[发明专利]一种三维图像中多器官的定位方法

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种三维图像中多器官的定位方法。

背景技术

快速、准确和稳定地定位人体器官在医学图像中的位置，通常是计算机辅助诊断的一个重要步骤。医学图像中的器官自动分割、器官结构(包括病灶)提取和量化分析等都取决于在复杂的医学图像准确地定位出各器官的所在位置。

医学图像中的器官定位方法，大致可以归为两类。第一类方法通常不需要任何先验的器官模型，而是搜索大量的医学图像作为训练样本，通过机器学习的方法来提取各个器官在图像中的特征，并根据这些特征来确定感兴趣的器官在一副未知图像中的位置[S.Seifert，A.Barbu，S.K.Zhou，D.Liu，J.Feulner，M.Huber，M.Suehling，A.Cavallaro，and D.Comaniciu，″Hierarchical parsing and semantic navigation of full body CT data，″Medical Imaging，vol.7259，p.725902，2009]。但是，由于医学图像中的人体器官差异和形态变化较大，尤其对于质地较柔软的三维器官图像(比如肝脏、脾脏等)，这类方法通常需要大量由人工勾勒出“金标准”的图像标本，来训练一个器官分类器从而定位感兴趣的器官位置。

第二类方法使用先验的人体内器官的形态、位置分布分模型(通常被称为参数模型)，通过寻找与未知图像“最匹配”的模型，来确定各个器官在该图像中的位置。这类方法通常又包括1)图像配准法[M.G. Linguraru，J.A.Pura，V.Pamulapati，and R.M.Summers，″Statistical4D graphs for multi-organ abdominal segmentation from multiphase CT，″Medical Image Analysis，vol.16，pp.904-914，May2012]、2)模型拟合的方法[J.H.Yao and R.M.Summers，″Statistical Location Model for Abdominal Organ Localization，″Medical Image Computing and Computer-Assisted Intervention-Miccai2009，Pt Ii，Proceedings，vol.5762，pp.9-17，2009]，但是这两种方法在对三维医学图像的处理中，通常速度比较慢，并且在对容易产生较大形变和较大位移的器官地位中，效果较差。(3)广义霍夫变换，是一种较为快速和稳定的定位图像中不规则形状的方法，也已经被应用到医学图像中的器官定位上[Q.Li，S.Katsuragawa，and K.Doi，″Improved contralateral subtraction images by use of elastic matching technique，″Medical Physics，vol.27，pp.1934-1942，Aug2000]，广义霍夫变换分别被用来定位人体的肋骨、脊椎骨和脑结构、心脏的位置。然而，值得注意的是，目前运用在器官定位中的广义霍夫变换，仅仅使用需定位的器官本身的形态模型，而抛弃了该器官与附近其他主要器官所构成的重要上下文信息。因此，当图像中出现局部形态相似的器官的时候，广义霍夫变换很容易出现定位误差。

发明内容

本发明解决的问题是提供一种三维图像中多器官的定位方法，同时使用需定位器官本身的形态信息以及其与其它器官之间的相对位置关系信息，能快速、准确和稳定地定位出图像中的器官的位置。

为了解决上述问题，本发明提供了一种三维图像中多器官的定位方法，包括：

基于器官模板训练的方法，构建任一所述器官的边界点相对于所有所述器官质心位置的偏移量的共存广义霍夫变换查找表；

输入所述三维图像，确定所述三维图像中所有器官的边界点的位置和梯度；

根据所述边界点的位置和梯度以及所述查找表，确定所述三维图像中各个器官的质心位置，即确定所述三维图像中各个器官的位置。

上述所述的三维图像中多器官的定位方法，其中，构建所述查找表的过程如下：