[发明专利]基于形变表面模型的医学图像分割系统及方法

说明书

技术领域

本发明涉及图像处理系统及方法技术领域，特别涉及医学图像的分割处理系统及方法技术领域，具体是指一种基于形变表面模型的医学图像分割系统及方法。

背景技术

医学图像包括CT、正电子放射层析成像技术（PET）、单光子辐射断层摄像（SPECT）、MRI（磁共振成像技术）、Ultrasound（超声）及其它医学影像设备所获得的图像。随着影像医学在临床医学的成功应用，图像分割在影像医学中发挥着越来越大的作用。图像分割是提取影像图像中特殊组织的定量信息的不可缺少的手段，同时也是可视化实现的预处理步骤和前提。分割后的图像正被广泛应用于各种场合，如组织容积的定量分析，诊断，病变组织的定位，解剖结构的学习，治疗规划，功能成像数据的局部体效应校正和计算机指导手术。

医学图像分割到今天仍然没有获得解决，一个重要的原因是医学图像的复杂性和多样性。由于医学图像的成像原理和组织本身的特性差异，图像的形成受到诸如噪音、场偏移效应、局部体效应和组织运动等的影响，医学图像与普通图像比较，不可避免的具有模糊、不均匀性等特点。另外，人体的解剖组织结构和形状复杂，而且人与人之间有相当大的差别。这些都给医学图像分割的分割带来了困难。为了解决医学图像的分割问题，近几年来，很多研究人员做了大量的工作，提出了很多实用的分割算法，随着统计学理论、模糊集理论、神经网络、形态学理论、小波理论等在图像分割中的应用日渐广泛，遗传算法、尺度空间、多分辨率方法、非线性扩散方程等近期涌现的新方法和新思想也不断被用于解决分割问题，国内外学者提出了不少有针对性的好分割方法。

九十年代以来，随着医学影像设备的发展，可以获得更高空间分辨率和软组织分辨率的图像，基于形变模型的方法也开始大量应用于医学图像，并取得了成功。基于形变模型的方法综合利用了区域与边界信息，是目前研究最多、应用最广的分割方法，可以被认为是过去几年计算机视觉领域的成功关键。在基于模型的技术中，形变模型提供了一种高效的图像分析方法，它结合了几何学、物理学和近似理论。他们通过使用从图像数据获得的约束信息（自底向上）和目标的位置、大小和形状等先验知识（自顶向下），可有效地对目标进行分割、匹配和跟踪分析。从物理学角度，可将形变模型看成是一个在施加外力和内部约束条件下自然反应的弹性物体。

形变模型包括形变轮廓（deformable contour）模型（又称snake或active contour），三维形变表面（deformable surface）模型。基于形变轮廓的分割过程就是使轮廓曲线在外能和内能的作用下向物体边缘靠近，外力推动轮廓运动，而内力保持轮廓的光滑性。形变表面模型是活动轮廓在三维空间的推广形式，可以更高效、更快地利用三维数据，而且更少地需要用户交互或指导。形变模型的主要优点是能够直接产生闭合的参数曲线或曲面，并对噪声和伪边界有较强的鲁棒性。还有一些形变模型利用了形状先验知识和标记点集合（point sets）等先验知识，可以使分割结果更为健壮和准确。不过，利用先验知识需要先进行样本训练，训练中需要人的交互，统计特定对象形状的变化信息，这是将变形模型应用于医学图像分析的技术领域实现医学影像分割操作的难点，也是该技术领域亟待解决的技术问题。

发明内容

本发明的目的是克服了上述现有技术中的缺点，提供一种利用三维的变形表面模型，实现对于医学图像的分割，获取图像中的特定的器官影像，从而使分割后的器官影像能够被广泛地应用于组织容积的定量分析、诊断、病变组织的定位、解剖结构的学习、治疗规划、功能成像数据的局部体效应校正和计算机指导手术等后续的应用步骤中，大幅提升医学图像分割的准确度和自动化率，降低了分割操作的难度，且应用范围广泛，实现方法也较为简单的基于形变表面模型的医学图像分割系统及方法。

为了实现上述的目的，本发明的基于形变表面模型的医学图像分割系统具有如下构成：

该系统包括：模型存储模块、输入模块、显示模块、定位控制模块和分割模块。

其中，模型存储模块用以存储多个分别与各器官相对应的双层变形表面模型，所述的双层变形表面模型包括外表面模型和内表面模型；

输入模块用以接收用户操作；

显示模块用以根据用户操作显示待分割的医学图像以及与该医学图像中的器官对应的双层变形表面模型；

定位控制模块用以根据用户操作，将所述的待分割的医学图像中的器官图像定位于所述的双层变形表面模型的外表面模型和内表面模型之间；

分割模块根据所述的双层变形表面模型分割并获取所述的医学图像中与该模型对应的器官图像。