；比例大于临界值t2，小于t1的区域认定是混合区域，只保留和先验形态重叠的部分；比例小于t2的区域认定是非肝脏区域，去除该区域；
[0096]
这里比例临界值的选择十分重要，如果t1过大，可能会丢失部分肝脏区域，如果t2太小，可能无法较为准确的去除无关区域。经过实验，本技术选取t1＝0.5，t2＝0.2，此时效果最佳。
[0097]
依次处理好每个缩域图像，效果图如图7，可以看到，能够较好地获得肝脏分割区域。第一行是原图，第二行是分割后的图像，第三行是经过上述处理后得到的图像,可以看到，这种方法能够较好的去除多余的非肝脏部分区域。
[0098]
获得了每张小图像的肝脏区域后，将其拼接融合。
[0099]
为得到完整的肝脏区域，填充中间空洞的肝脏区域,由于肝脏中血管等原因，拼接后的肝脏边缘区域不一定闭合，有可能是断开的，不能直接进行区域填充。本技术采用先验更新地图，如图8。
[0100]
在先验更新地图中，先验形态图像中的边缘位置的值设为0，所围的肝脏区域的值设为
ꢀ‑
1，外围非肝脏区域设为1，缩域触动时将其覆盖的区域设为0，通过先验更新地图一是记录和区分肝脏，边缘、非肝脏区域，便于后续处理；二是在处理缩域中影像时，需要通过记录未被缩域处理的肝脏内部区域实现最后的区域填充，在填充过程中，这部分区域已标记为-1 且不变，直接对先验更新地图值为-1的像素进行填充，得到最后分割出的完整肝脏区域。
[0101]
经上面处理后得到的影像，最大的连通区域认定是肝脏，去除整张图像的非肝脏部分, 得到最后的分割结果。这种方法能够在复杂的影像中较好的分割出肝脏部分，并且由于只对缩域中的影像进行分割，运算速度快。
[0102]
(三)mri序列影像的分割
[0103]
由于序列图的前后两张影像的肝脏区域差别不大，本技术采用前一张影像的分割结果作为下一张影像的先验知识进行分割，自适应获取下一张影像肝脏的大致位置和轮廓信息，无须手工标注即实现下一张影像的自适应分割。首先读入一组序列影像中的一张影像，对其手动进行先验轮廓提取，在对这张影像进行缩域触动模糊簇类，得到最后的分割结果后，通过canny算子进行边缘提取，得到的边缘曲线作为下一张序列图的先验轮廓，进行分割，如图9。
[0104]
由于上一张的分割结果会对下一张影像的分割结果造成影响，为减少层间累积误差，本技术选择序列中间的一张影像作为第一张读入，对其手动提取先验轮廓，然后将其分割结果作为先验知识，向前后两边进行自适应分割，减少整体分割误差。
[0105]
三、实验结果分析
[0106]
数据来源：北京协和医院放射科，图像大小512*512，选取十组序列图像进行结果分析，并与手工分割结果作对比。分析对比几种方法的分割精度和分割时间。
[0107]
(一)模糊簇特征分割、基于先验形态的缩域触动模糊簇特征分割的分割结果
[0108]
为了能够实现序列影像的快速自适应分割,在模糊簇特征分割中都是将上一张图像最终分割得到的簇类中心作为下一张序列影像的初始簇类中心，以减少迭代次数，提高运行速度，然后利用区域增长法，保留面积最大区域，最后得到肝脏区域。基于先验形态的缩域触动模糊簇特征分割方法都是采用上一张图像的先验知识进行分割,为减少误差累计,本技术选择将一组影像里中间的图像作为第一张图像开始进行分割，并将其结果作为先验知识，向着两边的图像继续自动分割。如图10中分割结果效果对比。
[0109]
由图10可知，模糊簇特征分割方法由于无法对灰度不均现象进行处理，会将肝脏中灰度较暗的部分分割出去，对肝脏的完整性造成影响。并且部分肝脏影像与周围亮度相近的区域粘连较严重，不能很好地分离开，产生了较大的误分割。并且越到后面的图像，肝脏区域越小，产生的误分割越大，方法基本失效。
[0110]
相比较而言，本技术改进的方法分割更加准确，误分割区域比较少。能够较好的将肝脏与周边邻近的器官及组织等亮度相近的区域分开，并且由于是对边缘的局部区域依次单独处理，受影像中灰度不均的影响较小。
[0111]
