[发明专利]一种新的前列腺超声图像分割方法

说明书

技术领域

本发明涉及一种图像分割技术，特别是涉及前列腺超声图像分割技术，属于计算机图像处理领域。

背景技术

在国内，已经有一些研究组对TRUS图像的分割进行了研究。早在2003年，东南大学罗立民教授就提出了一种超声波多尺度非线性的自适应边界检测方法。该方法首先对超声图像进行多尺度分解，然后用非线性软阈值法抑制斑点噪声之后用小波变换重建图像最后使用基于“窄条”的线性边界检测方法对已经降噪的图像进行处理。但由于区域增长过程的时间开销，其计算量较大。北京交通大学阮秋琦教授提出了一种提出了一种超声图像去噪与边缘增强算法：可以在去除噪声的同时，保持重要的边缘、局部细节和超声回声亮条。虽然对抑制噪声增强边界有较好的效果,但没有将其应用到对图像的分割和边缘检测中。由于超声图像信噪比低、斑点噪声强烈，上述单纯的图像增强与边缘检测方法难以取得较好的效果。

研究人员致力于结合图像特点和领域知识，以期达到较为理想的分割效果。超声图像的纹理特性是人们在研究中使用的先验知识之一。人们也尝试了多种方法来利用该特征以帮助前列腺自动分割。此外，活动表现模型（Active Appearance Model）具有把纹理信息嵌入到形状模型中的特点，也展现出了在TRUS图像分割中的潜力。此外，局部二值模式（Local Binary Pattern）提取纹理特征也广泛应用到了超声图像分割中。2010年，哈尔滨工业大学唐降龙教授提出了一种结合全局概率密度差异与局部灰度拟合的主动轮廓模型对超声图像进行分割的方法。该方法分别在原始超声图像与预处理图像上利用了图像的全局和局部信息。在原始图像上，利用各区域的灰度分布，并结合超声图像的背景知识对图像的全局信息建模。上述方法都取得一定效果，然而它们均没有很好的利用超声图像有别于自然图像的一些固有特点，因此在实际应用中，其性能都受到一定限制。首先，前列腺超声图像中，斑点噪声的大小并非一成不变，而是随着其与超声探棒间的距离变化而变化。这一特性并没有在目前主流的特征提取算法中得到体现并加以利用。其次，超声图像中的斑点还拥有自身的角度，且角度并非随机分布，而呈现出一定规律性，因此，直接使用Gabor 滤波对于进行提取是不合适的。Shen等人的方法考虑到了Gabor滤波的旋转变化特性，但并没有进一步与斑点的旋转结合起来，因此其性能也受到一定限制。在2006年，Zhan等人也使用了Gabor 滤波，并将其扩展到了3D超声图像的分割中。

另一个重要的先验知识是前列腺的形状特性。最初，前列腺的形状被视为超椭圆，通过对齐进行各种变换，来与目标轮廓拟合。英属哥伦比亚大学Badiei等人于2006年提出了一种需要人工初始化，使用超椭圆拟合来寻找前列腺边缘的方法。该种方法简单高效，对一般形状的前列腺有较好的效果，而对于形变比较严重，形状不规则的目标，则难以达到理想的效果。因此，一种更灵活的统计形状模型获得了研究人员较大的关注，并给出了较好的分割结果。然而，大多数方法假设前列腺形状模型服从高斯分布。2007 年，南京理工大学夏德深教授提出了一种先验形状参数活动轮廓模型。该模型通过引入一种非距离性的先验形状力场，构建一种新的能反映先验形状的参数活动轮廓模型，新的先验形状活动轮廓模型避免了。曲线之间距离的计算，减少了模型的复杂性，同时可以很好的利用分割目标的先验形状信息。但是该模型在处理图像之前依然需要人工定义活动轮廓模型的初始曲线。飞利浦北美研究院Yang 等人于2010年提出了一种新的思路，使用部分活动轮廓模型（Partial Active Shape Models）来处理边界丢失的问题，使用在结合离散可形变模型（Discrete Deformable Model）进一步对分割结果求精。该方法使用未经预处理的图像，没有进一步挖掘图像中蕴含的信息（如纹理特性）。此外，该方法对目标形状的建模基于主成分分析（Principal Component Analysis），只能去除训练集中不同维度的线性相关性，对于现实数据存在的普遍相关相关性难以彻底去除，故对于并不符合高斯分布的前列腺形状难以取得很好的效果。在水平集分割框架下结合形状模型的方法也面临类似的问题。如Tsai等人在中直接将主成分分析应用到向量化的曲面演化隐函数上，虽然取得了较好的效果，但是由于向量化的符号距离范数维度过高，模型的局限性更大。能够逼近任何分布的非参数核密度估计模型也被引入到医学图像分割领域，但目前这类方法由于没有很好地结合超声图像和临床应用本身的领域知识，因此大都需要人工干预初始化才能达到要求的精度，大大限制了其进一步应用和扩展。