專利名稱：一種前列腺超聲圖像自動(dòng)精確分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)輔助診斷領(lǐng)域，具體涉及圖像分割技術(shù)。
背景技術(shù)：
超聲醫(yī)學(xué)(UltrasonicMedicine)是醫(yī)學(xué)影像學(xué)(Medical Imageology)的一個(gè)重要組成部分，和CT、MRI、同位素掃描(Radioisotope Scan)共同被稱為現(xiàn)在醫(yī)學(xué)影像診斷的四項(xiàng)主要檢查方法。對(duì)前列腺輪廓的準(zhǔn)確提取，是計(jì)算機(jī)參與一系列輔助分析的基礎(chǔ)。然而人工邊界提取十分費(fèi)時(shí)，同時(shí)，受限于人的經(jīng)驗(yàn)、相關(guān)知識(shí)以及注意力，分析結(jié)果可能多變且不準(zhǔn)確。所以，用計(jì)算機(jī)實(shí)現(xiàn)自動(dòng)前列腺超聲圖像的輪廓提取，不僅具有理論研究?jī)r(jià)值，對(duì)于推動(dòng)醫(yī)療技術(shù)的發(fā)展，較早發(fā)現(xiàn)病變，及時(shí)提供治療，降低死亡率，減輕病人痛苦，也具有十分重要的意義。早在2003年，東南大學(xué)羅立民教授提出了一種超聲波多尺度非線性的自適應(yīng)邊界檢測(cè)方法，首先對(duì)超聲圖像進(jìn)行多尺度分解，然后用非線性軟閾值法抑制斑點(diǎn)噪聲之后用小波變換重建圖像最后使用基于“窄條”的線性邊界檢測(cè)方法對(duì)已經(jīng)將降噪的圖像進(jìn)行處理。但由于區(qū)域增長(zhǎng)過(guò)程的時(shí)間開銷，其計(jì)算量較大。同年，Mohamed等提出了一種使用gabor濾波提取紋理的分割方法。此外,局部二值模式(Local Binary Pattern)提取紋理特征也廣泛應(yīng)用到了超聲圖像分割中。兩年后，北京交通大學(xué)阮秋琦教授提出了一種提出了一種超聲圖像去噪與邊緣增強(qiáng)算法可以在去除噪聲的同時(shí)，保持重要的邊緣、局部細(xì)節(jié)和超聲回聲亮條。雖然對(duì)抑制噪聲增強(qiáng)邊界有較好的效果，但沒(méi)有將其應(yīng)用到對(duì)圖像的分割和邊緣檢測(cè)中。英屬哥倫比亞大學(xué)Badiei等人于2006年提出了一種通過(guò)用戶交互，由用戶提供6個(gè)輸入點(diǎn)，來(lái)控制橢圓形變，從而尋找前列腺邊緣的方法。這種方法簡(jiǎn)單高效，對(duì)一般形狀的前列腺有較好的效果，而對(duì)于形變比較嚴(yán)重，形狀不規(guī)則的目標(biāo)，則難以達(dá)到理想的效果。同年，南京理工大學(xué)夏德深教授提出了一種先驗(yàn)形狀參數(shù)活動(dòng)輪廓模型，并將其應(yīng)用在醫(yī)學(xué)圖像分割中，通過(guò)引入一種非距離性的先驗(yàn)形狀力場(chǎng)，構(gòu)建一種新的能反映先驗(yàn)形狀的參數(shù)活動(dòng)輪廓模型，新的先驗(yàn)形狀活動(dòng)輪廓模型避免了曲線之間距離的計(jì)算，減少了模型的復(fù)雜性.但是該模型在處理圖像之前需要人工定義活動(dòng)輪廓模型的初始曲線。