本技术改进方法由于使用了先验形态信息，能够在影像区域中自适应确定肝脏的位置，无需再使用区域生长等其它方法获取肝脏区域，快速准确。并且序列影像越到后面,肝脏影像越小，直至没有。在这种情况下，模糊簇特征分割很难利用区域生长法得到分割区域的肝脏信息，此时模糊簇特征分割方法失效。而本技术的改进方法在这种情况下，依然能够较好的分割出肝脏部分。当出现过分割，将邻近的脾等部分当作肝脏后，会对后面的分割也产生影响。
[0112]
本技术方法由于只对边缘上的缩域进行了处理，能够大幅减少误分为肝脏的区域面积。
[0113]
(二)模糊簇特征分割、基于先验形态的缩域触动模糊簇特征分割的精确度对比
[0114]
分别对si、rdd、rod等参数做了分析比较，前者为模糊簇特征分割方法的相关参数值构成的折线图，后者为改进的基于先验形态的缩域触动模糊簇特征分割方法的参数折线图。从相近性指数si的折线图中可知，前者在0.76至0.94之间浮动，并且越往后，其值基本呈下降状态分布。后者在0.9至0.98之间浮动，分布比较均匀。从相对差异度(rdd)的折线图来看，前者在-0.4至0.4间呈总体下降趋势，后者在前段部分基本处于-0.02至0.07之间，小幅度变化，到后段部分在-0.21至0之间变化。在相对重叠度(rod)折线图来看，前者在0.5 至0.9之间变化，后者在0.8至0.97之间变化。并且两者在前段曲线中呈小幅度浮动变化，后半段呈较大下降变化。相比较而言，模糊簇特征分割的si、rod指数整体比基于先验形态的缩域触动模糊簇特征分割方法低，rdd指数整体比后者高，说明后者整体精度要大于前者。并且前者的曲线下降区域和速度都比后者大，说明后者的分割精度比前者稳定。总体来说，本技术的改进方法无论是在分割精度还是分割稳定性上，都在模糊簇特征分割方法的基础上有了很大提高。
[0115]
相对于模糊簇特征分割方法，本技术方法运算速度有了很大的提高。由于本技术方法只对整张图像中的缩域图像进行了分割运算，运算数据小，因此速度得到了提高。本技术方法分割一张图像所需的平均时间是0.97s，能够满足分割的实时性要求。
[0116]
综合试验结果分析可知，本技术改进方法相对于模糊簇特征分割在分割精度、稳
定性、以及速度方面都有了很大的提高。
[0117]
四、三维病灶重建
[0118]
将二维序列mri图像视作一个三维数据场，一张影像上组成最小正方形的四个点像素和下一张影像对应的四个点组成一个维质立方体，提取等值面后，根据等值面和立方体的交点以及每个顶点与等值面的相对位置，按照关联搜索的方式将立方体分为不同的类，然后通过插值计算求出立方体与等值面的交点，最后按规则将这些交点连接起来，形成肝脏病灶三维表面，具体步骤如下：
[0119]
第一步：构造三维数据场：序列二维mri影像依次排列，将图中的每个像素映射为三维空间点，每个像素点就是立体空间的体素，且每个体素都有对应的密度值，构成三维数据场；
[0120]
第二步：关联搜索：邻近层上下对应的8个顶点组成的一个立方体构成一个维质，每个顶点体素值不等的为活动维质，8个顶点体素值相等的为非活动维质；设定临界值，判断立方体维质的每个顶点大于还是小于临界值，然后根据每个点的状态关联搜索，确定该维质属于下列的状态以及与三角等值面的交点，以得到三角片三个顶点的边号；
[0121]
第三步：求维质与三角等值片交点坐标和法向量：当三维数据场的密度较高，即体素很小时，假定维质边上的数值成线性变化。由上一步得到的三角片顶点的边号，直接在该边上进行线性插值获得三角片顶点坐标，用中心差分法计算该边的两个顶点处的梯度值，再将这两个梯度值线性插值法得到三角面片顶点处的法向量。
[0122]
第四步：利用求得各三角面片上各个顶点的坐标及法向量绘制等值面影像，基于vtk方法平台，对三维序列影像分割后的影像进行重建，三维病灶效果图如图11。
[0123]
由得到的重建模型可以看到，本技术能够较好的绘制肝脏的表面大小、形态等信息,直观展现肝脏的立体模型。