基于t2-mri和dw-mri的宫颈癌图像自动分割方法

文档序号:6384700阅读:673来源:国知局
专利名称:基于t2-mri和dw-mri的宫颈癌图像自动分割方法
技术领域
本发明属于图像处理领域,具体涉及一种基于T2加权的核磁共振成像T2-MRI和弥散加权的核磁共振成像DW-MRI的宫颈癌图像自动分割方法。
背景技术
宫颈癌是严重威胁女性生命健康的常见恶性肿瘤之一。宫颈癌的准确分割,对预防、诊断和治疗宫颈癌有着重要的临床意义和应用价值。随着影像学技术的发展,医学图像分割已经成为医学图像分析领域里关键和具有挑战性的问题。而宫颈癌分割又由于复杂的人体腹部组织结构变得尤为复杂,单一成像模式T2-MRI不能完全显示宫颈癌的有效信息。如图1(a)和(b)分别为宫颈癌病人腹部的T2-MR图像和DW-MR图像,宫颈位于膀胱和直肠的中间。从图1 (a)可以看出,T2-MR图像具有较高空间分辨率,肿瘤边界比较清晰,但是宫颈的正常组织、肿瘤、膀胱壁和直肠相互之间都有较严重的强度重叠;从图1(b)可以看出在DW-MR图像中肿瘤具有明显较高的灰度值,但是其分辨率低,肿瘤边界较模糊。因此单一成像模式下的宫颈癌分割的自动实现是相当困难的,一些常规的方法例如区域增长和阈值等都无法很好的分割肿瘤。

发明内容
本发明的目的在于提供一种基于T2-MRI和DW-MRI的宫颈癌图像自动分割框架以及利用联合最大后验概率(CMAP)精确分割宫颈癌肿瘤区域的方法,从而进行准确的宫颈癌分割。为达到上述目的,一种基于T2加权的核磁共振成像T2-MRI和弥散加权的核磁共振成像DW-MRI的宫颈癌图像自动分割方法,包括步骤1:利用非线性配准方法将DW-MR图像配准到T2-MR图像,并对配准后的Dff-MR图像进行分类;步骤2 :采用非线性各向异性扩散滤波技术对T2-MR图像进行滤波,分割出膀胱和直肠,并利用膀胱和直肠的分割结果将感兴趣区分割出来;步骤3 :对T2-MR图像的感兴趣区和DW-MR图像采用联合最大后验概率CMAP的方法进行肿瘤的精确分割。本发明充分利用了 T2-MR图像和DW-MR图像的有效信息,可以有效地克服T2-MR图像中的噪声、局部容积效应和强度重叠的影响,是一种精确有效的宫颈癌分割方法,对预防、诊断和治疗宫颈癌有着重要的临床意义和应用价值。


