[发明专利]基于自适应表面形变模型的CT图像肝脏分割方法

摘要

本发明提出了一种基于自适应表面形变模型的CT图像肝脏分割方法，为肝脏疾病的临床诊断提供了一种便利工具。首先利用各向异性滤波的方法对图像进行预处理，得到初始边界图像；第二步，利用球形简单形变模型(Deformable Simplex Model,DSM)描述肝脏的初始轮廓；第三步根据模型顶点及与其邻域之间的关系计算模型的内力，由原始图像的梯度和边界来计算模型的外力；第四步构建模型的内力、外力的约束模型；第五步三角网格的自适应分解模型；第六步设定迭代次数并在内力、外力和气球力的驱动下逼近目标区域；最后得到精确的分割结果。

主权项

基于自适应表面形变模型的CT图像肝脏分割方法，其特征在于，主要包括以下步骤：第一步：利用各向异性扩散滤波对原始图像进行预处理，并得到初始边界图像；第二步：模型初始位姿设定：输入肝脏的原始图像，并初始化成基于简单形变模型的球形描述模型，用于表示肝脏组织的初始表面；第三步：模型内、外力计算：获得原始CT图像的梯度图并利用梯度计算模型的外力，并利用初始化的球形描述模型内部关系获得形变模型的内力；其中，根据图像的梯度和边界信息计算模型的梯度力Fgradient和边界力Fedge，从而构建模型的外力Fexternal＝Fgradient+Fedge；其中，模型的梯度力Fgradient的计算公式如下：其中，是一个在[0,1]内的权重系数，Pi是模型中的一个顶点，Gi是包含顶点Pi的m×m×m区域的中心点，是Pi点处的法线方向；其中权重系数使模型某点的梯度力Fgradient随着此点与二值图像Ibinary(x,y,z)的边界距离增大而增大，计算公式如下：其中，K是一个大于0的常量，f为根据原始图像的二值图像Ibinary(x,y,z)得到的边界图，其计算公式如下：其中，是梯度算子，是方差为σ的高斯核函数；第四步：构建内外力的约束模型：利用原始图像的灰度直方图获得包含有分割目标区域的二值图像，并利用此二值图像约束模型的外力；第五步：三角网格的自适应分解：在模型形变过程中，计算三角网格的面积，如果大于某一个阈值，则在三角网格的重心插入新的模型顶点，将原始的三角网格分解为三个面积较小的三角网格；第六步：模型的迭代形变：设定迭代次数，进行模型的迭代形变，使其有效逼近目标区域，并得到最终分割结果。