一種非均一性醫(yī)學圖像的分割方法
【專利摘要】本發(fā)明涉及一種非均一性醫(yī)學圖像的分割方法，該方法由以下步驟組成：先在待分割圖像上選擇前景種子點和背景種子點；然后，根據(jù)選擇的種子點集的灰度信息，估計出各個灰度歸屬于待分割圖像中前景或背景的概率，并映射到圖像的各個象素點，得到對應的概率密度分布圖；然后再分別以選擇的前景種子點和背景種子點為生長種子點，在對應的概率密度分布圖上以一個概率閾值為生長條件，執(zhí)行區(qū)域生長算法，得到自動生長后的前景種子點群和背景種子點群；最后，用得到的自動生長后的種子點群作為隨機游走算法的種子點，執(zhí)行隨機游走算法，得到最后的分割結果。本發(fā)明所述方法可降低對初始種子點的數(shù)量和位置敏感度，顯著提高非均一性醫(yī)學圖像的分割精度。
【專利說明】一種非均一性醫(yī)學圖像的分割方法【技術領域】
[0001]本發(fā)明涉及圖像分析，具體涉及醫(yī)學圖像的分割方法。
【背景技術】
[0002]隨著影像醫(yī)學的迅速發(fā)展，醫(yī)學圖像的分割對于臨床的診斷和治療都具有重要的意義。目前的圖像分割算法主要分為手動分割、交互式分割和全自動分割三類。手動分割比較耗時，且要求分割者具有豐富的經驗。全自動分割無需人工干預，通常比較適用于簡單均勻的圖像的分割，但是對于復雜多樣的醫(yī)學圖像的分割，通常分割的精度達不到臨床的需求。而交互式分割只需加入少量的人工干預，就能自動分割出較好的結果。為了滿足復雜的圖像的分割要求，通常交互式分割的使用較為廣泛。
[0003]基于圖論的圖像分割算法是目前使用最廣泛的交互式圖像分割算法之一，其中包括隨機游走算法(Random walker),圖切分算法(Graph cut)和最短路徑算法(Shortestpaths)等。此類算法的特點就是需要通過用戶在圖像上選擇幾類種子點，然后根據(jù)種子點提供的圖像信息，將圖像中所有像素點歸類到用戶選定的各類種子點，實現(xiàn)圖像的最終分割。此類算法有效地提高了圖像分割的精度，但此類方法對待分割圖像中目標內部的灰度差很敏感，目標的灰度差會導致目標中不同灰度的像素可能錯誤分割為不同的類別。非均一性圖像則正好存在這樣的灰度特征，從而導致該方法對非均一性的目標分割效果差。雖然該問題可以通過大量增加用戶選定的種子點數(shù)目來改善，但是此類方法在種子點很少的情況下不僅無法得到精確的分割結果，且分割結果的變化隨著初始種子點的變化非常嚴重，所以這必然導致分割的效率下降。尤其是非均一性三維目標的分割，將需要用戶在目標的每一個層面均選定種子點，這是很不現(xiàn)實的。事實上，非均一性圖像是臨床上的常見圖像，比如，許多人體結構多種組織構成，腫瘤不同區(qū)域在圖像中呈現(xiàn)不同的灰度信息等，這些都導致待分割圖像的目標呈現(xiàn)非均一性的特點。通常此類算法在非均一性圖像的分割中無法得到滿意的結果。
[0004]穆克等人于2012年公布的一種基于Mean Shift和隨機游走的圖像分割算法[穆克與程偉等(2012).〃基于Mean Shift和隨機游走的圖像分割算法.〃遼寧工業(yè)大學學報:自然科學版32 (I):27-30.]，該方法由以下步驟組成:(I)選擇前景種子點和背景種子點；
(2)采用Mean Shift算法對圖像進行預處理，將圖像劃分成一些同質區(qū)域，用同質區(qū)域作為節(jié)點進行隨機游走；(3)然后，利用馬氏距離定義區(qū)域之間的權值，對種子點進行改進，增加了輔助種子點；(4)利用輔助種子點和用戶標記的種子點進行隨機游走，進行同質區(qū)域的合并，實現(xiàn)圖像的最終分割。以上方法在一定程度上抑制了噪聲的干擾，削弱了用戶標記種子點的位置以及個數(shù)對隨機游走分割結果的影響，是用戶得到滿意的分割結果。但是該方法只是將同質區(qū)域作為節(jié)點，輔助種子點的生成也依賴于同質區(qū)域，所以在待分割目標為非均一性時，對目標區(qū)域的非同質區(qū)域仍不能實現(xiàn)很好的分割，仍然無法實現(xiàn)準確的分割。
【發(fā)明內容】
[0005]本發(fā)明所要解決的技術問題是提供一種非均一性醫(yī)學圖像的分割方法，該方法可顯著提高非均一性醫(yī)學圖像的分割精度。
[0006]本發(fā)明解決上述問題的技術解決方案是:
[0007]—種非均一性醫(yī)學圖像的分割方法，該方法包括以下步驟:
[0008](I)用戶在待分割圖像上的目標區(qū)域內選取前景種子點，目標區(qū)域外選取背景種子點，并獲取前景種子點和背景種子點的灰度信息；
[0009](2)根據(jù)步驟(1)所得到的灰度信息，分別讓前景種子點和背景種子點按以下方法進行自動生長:
[0010](A)采用下式(I)和(II)所示的概率密度估計的方法，估計每一灰度值的象素點的分布概率P(Ii/gs)，
[0011][0012]
【權利要求】
1.一種非均一性醫(yī)學圖像的分割方法，該方法包括以下步驟: (1)用戶在待分割圖像上的目標區(qū)域內選取前景種子點，目標區(qū)域外選取背景種子點，并獲取前景種子點和背景種子點的灰度信息； (2)根據(jù)步驟(1)所得到的灰度信息，分別讓前景種子點和背景種子點按以下方法進行自動生長: (A)采用下式(I)和(II)所示的概率密度估計的方法，估計每一灰度值的象素點的分布概率P(Ii/gs)，
【文檔編號】G06T7/00GK103793910SQ201410028478
【公開日】2014年5月14日 申請日期:2014年1月21日 優(yōu)先權日:2014年1月21日
【發(fā)明者】陳海斌, 周凌宏, 甄鑫, 王琳婧, 肖陽, 胡潔 申請人:南方醫(yī)科大學