一种基于ct影像肝脏肿瘤病灶的分割方法
【技术领域】
[0001] 本发明属于医学图像处理领域，尤其涉及一种基于CT影像肝脏肿瘤病灶的分割 方法。
【背景技术】
[0002] 肝脏是人体内最大的化工厂，承担着消化、解毒、分泌等重要功能。而中国人的肝 脏所承受的疾病负担是全世界最重的。原发性肝癌是临床上最常见的恶性肿瘤之一。当下， 肝癌在全球的发病率都呈上升趋势。根据世界卫生组织发表的《全球癌症报告2014》显示， 中国新增癌症病例高居世界第一位，其中肝癌的新增病例和死亡人数均居世界首位。目前， 我国肝癌的发病率约为25. 7/10万，成为死亡率仅次于胃癌、肺癌的第二大恶性肿瘤。肝癌 的早期诊断已是目前肝癌治疗的重中之重
[0003] 许多医学成像方法已被应用于肝脏肿瘤病灶的检测中，例如CT、超声、核磁共振、 选择性腹腔动脉或肝动脉造影检查、放射性核素肝扫描等。在所有影像检查方式中，CT图 像因其具有较高的分辨率而被广泛采用。一般CT图像可检出直径1. 0cm左右的微小癌灶， 应用动态增强扫描可提高分辨率并有助于鉴别血管瘤，应用CT动态扫描与动脉造影相结 合的CT血管造影，可提高小肝癌的检出率。同时CT图像对肝癌手术的方案设计有一定的 帮助。
[0004] 针对肝脏病灶的分割现有多种算法尝试实现，包括在人体肺部分割有效但肝脏分 割效果较差的自适应体素生长算法；需要先将肝脏整体进行分割才能完成肿瘤病灶分割的 混合假设概率的方法与基于最优阈值的分割方法；会较大地破坏原始图像信息，造成分割 结果的失的对比度增强的肝脏肿瘤识别的方法；只能处理简单目标背景图像的Chan-Vese 模型水平集分割方法，以上方法均需要部分交互式操作，且不能处理多病灶肿瘤的分割。
【发明内容】
[0005] 本发明的目的在于提供一种基于CT影像肝脏肿瘤病灶的分割方法，旨在解决不 能准确、快速地实现多病灶肝脏肿瘤分割的问题。
[0006] 本发明是这样实现的，一种基于CT影像肝脏肿瘤病灶的分割方法，包括以下步 骤：
[0007] 对初始CT影像图像进行预处理；
[0008] 针对预处理后的CT影像图像，通过交互式方式完成疑似病灶的R0I选择；
[0009] 基于CT值对R0I进行纹理描述，并通过纹理描述子加权计算获得R0I的概率谱；
[0010] 构建大数据先验知识库，确定病灶区概率谱阈值，并基于所述阈值对疑似病灶进 行分割；
[0011] 对病灶完成容积统计与量化输出。
[0012] 本发明提供的基于CT影像肝脏肿瘤病灶的分割方法，基于稳定CT值的方法计算 概率谱，基于大数据先验知识库确定病灶区概率谱阈值，并依据获得的所述阈值对疑似病 灶进行分割，具有下述优势：
[0013] 首先，基于稳定且具有可比性的CT值计算得到多个纹理描述子概率谱，提升了 CT 影像中肝脏肿瘤病灶分割的准确性。同时，所述概率谱的构建，不仅融合了所有特征描述 子，且权值可调，更具灵活性，从而显著提高了 CT影像肝脏肿瘤病灶分割的时效性，避免了 现有聚类分割方法中初始随机化引起失败的风险。
[0014] 其次，本发明基于CT影像肝脏肿瘤病灶的分割方法，基于先验知识库肝脏肿瘤患 者的数据通过手动分割计算得到概率谱的阈值，基于先验知识的阈值分割更有效于已有算 法。
[0015] 此外，本发明算法允许选择多个R0I，可并行化完成分割，使多目标区域分割成为 可能。
【具体实施方式】
[0016] 为了使本发明要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合 实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释 本发明，并不用于限定本发明。
[0017] 本发明实施例提供了一种基于CT影像肝脏肿瘤病灶的分割方法，包括以下步骤：
[0018] S01.对初始CT影像图像进行预处理；
[0019] S02.针对预处理后的CT影像图像，通过交互式方式完成疑似病灶的R0I选择；
[0020] S03.基于CT值对R0I进行纹理描述，并通过纹理描述子加权计算获得R0I的概率 谱；
[0021] S04.构建大数据先验知识库，确定病灶区概率谱阈值，并基于所述阈值对疑似病 灶进行分割；
[0022] S05.对病灶完成容积统计与量化输出。
[0023] 具体的，上述步骤S01中，为了提高本发明实施例肝脏肿瘤病灶分割的准确性，在 对所述CT影像图像进行分割之前，需要对图像进行相应的预处理以提高分割精度。作为优 选实施例，对初始CT影像图像进行预处理，包括图像去噪处理和图像增强处理。
[0024] 作为进一步优选实施例，采用基于空间域滤波技术的算术均值滤波器实现所述去 噪处理。作为具体优选实施例，所述去噪处理的操作方法为：基于空间域滤波技术的算术均 值滤波器，令S xyz表示中心在点（x，y，z)处、大小为mXnXp的矩形子图像窗口的一组坐标， 所述算术均值滤波器在S xvz定义的区域中计算原始图像g(x, y, z)的平均值为：
