[发明专利]结合感兴趣区域和GrowCut算法的3D自动脑胶质瘤分割方法

说明书

技术领域

本发明属于图像分割技术领域，具体涉及一种结合感兴趣区域GrowCut算法的3D自动脑胶质瘤分割方法。

背景技术

脑胶质瘤是中枢神经系统最常见的恶性肿瘤。手术切除联合术后放化疗是目前治疗脑胶质瘤的标准方案。其中手术切除对于脑胶质瘤患者的预后有决定性作用，特别是最大范围的安全切除已经成为世界神经外科的共识。磁共振（MRI）导航能够有效指导脑胶质瘤的手术开展，提高脑胶质瘤的切除程度，特别是T2-Flair序列影像，基于这一部分进行脑肿瘤的分割，对于术前计算肿瘤体积、术后判断肿瘤复发具有重要诊断价值。此外，基因组学研究的进展推动了脑胶质瘤分子病理的发展，基于影像学的分子水平判断有助于指导患者个体化诊疗，利用MRIT2-flair图像进行脑胶质瘤的分割，也是后续配准、特征提取、分类和病理脑图集重建^[7]的基础和关键步骤。

由于脑胶质瘤的位置、形状和图像强度多样，且大脑具有复杂的结构，如灰质、白质和脑脊液等，准确和快速的分割成为一个具有挑战性的任务。人工标定脑胶质瘤，需要在连续的横断面图像上进行标注，非常耗时，并且依赖于使用者的经验。现有的半自动的方法，如水平集^[7]和对称性分析方法，需要先验的关于脑胶质瘤大体位置的知识。全自动的方法，如部分区域生长、分水岭，是基于半监督替代机制实现准确分割的。基于脑图集的方法，在分割脑胶质瘤横跨正中矢状面时失效。

针对分割的难点以及半自动和自动方法的缺陷，本文提出一种结合感兴趣区域和GrowCut算法的3D自动脑胶质瘤分割的方法。它不需要关于脑胶质瘤位置的先验知识，即使脑胶质瘤横跨正中矢状面，也能够进行准确分割。

发明内容

本发明的目的是提出一种分割准确、快速的自动分割脑胶质瘤的方法。

本发明提出的自动分割脑胶质瘤的方法，是结合感兴趣区域和GrowCut算法的3D自动脑胶质瘤分割方法，具体步骤如下：

1、首先将2DBoundingBox方法拓展到3D，寻找感兴趣区域，用长方体限定脑胶质瘤的大概位置；

2、利用反射对称性检测方法，检验步骤（1）得到的结果，并修正Boundingbox方法在检测脑胶质瘤横跨正中矢状面时的结果，得到更加准确的感兴趣区域；

3、将感兴趣区域用于3DGrowCut方法中，进行种子点的自动设置，通过扩散种子点得到脑胶质瘤的边界。

本发明步骤（1）的具体过程为：

（1）首先利用自动全局阈值的方法检测脑轮廓，并用椭球进行拟合；旋转图像，使椭球的短轴与图像x轴重合，再裁剪椭球外黑色背景区域，使整个大脑图像分为左右两个对称的长方体；

（2）将左右两个长方体分别看作测试图像（I）和参考图像(R)，首先计算z轴方向的得分函数：

(1)

其中，l是沿着z轴方向从上到下的扫描线，T(l)和B(l)是被扫描线分成的上下两个子长方体；P_I^T(l)是图像I在区域T(l)上的归一化强度直方图，P_R^T(l),P_I^B(l),和P_R^B(l)也有相似的定义，分别是图像R在区域T(l)上的归一化强度直方图，图像I在区域B(l)上的归一化强度直方图，图像R在区域B(l)上的归一化强度直方图；BC代表归一化两个直方图间的Bhattacharya系数，用来测量两者的相似性，定义如下：

(2)

(3)

当两个直方图相同时，BC等于1；当两直方图完全不同时，BC等于0；

找到得分函数的连续区间内的最大和最小值，即对应脑胶质瘤在z轴方向的上下边界面；