[发明专利]一种用于肾皮质定位的非均匀图搜索分割算法

说明书

本发明公开了一种用于肾皮质定位的非均匀图搜索分割算法，其特征在于，包括以下步骤：(1)在分割开始时定义多尺度边界函数，以实现非均匀地采样结点；(2)在分割时根据肾皮质的特点，定义不同的权重，并使用最大流/最小割算法，检测最优表面进行分割。本发明的方法分割速度快，分割准确性高。

技术领域

本发明属于医疗影像算法领域，具体涉及一种用于肾皮质定位的非均匀图搜索分割算法。

背景技术

肾皮质是肾脏的重要组成部分，大概有1.9％的成年人被诊断患有脏的疾病，其中相当一部分的人死于肾炎，肾病综合症、肾变病等这些和肾皮质相关的病，因此关于肾皮质的诊断研究在肾病的研究中具有非常重要的意义。

现有的医疗影像技术可以对肾皮质的识别定位做得不好，主要原因在于：肾脏不同于肝脏等其他器官，肾脏的解剖结构比较复杂。肾脏有四个解剖结构，其中肾皮质和肾柱是相连的，并且肾皮质和肾柱对光有着类似的反射强度，因此在医疗造影时比较难于分辨。加之肾脏和相邻的器官，比如说肝脏、脾脏在影像中经常会重叠在一起，因此在医疗造影时比较难以精确建模。图像分割算法是肾皮质定位的关键，如果没有好的图像分割算法，肾皮质的定位不会精确。现有的对于肾皮质图像分割算法识别率较低，分割效果较差。

发明内容

本发明目的是：提供一种分割准确性高，速度快的用于肾皮质定位的非均匀图搜索分割算法。

本发明的技术方案是：一种用于肾皮质定位的非均匀图搜索分割算法，其特征

在于，包括以下步骤：

(1)在分割开始时定义多尺度边界函数，以实现非均匀地采样结点；

(2)在分割时根据肾皮质的特点，定义不同的权重，并使用最大流/最小割算法，检测最优表面进行分割。

进一步的，所述步骤(1)具体为：

(1)分割前，对选取CT数据集中的每一个三维CT图像的肾脏进行人工标记L1，L2，使用marching cube算法将L1、L2标记区域的二值数据对应转化成表面数据M1、M2，使用quadric error metric算法将表面数据M1、M2中的顶点简化为同样数目N_o，并计算表面数据M1、M2的质心；

(2)在分割开始时，首先对待分割图像使用阈值分割算法对初始分割肾脏I_b，并计算其有符号欧氏距离场Γ_t，用户手动选取肾脏的质心，根据计算得到的数据M1、M2的质心，将表面数据M1、M2平移到用户手动选取的质心；

(3)计算多尺度边界函数：

(4)对平移表面数据M1、M2按照同样方式建立图。

进一步的，所述步骤(2)具体为：

(1)构建有向赋权图G＝{V,E,Ω}，V表示图的结点；E表示图的边；Ω表示图中边的权值；

(2)计算表面数据M1对应结点的权重

(3)计算表面数据M2对应结点的权重

(4)将图G中的列内边集合E^intra和列间边集合E^inter中所有的边的权重都设为无穷大；使用最大流/最小割算法即可找到表面数据M1、M2最优表面；

(5)将表面数据M2、M1的最优表面包含的区域相减，然后联合原始图像使用阈值算法和形态学运算做后处理，即可得到肾皮质。

本发明的优点是：

(1)定义多尺度边界函数，以实现非均匀地采样结点。