[发明专利]基于体配准的眼眶骨组织分割方法

说明书

本发明公开了一种基于体配准的眼眶骨组织分割方法，包括获取需要进行分眼眶骨组织分割的CT图像；对CT图像和眼眶骨组织的四面体网格模型标准数据进行处理；对处理后的数据进行初始对齐；对初始对齐后的四面体网格数据进行变换；变换后的四面体网格数据为最终的从CT图像中分割得到的眼眶骨组织数据。本发明提供的这种基于体配准的眼眶骨组织分割方法，在数据处理阶段采用创新的下采样操作，提高了采样效率同时减少噪音数据对配准及分割结果的影响；同时，在变换过程中以误差驱动的方式完成形状变形，提升了眼眶骨组织的分割效果，而且本发明方法的分割精度高，方法简单快捷。

技术领域

本发明属于图像处理领域，具体涉及一种基于体配准的眼眶骨组织分割方法。

背景技术

三维医学图像骨组织分割在医学图像处理领域具有非常重要的研究价值，精确的医学图像分割为临床诊断提供了清晰的解剖信息，用于进一步对其病理、生理、解剖等方面信息的分析和计算。医学图像分割技术是一种根据观测到的灰度值和已知的结构信息对像素或体素进行分类处理的方法。传统医学图像分割需要领域专家进行手动分割，具有费时、分割结果不可重现的缺点，花费大量人力资源，且效率低下。目前骨组织自动分割主要分为三类，基于灰度信息分割方法、基于分类和聚类法的分割方法以及基于图谱分割的分割方法。

第一类是基于灰度信息分割方法：在CT图像中，由于骨相比周围的软组织有更高的密度，因此基于灰度信息分割法是一种最为普遍应用的骨分割方法。阈值分割是该类分割方法中的代表。其结果常出现错误连接、边界不连续以及孔洞现象。

第二类是基于分类和聚类法的分割方法，分类是指用已知样本集训练得到其特征实现对新样本划分的过程，属于有监督的统计分析方法，而聚类是指通过自我迭代训练的实现自身划分的过程，属于无监督的统计方法。与阈值分割方法不同的是，分类和聚类方法可以较好的结合图像的空间信息，因此对噪音具有更强的鲁棒性。但它们只用了空间信息，没有利用局部几何信息，可能会有误差。

第三类是基于图谱分割的分割方法，图谱划分理论作为一种新型的工具被应用到图像分割，是由有经验的标记专家手工标注的图像数据，通过将各个图谱用配准操作映射到待分割图像所在的图像空间中，得到图谱与待分割图像的空间对应关系，图谱中的各组织器官的分割情况即待分割图像的分割结果。图谱分割方法的分割精度依赖于前期配准结果和后期标记的选择，也是图谱分割方法的一大挑战。

发明内容

本发明的目的在于提供一种分割精度高且简单快捷的基于体配准的眼眶骨组织分割方法。

本发明提供的这种基于体配准的眼眶骨组织分割方法，包括如下步骤：

S1.获取需要进行分眼眶骨组织分割的CT图像；

S2.对步骤S1获取的CT图像和眼眶骨组织的四面体网格模型标准数据进行处理，从而得到三维头骨体素坐标和标记后的眼眶骨组织的四面体网格模型标准数据；

S3.对步骤S2得到的处理后的数据进行初始对齐；

S4.对步骤S3得到的初始对齐后的四面体网格数据进行变换，得到与对齐后的三维头骨体素坐标最匹配的变换后的四面体网格数据；

S5.步骤S4得到的变换后的四面体网格数据为最终的从CT图像中分割得到的眼眶骨组织数据。

步骤S2所述的对步骤S1获取的CT图像和眼眶骨组织的四面体网格模型标准数据进行处理，从而得到三维头骨体素坐标和标记后的眼眶骨组织的四面体网格模型标准数据，具体为采用如下步骤进行处理：

A.根据CT图像数据的阈值强度，提取出三维头骨体素坐标；

B.采用tetgen分析得到眼眶骨组织的四面体网格模型标准数据的mesh格式的模型文件。