[发明专利]一种基于统计形变模型的医学图像分割方法

权利要求书

1.一种基于统计形变模型的医学图像分割方法，包括如下步骤：

(1)获取生物体CT数据；

(2)划分高、低对比度器官图像，在CT数据中选取训练样本提取相应的统计先验信息；

(3)建立低对比度器官图像的统计形变模型；

(4)基于高、低对比度器官之间的相关性，借助高对比度器官辅助定位低对比度器官的初始位置；

(5)在步骤(4)辅助定位的基础上，沿标记点法线方向进行器官的搜索分割；

所述的步骤(1)，使用Micro-CT成像系统采集生物体多个角度的投影数据，利用滤波反投影方法对投影数据进行重建，获取生物体三维CT体数据；

所述的步骤(2)，根据X射线对生物体不同组织器官图像穿透能力的差异，将器官图像分为高、低对比度器官图像；选取训练样本数据，对其中高、低对比度器官图像分别进行分割，通过有限元剖分获取相应的三维点云数据；分别将高、低对比度器官的三维点云数据进行相似性变换对齐配准；配准后求取两者的均值模型；

所述的步骤(3)，计算步骤(2)中所得低对比度器官图像配准结果的协方差矩阵，并进行特征分解，获得对应的特征值和特征向量，对特征值的绝对值降序排列，选取前t个主成分，将主成分特征向量单位化处理，此时，低对比度器官的统计形变模型可被描述为其均值模型与特征向量和形变参数的线性组合；

所述的步骤(4)，选取待测样本，对其中高对比度器官阈值分割，有限元剖分后获取三维点云数据；求解待测样本中高对比度器官与步骤(2)求得的相应均值模型之间的位置形状变换；利用高对比度器官之间的变换辅助定位待测样本中低对比度器官的初始位置；

所述的步骤(5)，在待测数据中获取初始位置后，利用低对比度器官的统计形变模型搜索查找边界点，使其逐渐往目标区域逼近，搜索的区域范围选定为每个边界点沿当前轮廓的法线方向，直至搜寻到最佳匹配的变形模型，完成最终分割；

所述步骤(2)的具体方法包括以下步骤：

(2a)根据X射线对生物体不同组织器官穿透能力的差异，将器官分为高、低对比度器官，组织密度较大X射线不易透过的器官为高对比度器官，组织密度较小X射线穿透性较大的器官为低对比度器官；

(2b)选取N个小鼠的三维体数据作为训练样本，对其中高、低对比度器官分别进行分割，前者采用自动阈值分割，后者采用手动分割，并将分割结果进行有限元离散剖分，获取相应的三维点云数据；

(2c)对步骤(2b)所得的高、低对比度器官三维点云数据在形状和位置上进行归一化，分别选取基准模板将所有样本进行旋转、平移相似性变换，得到两者对齐配准结果；

(2d)将步骤(2c)配准对齐后的结果求和平均，分别计算高对比度器官均值模型和低对比度器官均值模型

其中，为第i个高对比度器官对齐配准后的样本，为第i个低对比度器官对齐配准后的样本，N为训练样本数，均为K行乘3列的矩阵，K为配准后单个样本三维点云中点的个数；

所述步骤(3)的具体方法包括以下步骤：

(3a)计算低对比度器官配准结果的协方差矩阵S^L：

S^L为3K行乘3K列的矩阵，K为单个样本三维点云中点的个数，其中N为训练样本数，为低对比度器官均值模型，为低对比度器官对齐配准后的样本，T代表矩阵的转置运算；

(3b)对协方差矩阵S^L进行特征分解，求解对应的特征值和特征向量，将特征值按绝对值降序排列，选取前t个特征值，其中1≤t≤3k，以确保能够反应样本变化的主要模式，将主成分对应的特征向量单位化处理；

(3c)根据步骤(3b)所得，低对比度器官统计形变模型中的任意形状X^L均可描述为其均值模型与特征向量P^L和形变参数b^L的线性组合，即为

为了使形状变化限制在合理的范围内，形变参数b^L需满足：

其中，λ为第一主成分特征值；

所述步骤(4)的具体方法包括以下步骤：

(4a)选取M个小鼠的三维CT体数据作为待分割的测试样本，将待测样本中的高对比度器官进行自动阈值分割，并进行有限元离散剖分，获取相应的三维点云数据；

(4b)步骤(4a)所得待测样本的高对比度器官三维点云形状为Test^H，计算Test^H与高对比度器官均值形状之间的变换，即Trans^H，公式如下：

(4c)基于高、低对比度器官之间的相关性，将步骤(4b)中计算所得的高对比度器官之间的变换Trans^H近似为低对比度器官在待测样本中相对位置形状的变换Trans^L，即Trans^L≈Trans^H，结合低对比度器官均值形状模型求解低对比度器官初始位置Test^L，计算公式为：