[发明专利]一种新的前列腺超声图像分割方法

摘要

本发明提供一种新的前列腺超声图像分割技术，在直肠超声检测（transrectal ultrasound，TRUS）图像中对前列腺进行准确分割。传统观点认为，TRUS图像的斑点会对目标分割造成强烈的副作用。与此不同，我们利用斑点的内在属性来简化分割问题。首先，斑点的大小和方向并非完全随机分布，而是服从一定的规律特性。为了利用斑点的方向特性，我们使用了旋转不变的Gabor特性来提取问题特征；为了利用斑点的大小尺度特性，我们把TRUS图像分成了许多条状窄带，在不同窄带内对图像像素进行不同的处理。最后，我们还考虑了不同像素间的相关性，并进一步通过这一特性使用图割（graph cut）方法提高了像素分类精度。以此为基础，我们通过水平集分割模型，最终得到了TRUS图像中前列腺的分割结果。

主权项

一种新的前列腺超声图像分割方法，包括以下步骤：第一步为特征提取和特征分类：1)利用旋转不变的Gabor特征提取纹理特征，设以超声探针为中心的圆弧，在处的法向方向为，则可以由下式计算其中为超声探针的中心，函数为带符号反正切函数，其符号根据其点所在的四个不同象限决定；通过圆弧法方向，在位置处的旋转不变Gabor特征可以由下式计算其中，；注意到为下取整函数，,其中为总共使用的旋转参数个数；最后, 旋转不变特征向量即由为其元素构成；2）根据压缩感知（Compressive Sensing）理论，针对每一个特征向量和一组我们预先获得的字典，只要使用字典对向量的表示系数足够的稀疏，则找到对的稀疏表达的过程可以通过在原函数上附加范数约束来替代问题本身所提出的范数下的最小化问题，此时，该稀疏表达问题可以表示为其中为拉格朗日乘数（Lagrange multiplier）；我们使用上述稀疏表达的表示残差作为分类依据;3) 基于超声图像的特征获得残差；该特征认为，超声斑点的大小随着其与超声探测中心的距离变化而变化；我们在超声图像中建立了许多弧形带状窄条，在这些窄带内，各自都训练有各自的表示字典;严格的，对于图像上感兴趣的区域（Region Of Interest，ROI）内的每一个像素点，它所属的窄条可以通过下式计算其中为窄带的索引，为探测棒的中心，为窄带的带宽;每一个窄带内，并非训练集内所有的像素都拿来训练字典集，而是只有那些在图像中前列腺轮廓附近的像素才用来训练字典；对于第个窄带条内的像素，设它的特征向量，我们可以使用字典矩阵对其进行稀疏表示，其中，和分别代表在第个窄带中针对前列腺边界类，前列腺边界内部类和前列腺边界外部类三个类训练的字典；依据这三个字典，像素的表示残差可以由下式计算 其中是这样一个函数，它把中所有跟不是一类元素都设为零；第二步为像素分类：1) 在获得表示残差之后，取表示残差的负值，并把所有残差归一化到[0,1]区间作为该像素属于某一类的可能性的度量；使用如下能量函数通过图割（graph cut）来最终实现像素的分类代表权重参数，为图像域，为相邻像素的集合，为像素属于类处罚值，用来维持相邻像素间分类的平滑性，其公式为：将残差规范到[0,1]区间； 第三步为基于水平集的分割： 1) 水平集分割模型基于能量最小化模型，其能量定义为其中为权重参数，即为定义的窄带对比度能量，而为纹理能量；这两部分能量可以被严格地定义为其中为图像域，为图像灰度，为符号距离函数（SDF）；符号，和表示像素分类结果，分别为前列腺边界类，前列腺边界内部类和前列腺边界外部类；一个像素如果被分类某一类，则该类对应的设为1，其它均被设为0；下面三个公式定义了模型边缘的窄带，用于提取信息，帮助分割：其中和为两个不同的带宽，且；2) 直接使用梯度下降法对能量公式进行最小化求解；能量的梯度为（1）其中三个不同的H的梯度可以通过链式法则获得：(2)其中δ(·)为狄拉克雷函数（Dirac Delta function）；符号代表模型边缘的窄带上下界，且；综合上述（1）（2）式，可得：通过迭代求解和，可以实现对超声图像的分割；迭代过程为其中和为步长参数，代表迭代次数。