[发明专利]一种超声图像分割方法和系统

摘要

本发明适用于图像处理技术领域，尤其涉及一种超声图像分割方法和系统。所述方法包括以下步骤：将统计形状模型和采集到的指定器官的三维超声数据进行粗配准，得到初始化坐标变换参数；根据初始化坐标变换参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割，所述统计形状模型是通过对多个高清晰度三维数据的手动分割结果进行训练得到的平均值与表征变化模态的一组特征向量的组合。这样，就避免了手动分割及半自动分割需要人工参与较多的问题，相比现有的全自动分割方法，本发明解决图像分辨率低以及图像模糊状态下分割的准确性问题。

主权项

一种超声图像分割方法，其特征在于，所述方法包括以下步骤：将统计形状模型和采集到的指定器官的三维超声数据进行粗配准，得到初始化坐标变换参数；根据初始化坐标变换参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割，所述统计形状模型是通过对多个高清晰度三维图像数据的手动分割结果进行训练得到的平均值与表征变化模态的一组特征向量的组合；所述根据初始化坐标变换参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割的步骤包括：步骤A、以初始化坐标变换参数为中心，在参数空间中选取多个点，作为粒子；步骤B、对每一个粒子，按其所代表的坐标变换参数，对训练点集的平均值以及特征向量进行坐标变换，将变换后的特征向量乘以各自对应的权重，与变换后的训练点集平均值相加，得到对应于每个粒子的先验模型，在第一次循环中，各特征向量对应的权重均为0；以每个粒子对应的先验模型为种子点集，分别根据三维超声图像的灰度值信息，建立图，应用图形分割算法，通过最小化给定目标函数，对图进行分割，并取得分割结果的表面点集；步骤C、对于每个粒子的表面点集，分别与相应的先验模型进行配准，并计算其与相应先验模型的相似度，将所有的粒子根据相似度排序并进行重采样，选择出一个最佳的粒子，将最佳的粒子所对应的表面点集与对应的先验模型中平均值的差投影到对应的特征向量构成的空间上，计算出各特征向量的权重；步骤D、计算前后两次循环得到的最佳粒子之间的变动率，如果小于设定阈值，就认为算法收敛，或循环超过设定次数，结束循环，否则，以最佳粒子作为步骤A中的初始化坐标变化参数，以步骤C中得到的权重作为步骤B中的各特征向量对应权重，回到步骤A重新执行。