加拿大西安大略大學(xué)Nanayakkara等人在中提出了另一種新算法,使用域知識(shí)，結(jié)合模糊集的思想，利用一系列基于區(qū)域自適應(yīng)算子，對(duì)離散動(dòng)態(tài)輪廓(Discrete DynamicContour, DDC)模型進(jìn)行了改進(jìn)，它不僅可以擴(kuò)大DDC在非邊界區(qū)域的檢測(cè)范圍，同時(shí)能增強(qiáng)其在目標(biāo)輪廓附近的穩(wěn)定性，起到很好的自適應(yīng)效果。然而，這種方法沒(méi)有考慮超聲圖像中由陰影導(dǎo)致的邊界丟失問(wèn)題，從而使得DDC模型在這類區(qū)域使用很大的探測(cè)范圍，導(dǎo)致了不準(zhǔn)確的分割結(jié)果。華中科技大學(xué)謝長(zhǎng)生教授于2007年提出了多尺度形態(tài)學(xué)操作和模糊聚類技術(shù)相結(jié)合的圖像分割方法.首先使用了多尺度形態(tài)學(xué)濾波器提取超聲圖像的亮和暗特征，然后根據(jù)這些特征的尺度特性進(jìn)行加權(quán)，從而實(shí)現(xiàn)了超聲圖像對(duì)比度增強(qiáng)和噪聲抑制的目的.然后，使用模糊聚類技術(shù)對(duì)增強(qiáng)后的超聲圖像進(jìn)行分割.該方法對(duì)醫(yī)、學(xué)超聲圖像的增強(qiáng)和邊緣檢測(cè)有一定的效果但對(duì)于特定器官的處理效果欠佳。2010年，哈爾濱工業(yè)大學(xué)唐降龍教授提出了一種結(jié)合全局概率密度差異與局部灰度擬合的主動(dòng)輪廓模型對(duì)超聲圖像進(jìn)行分割的方法.該方法分別在原始超聲圖像與預(yù)處理圖像上利用了圖像的全局和局部信息.在原始圖像上，利用各區(qū)域的灰度分布，并結(jié)合超聲圖像的背景知識(shí)對(duì)圖像的全局信息建模。飛利浦北美研究院Yang等人也于2010年提出了一種新的思路，使用部分活動(dòng)輪廓模型(Partial Active Shape Models)來(lái)處理邊界丟失的問(wèn)題,使用在結(jié)合離散可形變模型(Discrete Deformable Model)進(jìn)一步對(duì)分割結(jié)果求精。該方法使用未經(jīng)預(yù)處理的圖像，沒(méi)有進(jìn)一步挖掘圖像中蘊(yùn)含的信息(如紋理特性)。同時(shí)超聲圖像信噪比、對(duì)比度都較低，直接在原始圖像上進(jìn)行處理 ，難以得到較好的處理結(jié)果。另外，該方法對(duì)目標(biāo)形狀的建模也有一定局限性，因?yàn)橹鞒煞址治?Principal Component Analysis)只能去除訓(xùn)練集中不同維度的線性相關(guān)性，對(duì)于現(xiàn)實(shí)數(shù)據(jù)存在的普遍相關(guān)相關(guān)性難以徹底去除，故在訓(xùn)練集合很接近高斯分布的時(shí)候能很好模擬它，對(duì)于一些復(fù)雜分布則難以取得良好的效果。

發(fā)明內(nèi)容
本發(fā)明為了解決超聲圖像對(duì)比度低，斑點(diǎn)噪聲、陰影區(qū)域?qū)Ψ指罡蓴_大的，沒(méi)有臨床實(shí)用的前列腺超聲圖像自動(dòng)分割輔助系統(tǒng)，而提出了一種前列腺超聲圖像自動(dòng)精確分割方法。本發(fā)明使用通過(guò)各向異性擴(kuò)散構(gòu)建的多尺度空間，通過(guò)Gabor濾波提取各個(gè)尺度下前列腺超聲圖像的紋理特征。同時(shí)，使用非參數(shù)核密度估計(jì)方法構(gòu)建前列腺形狀空間，并通過(guò)均值漂移(mean shift)在形狀空間內(nèi)進(jìn)行搜索。在紋理特征和形狀空間的雙重約束下，得到前列腺輪廓的粗分割。最后，使用活動(dòng)輪廓模型(active contour models),結(jié)合方向梯度，自適應(yīng)探測(cè)范圍，求精分割結(jié)果，最后穩(wěn)健地得到前列腺超聲圖像的精確分割。本發(fā)明的前列腺超聲圖像自動(dòng)精確分割方法步驟如下所示