图1是宫颈癌病人的解首I]结构图,(a)是T2-MR图像;(b)是DW-MR图像;图2是基于T2-MRI和DW-MRI的自动分割框架图;图3是最大后验概率方法(CMAP)的流程图4是基于T2加权的核磁共振成像(T2-MRI)和弥散加权的核磁共振成像(Dff-MRI)的宫颈癌图像自动分割框架实验效果图,(a)是原图;(b)红色轮廓线内为包含肿瘤和正常组织的感兴趣区;(c)配准到T2-MR图像的DW-MR图像;(d)只在T2-MR图像上采用MAP方法的宫颈癌分割结果(即β = O时);(e)在T2-MR图像和DW-MR图像上采用CMAP方法的宫颈癌分割结果(即β = I时);(f)专家手工分割结果。
具体实施例方式为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。本发明的核心思想是一种基于T2加权的核磁共振成像(T2-MRI)和弥散加权的核磁共振成像(DW-MRI)的宫颈癌图像自动分割框架以及利用联合最大后验概率(CMAP)精确分割宫颈癌肿瘤区域的方法,具体步骤包括首先,利用非线性配准方法将DW-MR图像配准到T2-MR图像(这里采用互信息配准方法作为示例),并对配准后的DW-MR图像进行分类; 然后采用非线性各向异性扩散滤波技术对T2-MR图像进行滤波(这里采用P-M非线性各向异性扩散滤波作为示例),接着分割出膀胱和直肠,并利用膀胱和直肠的分割结果将感兴趣区(包含正常组织和肿瘤)分割出来;最后对T2-MR图像的感兴趣区和DW-MR图像采用联合最大后验概率(CMAP)的方法进行肿瘤的精确分割。以下结合具体的实施例对根据本发明提供的这种基于T2加权的核磁共振成像(T2-MRI)和弥散加权的核磁共振成像(DW-MRI)的宫颈癌图像自动分割框架以及利用联合最大后验概率(CMAP)精确分割宫颈癌肿瘤区域的方法进行详细描述。如图2所示为本发明提供的基于T2加权的核磁共振成像(T2-MRI)和弥散加权的核磁共振成像(DW-MRI)的宫颈癌图像自动分割框架的流程图,该方法包括以下步骤步骤1:利用非线性配准方法(如互信息配准方法、Demons算法等)将DW-MR图像配准到T2-MR图像,并对配准后的DW-MR图像进行分类;步骤2 :采用非线性各向异性扩散滤波技术对T2-MR图像进行滤波,接着分割出膀胱和直肠,并利用膀胱和直肠的分割结果将感兴趣区(包含正常组织和肿瘤)分割出来;步骤3 :对T2-MR图像的感兴趣区和DW-MR图像采用联合最大后验概率(CMAP)的方法进行肿瘤的精确分割。上述步骤I包括以下两小步1)利用非线性配准方法将DW-MR图像配准到T2-MR图像,这里采用互信息配准方法作为示例;2)对配准后的DW-MR图像进行分类是采用的自动阈值分类方法,实现肿瘤的初步分割及定位。上述步骤2包括以下四步1)采用非线性各向异性扩散滤波技术对T2-MR图像进行滤波,在去除噪声的同时保持边缘信息,这里采用P-M非线性各向异性扩散滤波作为示例;2)膀胱分割;3)直肠分割;4)感兴趣区分割。上述第一小步中P-M非线性扩散滤波器公式如下
= div(c(VI(i;t))VI(i;t))dt
I(i;0) = I0(i)其中ItlQ)为图像在i处的像素强度值,i表示图像的位置信息为(m,n),▽是梯度算子,t代表时间,c( )是扩散系数,两种形式为
权利要求
1.一种基于T2加权的核磁共振成像T2-MRI和弥散加权的核磁共振成像DW-MRI的宫颈癌图像自动分割方法,包括步骤1:利用非线性配准方法将DW-MR图像配准到T2-MR图像,并对配准后的DW-MR图像进行分类;步骤2 :采用非线性各向异性扩散滤波技术对T2-MR图像进行滤波,分割出膀胱和直肠,并利用膀胱和直肠的分割结果将感兴趣区分割出来;步骤3 :对T2-MR图像的感兴趣区和DW-MR图像采用联合最大后验概率CMAP的方法进行肿瘤的精确分割。
2.根据权利要求1所述的方法,其特征在于所述非线性配准方法包括互信息配准方法或Demons算法。
3.根据权利要求1所述的方法,其特征在于所述对配准后的DW-MR图像进行分类采用自动阈值分类方法,实现肿瘤的初步分割及定位。
4.根据权利要求1所述的方法,其特征在于所述非线性各向异性扩散滤波技术包括 P-M非线性各向异性扩散滤波。
5.根据权利要求4所述的方法,其特征在于由下式实现P-M非线性各向异性扩散滤波
6.根据权利要求1所述的方法,其特征在于所述膀胱分割采用主动轮廓模型,其中,所述膀胱是腹腔T2-MR图像中灰度值最高的较均匀的整块区域。
7.根据权利要求1所述的方法,其特征在于,所述直肠分割利用直肠位于宫颈的下方这一先验知识和步骤I中的肿瘤初步分割结果,在去除膀胱的T2-MR图像上采用了模糊C 均值的算法,得到直肠分割结果。
8.根据权利要求1所述的方法,其特征在于所述感兴趣区分割包括在去除膀胱和直肠的T2-MR图像上,利用步骤I中肿瘤的初步分割结果,采用模糊C均值的算法,分割出包含肿瘤和正常组织的感兴趣区。
9.根据权利要求1所述的方法,其特征在于所述步骤3包括1)计算T2-MR图像的能量函数Ut2(X);2)计算DW-MR图像的能量函数UDw(x);3)计算T2-MR图像和DW-MR图像的联合能量函数Ut2(χ) + β Udw(χ);4)判断是否满足终止条件,若满足,根据能量最小原则判定肿瘤和正常组织的类别,从而输出精确分割的肿瘤区域,若不满足终止条件返回步骤I)。
10.根据权利要求9所述的方法,其特征在于所述能量函数Ut2(X)由下式计算
11.根据权利要求9所述的方法,其特征在于所述联合能量函数Ut2(χ) + βυΜ(χ)由下式计算
12.根据权利要求11所述的方法,其特征在于通过比较不同的β值下的分割结果,得到精确的肿瘤分割结果。
全文摘要
一种基于T2加权的核磁共振成像T2-MRI和弥散加权的核磁共振成像DW-MRI的宫颈癌图像自动分割方法,包括利用非线性配准方法将DW-MR图像配准到T2-MR图像,并对配准后的DW-MR图像进行分类;采用非线性各向异性扩散滤波技术对T2-MR图像进行滤波,分割出膀胱和直肠,并利用膀胱和直肠的分割结果将感兴趣区分割出来;对T2-MR图像的感兴趣区和DW-MR图像采用联合最大后验概率CMAP的方法进行肿瘤的精确分割。本发明充分利用了T2-MR图像和DW-MR图像的有效信息,可以有效地克服T2-MR图像中的噪声、局部容积效应和强度重叠的影响,是一种精确有效的宫颈癌分割方法,对预防、诊断和治疗宫颈癌有着重要的临床意义和应用价值。
文档编号G06T7/00GK102999917SQ20121055466
公开日2013年3月27日 申请日期2012年12月19日 优先权日2012年12月19日
发明者李悟, 考月英, 田捷 申请人:中国科学院自动化研究所
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1