[发明专利]一种基于用户交互和形状先验知识的三维医学图像分割方法

说明书

本发明公开了一种基于用户交互和形状先验知识的三维医学图像分割方法。在图像找出待处理区域的边缘控制点，计算控制点处的外法向量，然后利用Hermit插值方法求解出插值系数，得到插值函数；将对应待处理区域的形变模型曲面初始化到图像中，并将模型曲面中心和待处理区域中心重合，再将形变模型曲面上的离散顶点作为被插值点，利用插值点和插值系数求解出插值点的水平集函数值；再利用插值点坐标、插值系数求解出每个插值点处的水平集梯度向量；对形变模型曲面插值点的水平集和法向量迭代移动曲面，使得形变模型曲面边缘逐步接近于水平集函数为零的待处理区域边缘，生成三维图像。

技术领域

本发明涉及一种基于用户交互和形状先验知识的三维医学图像分割方法，特别注重使用用户交互信息以及形状先验知识来对医学图像分割进行修正。

背景技术

三维医学图像分割通过将计算机算法与临床解剖学和病理学先验知识相结合，对目标器官及病灶区域进行分割提取和定量分析，从而获得感兴趣区域的三维空间结构或三维功能特征分布，为疾病诊断、治疗方案规划和手术导航等临床应用提供辅助信息。

医学图像的分割算法可分为自动分割、手动分割和交互式分割。自动分割是由计算机自主完成所有分割任务，整个过程不需要人工干预，但对机器的要求非常高，而且由于医学图像的复杂性和多样性，自动分割后结果一般难以满足医学要求；人工分割则是完全依靠手工，整个分割过程十分耗时，而且对操作人员的经验和技术要求非常高，在实际操作中不切实。因此，交互式的分割方法就应运而生了。交互式分割，就是将人工和自动两者结合起来，充分利用计算机的运算性能，并在分割过程中通过用户操作时所做的预测和融入的先验知识，从而使分割结果更为准确、科学。

基于形变模型的方法综合利用了区域与边界信息，是目前研究最多、应用最广的分割方法。形变模型提供了一种高效的图像分析方法，它结合了几何学、物理学和近似理论。他们通过使用从图像数据获得的约束信息(自底向上)和目标的位置、大小和形状等先验知识(自顶向下)，可有效地对目标进行分割、匹配和跟踪分析。从物理学角度，可将形变模型看成是一个在施加外力和内部约束条件下自然反应的弹性物体。形变模型的主要优点是能够直接产生闭合的参数曲线或曲面，并对噪声和伪边界有较强的鲁棒性。还有一些形变模型利用了形状先验知识和标记点集合等先验知识，可以使分割结果更为健壮和准确。所以本专利旨在通过用户交互和形状先验知识来提高分割的鲁棒性和普适性。

交互式分割一共包含四个组成部分：用户，用户界面，交互模块，计算模块。用户根据人体生理结构的相关知识，对三维医疗图像进行简单的勾画标记，标记器官类别，勾画轮廓等操作，根据用户的输入进行精确的分割，返回分割的结果，用户可以得到满意的结果或者进一步勾画调整。

交互式分割算法的优劣主要有三个方面：

一，分割准确度，算法可以根据用户的输入得到准确的分割结果，边界的平滑，抗噪能力等。

二，可重复性，用户通过不同的操作可以得到目标分割结果。得到不同分割结果可能是因为两个因素，一个是用户操作不同，二是用户认为看到的结果不同，而第二个因素是完全主观的。一般通过用户操作的多样性来衡量可重复性。

三，效率，不同于自动分割，交互式分割的效率不仅取决于算法的运行速度，还取决于需要用户交互的勾选区域轮廓的操作量。高效率的交互式分割算法，便于用户越少越快越简单的选取初始目标，并能实时的给出分割结果，用于进一步调整。

发明内容

为了克服现有技术的上述缺点，本发明提供了一种基于用户交互和形状先验知识的三维医学图像分割方法，对医学图像感兴趣区域用形变模型曲面进行配准，对感兴趣区域进行分割和提取，尤其是对医学图像中边缘比较光滑的感兴趣区域分割效果良好，本发明具有的优点：借助器官形状的先验知识减少用户交互的工作量，运算速度快、实时性强、用户可以在图像的被分割区域的多个断层勾画少量断续的边缘，形变模型曲面与用户勾画的边缘信息相结合，并对平滑边界分割效果好。适用的图像包括各种断层医学影像模式，如CT、核磁、核医学影像等。