[发明专利]一种基于主动轮廓模型分割乳腺DCE-MRI病灶的方法

说明书

技术领域

本发明涉及医学影像分割技术领域，特别涉及一种基于水平集理论的快速可靠分割乳腺动态对比增强磁共振影像序列中三维病灶的主动轮廓模型方法。

背景技术

近年来，乳腺DCE-MRI扫描已经成为一种检测乳腺疾病最具潜力的影像技术之一，在早期乳腺癌的临床诊断和医学研究中发挥着重要的作用。同时，基于DCE-MRI的计算机辅助诊断（computer aided diagnosis,CAD）系统因其能够检出病灶继而生成有意义的诊断建议，能够辅助放射科医师提高诊断效率减轻诊断工作量，已被逐渐应用到临床实践中。精确可靠的病灶分割不仅标志着病灶的检出，而且制约其后形态学特征、纹理特征和血流动力学特征提取的精度进而影响诊断结论的正确性，因此病灶分割是CAD的基础环节。临床中，医师通常依据经验手工分割病灶，该过程繁琐、存在主观性、可重复性差，且不易实现三维分割也无法形成病灶完整的空间立体表示，所以实现高效的乳腺DCE-MRI三维病灶分割功能以提高CAD系统的可操作性及诊断性能势在必行。

由于主动轮廓模型对具有噪声和边界间隙的图像具有较强的鲁棒性，可得到光滑连续的目标边界，且边界表达能够达到亚像素级精度等特点被广泛应用于解决乳腺DCE-MRI病灶分割问题。其中，Jiazheng Shi等人在他们乳腺肿瘤治疗反馈估计的研究中，将模糊C聚类和水平集方法结合来分割病灶，模糊C聚类获得演化初始轮廓并作为一项外力来控制水平集演化。L.Bahreini等人利用梯度矢量流方法分割二维乳腺病灶，梯度矢量流是一种参数主动轮廓模型，分割过程需调节大量参数，因此若应用于临床，将对人工理论知识要求较高。Shannon C.Agner等人提出了一种混合主动轮廓模型方法分割二维病灶，该算法结合流形学方法将图像空间转换到谱空间以改善病灶在原始空间中边缘模糊的问题，由于计算谱空间中的张量梯度耗时长，会限制其处理复杂影像的实时性。此外，多数基于主动轮廓模型的方法中为了保证算法数值计算的稳定性，曲线或曲面演化过程中需要重复进行符号距离函数初始化工作，耗时长，这很大程度上限制了算法的实时性应用。

总结目前动态对比增强乳腺磁共振影像病灶的分割研究，可发现存在以下几个难点：（1）病灶与正常组织毗邻，且病灶边界存在模糊，若不能有效区分，分割容易引起边界泄漏现象；（2）病灶内部灰度分布多样，这是进行病灶分期及诊断的有效信息，不具有一致的统计特征，常规建模往往不能涵盖病灶的全面情况；（3）病灶形状多样，无法利用基于先验形状的方法对其进行分割；（4）为获得病灶全面立体的空间信息，三维角度分割十分必要，然而DCE-MRI影像数据量大，不合理的分割过程会造成分割运算的时间长效率低。因此在考虑病灶多样性分布并有效建模正常组织基础上，进行病灶三维快速自动分割系统的研究是非常必要的。

鉴于上述原因，本发明统计分析了影像中病灶周围正常组织的灰度分布和病灶内部的灰度分布，发现：病灶周围正常组织灰度分布具有一致性而病灶内部灰度分布多样。这一DCE-MRI影像表征的统计分析结果与病理学解释相吻合：乳腺癌DCE-MRI扫描的病理学基础研究指出，肿瘤的生长依赖于肿瘤内血管的生成，肿瘤内脉管系统往往比正常组织更具有渗透性，当对比剂进入静脉后，会因为不同性质的肿瘤间血管的生成、微血管密度、肿瘤内毛细血管的通透性和组织细胞外间隙的不同而在影像中反映出不同的灰度分布，而正常组织则不会具有这种多样的变化。在上述病理学研究的有力支持下，我们发明了一种基于乳腺DCE-MRI背景信息的主动轮廓模型方法分割乳腺三维病灶。

发明内容

本发明提供了一种基于主动轮廓模型分割乳腺DCE-MRI病灶的方法，所要解决的技术问题是，提供一种对操作者要求低、分割病灶性能可靠、基于水平集理论能够快速识别乳腺DCE-MRI病灶边界的主动轮廓模型方法。该方法只需操作者在病灶增强明显的断层影像中进行简单的框选操作，之后便可由系统自动快速分割出病灶，在二维断层影像上标记病灶和三维可视化显示病灶。

本发明的技术方案是：由MRI扫描设备获取乳腺DCE-MRI影像序列数据，影像预处理工作站对影像序列进行筛选，MRI影像存储服务器保存所有被检查者的影像序列，由MRI影像后处理工作站从影像存储服务器获取待处理的影像序列进行分析和计算得到病灶分割结果并显示在MRI影像后处理工作站的计算机显示屏上；在MRI影像后处理工作站中设置有人工选取感兴趣区域模块、自动获取减影后感兴趣体积模块、主动轮廓模型分割病灶模块和可视化显示病灶模块。