一种非均一性医学图像的分割方法

文档序号:6536451阅读:947来源:国知局
一种非均一性医学图像的分割方法
【专利摘要】本发明涉及一种非均一性医学图像的分割方法,该方法由以下步骤组成:先在待分割图像上选择前景种子点和背景种子点;然后,根据选择的种子点集的灰度信息,估计出各个灰度归属于待分割图像中前景或背景的概率,并映射到图像的各个象素点,得到对应的概率密度分布图;然后再分别以选择的前景种子点和背景种子点为生长种子点,在对应的概率密度分布图上以一个概率阈值为生长条件,执行区域生长算法,得到自动生长后的前景种子点群和背景种子点群;最后,用得到的自动生长后的种子点群作为随机游走算法的种子点,执行随机游走算法,得到最后的分割结果。本发明所述方法可降低对初始种子点的数量和位置敏感度,显著提高非均一性医学图像的分割精度。
【专利说明】一种非均一性医学图像的分割方法【技术领域】
[0001]本发明涉及图像分析,具体涉及医学图像的分割方法。
【背景技术】
[0002]随着影像医学的迅速发展,医学图像的分割对于临床的诊断和治疗都具有重要的意义。目前的图像分割算法主要分为手动分割、交互式分割和全自动分割三类。手动分割比较耗时,且要求分割者具有丰富的经验。全自动分割无需人工干预,通常比较适用于简单均匀的图像的分割,但是对于复杂多样的医学图像的分割,通常分割的精度达不到临床的需求。而交互式分割只需加入少量的人工干预,就能自动分割出较好的结果。为了满足复杂的图像的分割要求,通常交互式分割的使用较为广泛。
[0003]基于图论的图像分割算法是目前使用最广泛的交互式图像分割算法之一,其中包括随机游走算法(Random walker),图切分算法(Graph cut)和最短路径算法(Shortestpaths)等。此类算法的特点就是需要通过用户在图像上选择几类种子点,然后根据种子点提供的图像信息,将图像中所有像素点归类到用户选定的各类种子点,实现图像的最终分割。此类算法有效地提高了图像分割的精度,但此类方法对待分割图像中目标内部的灰度差很敏感,目标的灰度差会导致目标中不同灰度的像素可能错误分割为不同的类别。非均一性图像则正好存在这样的灰度特征,从而导致该方法对非均一性的目标分割效果差。虽然该问题可以通过大量增加用户选定的种子点数目来改善,但是此类方法在种子点很少的情况下不仅无法得到精确的分割结果,且分割结果的变化随着初始种子点的变化非常严重,所以这必然导致分割的效率下降。尤其是非均一性三维目标的分割,将需要用户在目标的每一个层面均选定种子点,这是很不现实的。事实上,非均一性图像是临床上的常见图像,比如,许多人体结构多种组织构成,肿瘤不同区域在图像中呈现不同的灰度信息等,这些都导致待分割图像的目标呈现非均一性的特点。通常此类算法在非均一性图像的分割中无法得到满意的结果。
[0004]穆克等人于2012年公布的一种基于Mean Shift和随机游走的图像分割算法[穆克与程伟等(2012).〃基于Mean Shift和随机游走的图像分割算法.〃辽宁工业大学学报:自然科学版32 (I):27-30.],该方法由以下步骤组成:(I)选择前景种子点和背景种子点;
(2)采用Mean Shift算法对图像进行预处理,将图像划分成一些同质区域,用同质区域作为节点进行随机游走;(3)然后,利用马氏距离定义区域之间的权值,对种子点进行改进,增加了辅助种子点;(4)利用辅助种子点和用户标记的种子点进行随机游走,进行同质区域的合并,实现图像的最终分割。以上方法在一定程度上抑制了噪声的干扰,削弱了用户标记种子点的位置以及个数对随机游走分割结果的影响,是用户得到满意的分割结果。但是该方法只是将同质区域作为节点,辅助种子点的生成也依赖于同质区域,所以在待分割目标为非均一性时,对目标区域的非同质区域仍不能实现很好的分割,仍然无法实现准确的分割。
【发明内容】

[0005]本发明所要解决的技术问题是提供一种非均一性医学图像的分割方法,该方法可显著提高非均一性医学图像的分割精度。
[0006]本发明解决上述问题的技术解决方案是:
[0007]—种非均一性医学图像的分割方法,该方法包括以下步骤:
[0008](I)用户在待分割图像上的目标区域内选取前景种子点,目标区域外选取背景种子点,并获取前景种子点和背景种子点的灰度信息;
[0009](2)根据步骤(1)所得到的灰度信息,分别让前景种子点和背景种子点按以下方法进行自动生长:
[0010](A)采用下式(I)和(II)所示的概率密度估计的方法,估计每一灰度值的象素点的分布概率P(Ii/gs),
[0011][0012]
【权利要求】
1.一种非均一性医学图像的分割方法,该方法包括以下步骤: (1)用户在待分割图像上的目标区域内选取前景种子点,目标区域外选取背景种子点,并获取前景种子点和背景种子点的灰度信息; (2)根据步骤(1)所得到的灰度信息,分别让前景种子点和背景种子点按以下方法进行自动生长: (A)采用下式(I)和(II)所示的概率密度估计的方法,估计每一灰度值的象素点的分布概率P(Ii/gs),
【文档编号】G06T7/00GK103793910SQ201410028478
【公开日】2014年5月14日 申请日期:2014年1月21日 优先权日:2014年1月21日
【发明者】陈海斌, 周凌宏, 甄鑫, 王琳婧, 肖阳, 胡洁 申请人:南方医科大学
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