[0025]
J
[0026] 式中，所述f (X, y, z)为去噪后图像在点（X, y, z)处去噪后的值，所述r、s、t分别 表示领域里的某个体素的索引，即它在X、y、z的坐标。
[0027] 上述优选去噪操作处理，可以使用大小为mXnXp的一个空间滤波器来实现，其 所有的系数均优选为1/mnp时，可有效降低噪声。作为本发明一个具体优选实施例，其中， 所述m、η、p的取值为m = n = p = 3。
[0028] 本发明实施例，所述CT影像数据采集可选用常规设备、设置常规参数获得。进一 步的，优选使用西门子S0MAT0M Sensation CT扫描仪；管电压，100kV ;管电流，60-120mAs ; 层厚，10mm;重建间隔，10mm;视场（Field of View, FOV)，512 X 512mm. 〇
[0029] 上述步骤S02中，为了提高ROI选择的准确性，本发明实施例针对预处理后的CT 影像图像、通过交互式方式完成疑似病灶的R0I选择，可通过手动勾画方式完成R0I的选 择，在本发明实施例中，可以勾选多个R0I同时完成后续图像处理。
[0030] 上述步骤S03中，在CT影像图像中，由于体素的灰度信息会因显示器与后处理方 法（如图像增强）而改变，基于灰度值的处理方法具有不可移植性。因此，在本发明实施例 中，采用基于CT值的处理方法。
[0031] CT值是医学标准格式图像DIC0M图像的头文件信息，是一个恒量，不随后续处理 方法的影响而改变。但是，只依靠CT值信号并不能完成复杂的肿瘤病灶如肝脏肿瘤的分 害J。纹理是一种反映图像中同质现象的视觉特征，体现了物体表面共有的内在属性，包含了 物体表面结构组织排列的重要信息以及它们与周围环境的联系。而所述肝脏肿瘤病灶区域 在CT影像上多表现为粗糙、不均匀、密度较低，与正常组织的细腻质感存在较大差异。有鉴 于此，本发明实施例将在CT值的基础上，对R0I的各个纹理算子进行描述并计算概率谱。由 于描绘所述肝脏肿瘤病灶区域纹理内容的描绘子可以提供诸如平滑度、粗糙度和规律性等 特性的度量。因此，本发明实施例基于CT值对R0I进行纹理描述，优选通过CT值、二阶矩、 平滑度度量、一致性度量和平均熵度量五个描述子实现对R0I内体素进行纹理描述。
[0032] 具体的，作为优选实施例，通过CT值、二阶矩对R0I内体素进行纹理描述的公式 为：
[0033]
[0034] m是ζ的平均CT值，式中，所述ζ表示CT值的一个随机变量，所述Zl代表不同的 CT值，所述p(zi)为相应的直方图，其中，i = 0, 1，2-，L_1，L不同于CT值的数量级L不 同于CT值的数量级。本发明实施例所述p(Zl)表示的是某一特定的CT值一共有多少个体 素，是数量信息。
[0035] 关于CT值均值的ζ的第二阶矩为：
[0036]
·=? 〇
[0037] 二阶矩在纹理描述中特别重要，它是CT值对比度的度量，利用所述二阶矩可以建 立相对平滑度的描绘子。作为另一个优选实施例，通过相对平滑度对R0I内体素进行纹理 描述的公式为
[0038] 其中，R值的大小能够反映所述R0I区域的相对平滑度。具体的，对于较为光滑的 区域，所述R值越接近〇,表示所述R0I区域的相对平滑度越高；所述R值越接近于1，表示 所述R0I区域越粗糙。
[0039] 作为又一个优选实施例，基于CT值的基础上，通过一致性度量对R0I内体素进行 纹理描述的公式为：= 本发明实施例所述一致性度量U对所有CT值级都相等 〇 的图像有最大值（极大一致性），并从最大值开始降低。
[0040] 作为再一个优选实施例，基于CT值的基础上，通过平均熵度量对R0I内体素进行 纹理描述的公式为： 所述平均熵度量是可变性的度量，对恒定图像
其为零。
[0041] 通过基于稳定CT值，可以进一步计算获得二阶矩、平滑度度量、一致性度量和平 均熵度量描述子的概率谱。
[0042] 进一步的，本发明实施例可以通过所述纹理描述子加权得到R0I的概率谱。具体 的，通过纹理描述子加权计算获得R0I的概率谱的方法为：
[0043] 对描述子进行归一化到区间[0-1]，通过下述加权得到RI0的概率谱图像：
[0044] Μ(ζ；) = w:I (z^+WrRCz^+WuIKz^+w^Cz；),
[0045] 式中，所述M(zi)表示所得到的概率谱图像，所述1(21)、以21)、1]( 21)、6(21)分别 表示二阶矩、相对平滑度、一致性度量和平均熵度量的描述子，所述《 1、^、^、^为权值。作 为优选实施例，为了更加准确、全面地表达所述肝脏肿瘤区域的纹理信息，所述Wl= 〇. 15， 所述 wR= 0· 35,所述 w u= 0· 25,所述 w e= 0· 25。
[0046] 本发