[发明专利]一种基于磁共振图像的乳腺血管自动分割方法

说明书

本发明公开了一种基于磁共振图像的乳腺血管自动分割方法，包括：输入DICOM格式的T1加权磁共振图像，运用3D图像数据生成的横断面MIP(最大密度投影)图像Isubgt;MIP/subgt;；通过高斯滤波对MIP图像进行平滑处理；运用区域生长算法对器官组织分割；利用灰度积分投影方法，定位与分割乳房区域，去除乳房表层皮肤获得乳房区域分割结果；建立Frangi图像滤波函数，增强乳腺中血管区域；提取和分割血管区域，并滤除噪声区域；运用二值形态学运算连接血管断裂区域，获得最终乳腺血管分割结果。

技术领域

本发明涉及医学图像处理领域，尤其是涉及一种基于磁共振图像的乳腺血管自动分割方法。对乳腺血管自动快速分割是基于磁共振图像的乳腺癌计算机辅助诊断(Computer Aided Diagnosis，CAD)的关键步骤。

背景技术

在全球范围内乳腺癌是发病率最高的女性恶性肿瘤，严重威胁着女性的健康。在过去的20年中，大多数国家乳腺癌的发病率持续增长。我国女性乳腺癌人口标化发病率从2003年的28.37/10万上升到2012年的37.04/10万，高发年龄30-59岁，是45岁以下女性恶性肿瘤死亡的主要原因。

在过去的几十年里，越来越多的现代医学成像技术应用于解决乳腺癌早期筛查和诊断的问题。动态对比增强磁共振成像(Dynamic Contrast-Enhanced MagneticResonance Imaging,DCE-MRI)由于具有较高的软组织分辨率和显示肿瘤的血流动力学特征，被广泛用于乳腺癌的诊断及鉴别诊断。多项研究结果显示DCE-MRI对乳腺癌诊断的敏感度为88％到100％，而特异度中等且变化较大，在63％到96％之间。在乳腺癌的手术计划制定和疗效预测方面，DCE-MRI优于临床检查、X线摄影和超声。因此，需要进一步来提高磁共振诊断乳腺癌的特异度。

近年来，部分研究学者使用血管分析来提高乳腺癌诊断的特异度，结果显示乳腺癌与同侧的血管增加有相关性；也有研究学者使用新辅助化疗前后血管的变化特征来预测乳腺癌的新辅助化疗疗效，从而预判病人的生存状况。在DCE-MRI扫描完成后自动生成横断面最大密度投影(Maximum Projection Intensity,MIP)图像，无需额外的扫描时间，也无需额外注射对比造影剂，因此，相关研究主要使用DCE-MRI生成的MIP图像来评估血管。目前对MIP的血管评估主要有两种方法，一种评估整个乳腺的血管，另一种是评估肿瘤一侧的血管，即与肿瘤相连的血管。但是目前对乳腺血管、血管对称性和肿瘤侧血管主要依靠人工或医生的主观评估，非常耗时，而且评估不够客观。因此，自动分割和评估乳腺血管不仅有助于提高放射科医生的工作流程，而且有可能为乳腺癌的诊断和疗效预判提供定量指标以及潜在的临床评估指标。

发明内容

本发明针对现有技术存在的问题和不足，提供一种基于磁共振图像的乳腺血管自动分割方法，运用一系列医学图像处理方法实现了乳腺血管的自动提取，为探究血管影像特征在乳腺癌诊断和疗效预测中的应用奠定了基础。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供一种基于磁共振图像的乳腺血管自动分割方法，其特点在于，其包括以下步骤：

S1、输入T1加权磁共振影像，运用3D图像数据生成横断面的原始MIP图像I_MIP；

S2、设定合适的方差值和核函数宽度，运用高斯滤波器对原始MIP图像I_MIP进行滤波处理，获得平滑MIP图像I_{MIP_Blur}；

S3、以平滑后图像矩阵中I_{MIP_Blur}(0,0)点像素作为种子点，选择合适的阈值，利用区域生长算法分割背景区域，并将二值图像取反获得分割图像M1，同时，计算分割图像M1中各个连通区域的面积，从连通区域中移除面积低于第一设定值的区域，剩下的连通区域作为器官组织区域的二值分割图像M2，器官组织包括乳房和胸腔区域；