[发明专利]一种基于CT图像的变形模型的肝脏自动分割方法

说明书

本发明公开一种基于CT图像的变形模型的肝脏自动分割方法，包括：步骤1，构建肝脏图谱、基于稀疏表示变形模型SRDM，所述肝脏图谱包括灰度图像、与灰度图像对应的标注图像；步骤2，对待分割的目标图像进行肝脏图谱配准，构建将肝脏图谱的灰度图像对齐到目标图像的非刚性变换模型；步骤3，利用稀疏表示变形模型SRDM对步骤2中的非刚性变换模型正则化；步骤4，利用正则化后的变换模型，将肝脏图谱的标注图像传播到目标图像，得到初始分割结果；步骤5，对于存在较大分割误差的数据，对初始分割结果进行细分割。通过本方案获得了接近于半自动分割方法的分割精度，且实验结果可重复。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于CT图像的变形模型的肝脏自动分割方法。

背景技术

目前，肝脏的分割方式一般为基于主动形状模型(ASM)的肝脏半自动分割方法，虽然，这些方法能够对肝脏组织进行有效的分割，但是，在肝脏形状的初始化阶段需要人工的控制与交互，需要人为地在门静脉和肝静脉主分支处各手动选择一个种子点来对肝脏血管进行粗分割，还需要人为地在门静脉和肝静脉入口处手动截断泄露的邻近器官。这就使得整个方法无法实现自动的肝脏分割批处理，而且半自动分割方法存在的一个主要不足是分割结果会受到人为因素的影响，进而影响分割结果的可重复性。现有基于图谱的分割方法仍存在以下两个主要缺点：(1)构建的肝脏图谱容易偏向于所选择初始模板图像的特定解剖结构；(2)在肝脏图谱灰度图像对齐到目标图像时容易产生较大的配准误差，特别是表现在分割与具有相似灰度值的器官相邻和含有较大病灶的肝脏病例上。

为了避免上述现象的出现，在稀疏表示理论的基础上，提出了一个基于图谱的肝脏自动分割方法。肝脏图谱包括了图谱的灰度图像和对应的标注图像。基于图谱方法主要利用肝脏图谱灰度图像到目标图像的非刚性配准来达到自动分割肝脏的目的。

发明内容

本发明的目的是提供一种基于CT图像的变形模型的肝脏自动分割方法，将其应用于具有挑战性的肝脏CT图像自动分割，以解决上述现有技术存在的问题，获得接近于半自动分割方法的分割精度，且实验结果可重复。

为实现上述目的，本发明提供了如下方案：本发明提供一种基于CT图像的变形模型的肝脏自动分割方法，包括如下步骤：

步骤1，构建肝脏图谱、基于稀疏表示变形模型SRDM，所述肝脏图谱包括灰度图像、与灰度图像对应的标注图像；

步骤2，对待分割的目标图像进行肝脏图谱配准，构建将肝脏图谱的灰度图像对齐到目标图像的非刚性变换模型；

步骤3，利用稀疏表示变形模型SRDM对步骤2中的非刚性变换模型正则化；

步骤4，利用正则化后的变换模型，将肝脏图谱中的标注图像传播到目标图像，得到初始分割结果；

步骤5，对于存在较大分割误差的数据，对初始分割结果进行细分割。

优选地，所述肝脏图谱的构建中，采用最小变形目标方法来获取初始的平均模板，然后采用迭代的方法来构建肝脏图谱。

优选地，基于稀疏表示变形模型SRDM的构建方法为：将肝脏图谱的灰度图像非刚性地配准到处理后的训练图像，来获取用于构建变形模型的非刚性变换，然后通过求解稀疏优化问题来对肝脏的先验变形进行建模。

优选地，采用基于B样条的自由变形模型来完成所有的非刚性图像配准。

优选地，所述稀疏优化问题采用最小角回归-同伦算法来求解。

优选地，所述步骤5中，使用可变形的Simplex网格方法进行细分割。

本发明公开了以下技术效果：本发明提出了一个基于CT图像的变形模型的肝脏自动分割方法，本发明对传统基于图谱分割方法进行了以下两个方面的改进：

(1)提出了一个迭代的方法来构建肝脏图谱；