步驟一基于一個(gè)數(shù)據(jù)集的學(xué)習(xí)樣本圖片，使用各向異性擴(kuò)散方法，構(gòu)建出尺度空間。由超聲圖像專家手工精確分割，使用Gabor濾波在不同方向、不同頻率以及不同尺度下提取超聲圖像輪廓邊緣的紋理特征；
步驟二 自動(dòng)初始化起始輪廓模型，從最粗糙的尺度開始，由學(xué)習(xí)提取的紋理特征和模型輪廓邊緣的方向梯度特征作為引導(dǎo)，結(jié)合由核密度估計(jì)構(gòu)建的形狀空間，共同在子空間約束下尋找目標(biāo)輪廓，進(jìn)行初步分割，具體實(shí)現(xiàn)步驟為
步驟A :模型輪廓上的每一個(gè)控制點(diǎn)，都在法向方向上考察臨近的坐標(biāo)點(diǎn)，考慮法線上點(diǎn)紋理特征和方向梯度特征的共同作用，該控制點(diǎn)移向作用最強(qiáng)點(diǎn)的位置；
步驟B :每一個(gè)控制點(diǎn)獨(dú)立移動(dòng)過(guò)后，模型的形狀可能已經(jīng)被破壞，此時(shí)，通過(guò)核密度估計(jì)方法，考察當(dāng)前模型形狀是否在形狀空間之內(nèi)，如果是，則進(jìn)入步驟A，否則進(jìn)入步驟C；
步驟C 對(duì)當(dāng)前形狀使用均值漂移算法，使其向核密度高的方向移動(dòng)，直到其核密度估計(jì)值滿足形狀空間要求；
步驟D 考察當(dāng)前是否在最精細(xì)一級(jí)的尺度下操作，是則進(jìn)入步驟三，否則切換到更精細(xì)一級(jí)尺度，進(jìn)入步驟A ;步驟三對(duì)原始超聲圖像使用均值偏移算法平滑，結(jié)合顯著點(diǎn)監(jiān)測(cè)算法，使用步驟二的輸出形狀為初始形狀，使用活動(dòng)輪廓模型進(jìn)一步求精分割結(jié)果，得到最后的前列腺超聲圖像精確分割結(jié)果。


圖I本發(fā)明方法的流程框 圖2是本發(fā)明的控制點(diǎn)法向運(yùn)動(dòng)示意 圖3是本發(fā)明的自適應(yīng)探測(cè)距離示意 圖4是本發(fā)明步驟二的輸出結(jié)果示意 圖5是本發(fā)明的最終分割示意圖，與圖4對(duì)應(yīng)； 圖6是本發(fā)明的最終分割結(jié)果與專家分割結(jié)果的對(duì)比示意圖，其中虛線為專家分割結(jié)果，實(shí)線為本發(fā)明的分割結(jié)果。
具體實(shí)施例方式結(jié)合圖I說(shuō)明本實(shí)施方式，本實(shí)施方式的步驟如下
步驟一基于一個(gè)數(shù)據(jù)集的學(xué)習(xí)樣本圖片，使用各向異性擴(kuò)散方法，構(gòu)建出尺度空間。由超聲圖像專家手工精確分割，使用Gabor濾波在不同方向、不同頻率以及不同尺度下提取超聲圖像輪廓邊緣的紋理特征；
步驟二 自動(dòng)初始化起始輪廓模型，從最粗糙的尺度開始，由學(xué)習(xí)提取的紋理特征和模型輪廓邊緣的方向梯度特征作為引導(dǎo)，結(jié)合由核密度估計(jì)構(gòu)建的形狀空間，共同在子空間約束下尋找目標(biāo)輪廓，進(jìn)行初步分割，具體實(shí)現(xiàn)步驟為
