[发明专利]软组织核磁图像自适应外力水平集自动分割及实现方法

说明书

技术领域

本发明涉及一种医学图像分割方法。特别是涉及一种具有无需人工干预、能够快速准确地自动分割出目标组织的特性的软组织核磁图像自适应外力水平集自动分割及实现方法。

背景技术

图像分割是图像处理、图像分析和计算机视觉等领域经典的研究课题之一，也是难点之一，其目的是将图像分成各具特性的区域并将目标从背景和噪声中分离出来，从而为后续的定量、定性分析提供基础支持。由于各种图像，尤其是医学图像的方式各异，过程中又不可避免地引入一定的随机噪声，再加上图像中感兴趣目标的形态和强度差别很大，至今还没有一种通用的方法适合于所有图像的分割。MRI(核磁共振，Magnetic Resonance Imaging)是目前非常重要的一种临床影像诊断方法。MRI利用核磁共振原理，依据所释放的能量在物质内部不同结构环境中不同的衰减，通过外加梯度磁场检测所发射出的电磁波，即可得知构成这一物体原子核的位置和种类，据此可以绘制成物体内部的结构图像。自从MRI技术用于人体内部结构的以来，在医学界产生了一系列革命性诊断方法，极大地推动了医学、神经生理学和认知神经科学的迅速发展。MRI技术对软组织有较好的分辨力，已经成为了临床中不可缺少的一种手段。然而，由于MRI扫描时间长，空间分辨力不够理想，医生通过二维原始图像很难勾画出病灶的三维空间结构；同时由于人体软组织具有非线性大变形、对比度低、边界模糊等、形状不规则等特性，使得临床上用肉眼分辨软组织肿瘤等病灶组织变得困难，经常会发生由于识别不清而导致的误诊误治；而对于软组织的医学图像分割也非常复杂，需要专业的解剖医生进行手工描点绘制，耗时费力，不能适应临床的实际要求，限制了MRI技术的应用发展。因此，对人体软组织MRI图像进行医学图像快速自动分割方法的研究是非常必要而又亟待解决的。

传统的医学图像分割方法是由临床医生根据解剖知识和经验手动点取感兴趣区域的边缘点，即手动分割，然后通过插值等拟合出光滑的物体轮廓。该方法精度较高，但耗时耗力，且和医生的经验有很大的关系。随着计算机和图像处理技术的发展，出现了很多计算机分割算法，如经典的图像分割方法。目前，主流的图像分割算法主要有阈值法、分水岭法、区域增长算法和主动轮廓模型算法等，这些方法大多是针对具体某一种或某一类硬组织图像的专用分割算法。由于人体软组织MRI图像存在形状不规则、非线性大变形、对比度低、噪声大等特点，传统方法难以从中分割提取出目标组织。

近年来发展起来的水平集主动轮廓模型方法综合利用了区域与边界信息，以其精确性、自动性和最终分割结果的连续性被广泛应用于图像分割和计算机视觉等领域。该类方法易于结合分割物体的形状等先验知识约束，逐渐成为医学图像的分割领域的研究热点，为解决人体软组织MRI图像的分割问题提供了一条途径。水平集方法是欧拉法求解隐式偏微分方程的一种方法，最先由Osher等人提出，用于流体运动和火焰传播界面的追踪，随后又被引入到计算机视觉和图像处理领域。其主要思想是将被动曲线C(p，t)嵌入到高一维空间的水平集函数φ(x，y，t)中，通过计算水平集函数零水平φ(C(p，t)，t)＝0的位置来追踪曲线的演化。其中，p是任意参数化变量，t表示时间。在实际医学图像中，物体的边缘表现为局部强度变化最显著的部分，以局部特征不连续的形式出现。对图像求一阶微分可得一单峰函数，峰值与物体的边缘相对应。对单峰函数进行微分，峰值处的微分值为零，峰值两侧符号相反，而原先的极值点对应于二阶微分中的零交叉点，通过检测零交叉点即可提取出图像的边缘。目前，

在基于水平集的图像分割方法中，为了保证算法数值计算的稳定性，曲线演化过程中需要重复进行耗时的符号距离函数初始化工作，在很大程度上限制了算法的实时性应用，无法实现人体软组织MRI的自动分割，也不能满足临床应用要求。Li等人的快速变分水平集模型通过添加一个符号距离函数惩罚能量泛函，从根本上解决了符号距离函数的周期性初始化问题，极大地提高了算法的效率和鲁棒性。但是，由于这种方法仅利用简单的梯度信息控制曲线演化，分割边缘模糊或不连续的图像时往往出现边界泄露现象，同样无法满足人体软组织MRI图像分割的要求。因此，本发明基于水平集理论，针对人体软组织MRI图像特性，开发建立了一种用于人体软组织MRI图像快速自动分割的自适应外力水平集算法及其实现方法。

发明内容

本发明所要解决的技术问题是，提供一种具有实时性强、运算效率高、能对多个离散区域同时进行分割、无人工干预情况下能够准确自动识别人体软组织MRI图像中目标组织的模糊边界的软组织核磁图像自适应外力水平集自动分割及实现方法。