步驟A:模型輪廓上的每一個(gè)控制點(diǎn)，都在法向方向上考察臨近的坐標(biāo)點(diǎn)，考慮法線上點(diǎn)紋理特征和方向梯度特征的共同作用，該控制點(diǎn)移向作用最強(qiáng)點(diǎn)的位置；
步驟B :每一個(gè)控制點(diǎn)獨(dú)立移動(dòng)過(guò)后，模型的形狀可能已經(jīng)被破壞，此時(shí)，通過(guò)核密度估計(jì)方法，考察當(dāng)前模型形狀是否在形狀空間之內(nèi)，如果是，則進(jìn)入步驟A，否則進(jìn)入步驟C ；
步驟C 對(duì)當(dāng)前形狀使用均值漂移算法，使其向核密度高的方向移動(dòng)，直到其核密度估計(jì)值滿足形狀空間要求；
步驟D :考察當(dāng)前是否在最精細(xì)一級(jí)的尺度下操作(步驟二分割結(jié)果示例見(jiàn)圖4)，是則進(jìn)入步驟三，否則切換到更精細(xì)一級(jí)尺度，進(jìn)入步驟A ；
步驟三對(duì)原始超聲圖像使用均值偏移算法平滑，結(jié)合顯著點(diǎn)監(jiān)測(cè)算法，使用步驟二的輸出形狀為初始形狀，使用活動(dòng)輪廓模型進(jìn)一步求精分割結(jié)果，得到最后的前列腺超聲圖像精確分割結(jié)果(步驟三分割結(jié)果示例見(jiàn)圖5，與專家分割結(jié)果的對(duì)比示例見(jiàn)圖6)。步驟一的實(shí)現(xiàn)細(xì)節(jié)為對(duì)學(xué)習(xí)數(shù)據(jù)集輪廓上的每一個(gè)控制點(diǎn)編號(hào)(I, 2,…n)，
則每一個(gè)形狀輪廓可以表示為一個(gè)2b維空間內(nèi)的一個(gè)點(diǎn)
.
;~ ( :…，I ').!Ji)(1)Gabor濾波的實(shí)部為
權(quán)利要求
1.前列腺超聲圖像自動(dòng)精確分割方法，該方法使用通過(guò)各向異性擴(kuò)散構(gòu)建的多尺度空間，通過(guò)Gabor濾波提取各個(gè)尺度下前列腺超聲圖像的紋理特征；同時(shí)，使用非參數(shù)核密度估計(jì)方法構(gòu)建前列腺形狀空間，并通過(guò)均值漂移(mean shift)在形狀空間內(nèi)進(jìn)行搜索；在紋理特征和形狀空間的雙重約束下，得到前列腺輪廓的粗分割；最后，使用活動(dòng)輪廓模型(active contour models),結(jié)合方向梯度，自適應(yīng)探測(cè)范圍,求精分割結(jié)果,最后穩(wěn)健地得到前列腺超聲圖像的精確分割。
2.根據(jù)權(quán)利要求I所述的前列腺超聲圖像自動(dòng)精確分割方法，其特征在于它的步驟如下 步驟一基于一個(gè)數(shù)據(jù)集的學(xué)習(xí)樣本圖片，使用各向異性擴(kuò)散方法，構(gòu)建出尺度空間；由超聲圖像專家手工精確分割，使用Gabor濾波在不同方向、不同頻率以及不同尺度下提取超聲圖像輪廓邊緣的紋理特征； 步驟二 自動(dòng)初始化起始輪廓模型，從最粗糙的尺度開始，由學(xué)習(xí)提取的紋理特征和模型輪廓邊緣的方向梯度特征作為引導(dǎo)，結(jié)合由核密度估計(jì)構(gòu)建的形狀空間，共同在子空間約束下尋找目標(biāo)輪廓，進(jìn)行初步分割，具體實(shí)現(xiàn)步驟為 步驟A :模型輪廓上的每一個(gè)控制點(diǎn)，都在法向方向上考察臨近的坐標(biāo)點(diǎn)，考慮法線上點(diǎn)紋理特征和方向梯度特征的共同作用，該控制點(diǎn)移向作用最強(qiáng)點(diǎn)的位置； 步驟B :每一個(gè)控制點(diǎn)獨(dú)立移動(dòng)過(guò)后，模型的形狀可能已經(jīng)被破壞，此時(shí)，通過(guò)核密度估計(jì)方法，考察當(dāng)前模型形狀是否在形狀空間之內(nèi)，如果是，則進(jìn)入步驟A，否則進(jìn)入步驟C； 步驟C :對(duì)當(dāng)前形狀使用均值漂移算法，使其向核密度高的方向移動(dòng)，直到其核密度估計(jì)值滿足形狀空間要求； 步驟D :考察當(dāng)前是否在最精細(xì)一級(jí)的尺度下操作，是則進(jìn)入步驟三，否則切換到更精細(xì)一級(jí)尺度，進(jìn)入步驟A ； 步驟三對(duì)原始超聲圖像使用均值偏移算法平滑，結(jié)合顯著點(diǎn)監(jiān)測(cè)算法，使用步驟二的輸出形狀為初始形狀，使用活動(dòng)輪廓模型進(jìn)一步求精分割結(jié)果，得到最后的前列腺超聲圖像精確分割結(jié)果。
3.根據(jù)權(quán)利要求2所述的前列腺超聲圖像自動(dòng)精確分割方法，其特征在于步驟一，對(duì)學(xué)習(xí)數(shù)據(jù)集輪廓上的每一個(gè)控制點(diǎn)編號(hào) (I, 2,…H)，則每一個(gè)形狀輪廓可以表示為一個(gè)2n維空間內(nèi)的一個(gè)點(diǎn)
4.根據(jù)權(quán)利要求2所述的前列腺超聲圖像自動(dòng)精確分割方法，其特征在于步驟二，首先，對(duì)形狀上每一個(gè)控制，在其由內(nèi)而外的相對(duì)于形狀輪廓的法向量上，構(gòu)建如下向量輒(9) 其中!n+i是在模型上的點(diǎn)u，KU表示點(diǎn)I71的灰度值； 由上式可以定義輪廓曲線上一個(gè)控制點(diǎn)的方向梯度c為
5.根據(jù)權(quán)利要求2所述的前列腺超聲圖像自動(dòng)精確分割方法，其特征在于步驟三，基于步驟二的輸出結(jié)果，使用如下能量泛函求精最終分割結(jié)果
全文摘要
前列腺超聲圖像自動(dòng)精確分割方法，屬于計(jì)算機(jī)輔助診斷領(lǐng)域。該方法使用通過(guò)各向異性擴(kuò)散構(gòu)建的多尺度空間，通過(guò)Gabor濾波提取各個(gè)尺度下前列腺超聲圖像的紋理特征。同時(shí)，使用非參數(shù)核密度估計(jì)方法構(gòu)建前列腺形狀空間，并通過(guò)均值漂移(meanshift)在形狀空間內(nèi)進(jìn)行搜索。在紋理特征和形狀空間的雙重約束下，得到前列腺輪廓的粗分割。最后，使用活動(dòng)輪廓模型(activecontourmodels)，結(jié)合方向梯度，自適應(yīng)探測(cè)范圍，求精分割結(jié)果，最后穩(wěn)健地得到前列腺超聲圖像的精確分割。該方法解決了超聲圖像對(duì)比度低，斑點(diǎn)噪聲、陰影區(qū)域?qū)Ψ指罡蓴_大的問(wèn)題；實(shí)現(xiàn)前列腺超聲圖像精確分割；可以適應(yīng)各個(gè)廠商生產(chǎn)的不同型號(hào)超聲機(jī)，對(duì)超聲成像系統(tǒng)參數(shù)設(shè)置不敏感。
文檔編號(hào)G06T7/00GK102737382SQ20121020750
公開日2012年10月17日 申請(qǐng)日期2012年6月22日 優(yōu)先權(quán)日2012年6月22日
發(fā)明者劉怡光, 吳鵬飛, 李永忠 申請(qǐng)人:劉怡光