一種乳腺圖像中分割胸肌的方法
【專利摘要】本發(fā)明提供一種乳腺圖像中分割胸肌的方法，包括如下步驟：對乳腺圖像進行形態(tài)學限制的區(qū)域增長，獲得第一胸肌區(qū)域；對所述第一胸肌區(qū)域進行第一校正，獲得分割胸肌區(qū)域的乳腺圖像。本發(fā)明提供的胸肌分割方法具有自動校正功能，能夠快速有效地在內外斜側位乳腺X光圖中分割并去除胸肌部分，具有較高的精確度和魯棒性.對于多級灰度級，邊緣模糊，邊緣不規(guī)則的胸肌都能夠有效地分割。
【專利說明】—種乳腺圖像中分割胸肌的方法
【技術領域】
[0001]本發(fā)明涉及醫(yī)學圖像處理領域，尤其涉及一種乳腺圖像中分割胸肌的方法。
【背景技術】
[0002]除去內外側斜(MLO)位中的人體胸肌區(qū)域是乳腺X線圖像(Mammograms)計算機輔助診斷(Computer-aided Diagnosis, CAD)系統(tǒng)預處理中的基礎步驟。在MLO位的乳腺圖像中，胸肌區(qū)域通常位于圖像的左上角或者右上角，一般邊緣較為平緩，呈現(xiàn)三角形狀，具有整幅圖像中最高或較高的亮度。去除MLO位圖像的胸肌步驟，可以避免給后續(xù)處理帶來不良影響，例如腫瘤分割中的圖像規(guī)則化、乳腺密度估計等，并且可以為乳腺CAD有效抑制假陽性，從而提高病灶檢測率。
[0003]現(xiàn)有技術中，MLO位乳腺圖像中分割胸肌的方法主要有以下幾種:(I)基于閾值分割的方法。首先對原圖裁剪出包括胸肌部分的感興趣區(qū)域，然后進行閾值分割，最后對圖像進行閾值處理。由于不同的乳腺圖像中胸肌區(qū)域的像素灰度值在動態(tài)范圍內差別很大，因此無法估算閾值，只能取經驗閾值，從而導致此方法適用性不廣，分割結果精確度低；(2)基于區(qū)域增長的方法。首先，對原圖進行指數(shù)映射并量化以減少灰度級；然后進行形態(tài)學處理；在預設胸肌位于左上角的前提下，把種子點設在左上角的像素；然后用迭代的方法進行區(qū)域生長，在生長的過程中加入尺度限制(Size Restrict1n)，一旦過生長，則提高閾值重新生長。此方法能夠快速收斂，并且能有效控制過分，但是精確度低，容易產生偏差；(3)基于Hough變換的分割方法。此方法為現(xiàn)有技術中應用較為廣泛的一種分割胸肌的方法，亦是各大生產商的專利技術。這一類方法只能對胸肌真實邊界近似直線的情況適用，對于曲率較大的胸肌邊界以及有皮層疊加的胸肌不適用；(4)Hough變換與Snake混合方法。首先，用前述的Hough變換方法得到接近真實邊界的直線，然后用Snake迭代方法對直線進行校正。該方法在Snake步驟容易受到噪聲與周圍結構的干擾而導致準確度降低；(4)直線估計與精調(Refinement)方法。首先對原圖進行閾值分割，得到二值圖像；利用二值圖像的邊界估計出一條接近胸肌真實邊界的直線；對于得到的直線上的每一像素，取其橫切線上的圖像灰度，得到一個一維波形，用Sigmoid函數(shù)去擬合這個波形，并用參數(shù)方法尋找最陸峭點(Cliff Detect1n),此點對應的圖像坐標即為對原邊界點的更新。此方法的缺點與Hough變換的方法相似,一旦真實邊界較彎曲,直線與其相差較遠,Refinement將不能把邊界校正回去。因為Refinement只適用于小范圍精調，一旦擴大精調范圍將導致邊界不收斂。此外，Sigmoid函數(shù)擬合不適用與波形復雜的情況。
[0004]綜上所述，現(xiàn)有技術中，對于內外斜側位(ML0為)乳腺圖像中分割胸肌的方法主要存在以下問題:適用性低，對于多灰度級，邊緣不規(guī)則性或模糊的胸肌不能有效地進行分割；閾值不能實時調整，只能采用經驗值，參數(shù)的選擇受噪音影響較大，導致分割結果精確度降低。
【發(fā)明內容】
[0005]本發(fā)明解決的問題是提供一種乳腺圖像中分割胸肌的方法，用以解決MLO位乳腺圖像中分割胸肌方法不能有效分割邊緣不規(guī)則性或模糊的胸肌，閾值不能實時調整，只能采用經驗值，參數(shù)的選擇受噪音影響較大，分割結果精確低，魯棒性差。
[0006]為了解決上述問題，本發(fā)明提供了一種乳腺圖像中分割胸肌的方法，包括如下步驟:
[0007]對乳腺圖像進行形態(tài)學限制的區(qū)域增長，獲得第一胸肌區(qū)域；
[0008]對所述第一胸肌區(qū)域進行第一校正，獲得分割胸肌區(qū)域的乳腺圖像。
[0009]進一步地，所述形態(tài)學限制的區(qū)域增長包括如下步驟:
[0010](I)定義形態(tài)學限制；
[0011](2)進行形態(tài)學限制的自適應區(qū)域增長，所述區(qū)域增長的閾值下限為:
[0012]thL=(l-t)*(Tmax+Tmin) / 2
[0013]其中Tmax和Tmin分別為當前已生長區(qū)域的最大值和最小值；
[0014](3)判斷:若已生長區(qū)域的面積S'與形態(tài)學限制區(qū)域的面積S之差AS彡a*S，則獲得所述第一胸肌區(qū)域；
[0015]否則，調整參數(shù)t = t*b，并重復所述步驟⑵和(3);
[0016]其中a、b、t均為介于(0，1)之間的常數(shù)。
[0017]進一步地，所述定義形態(tài)學限制的方法包括如下步驟:在所述二維乳腺圖像上
[0018]定義點p(l，y):取乳腺圖像第一行上胸肌與乳房的分界點為點P ；
[0019]定義點q(X，l):取乳腺圖像中乳房的列寬最大值的點所在的行數(shù)m，并下移c行，令點q所在行x=m+c ；
[0020]取所述點P和點q的連線pq，所述連線pq將圖像分割為第一部分和第二部分，所述第一部分為所述形態(tài)學限制的區(qū)域。
[0021]進一步地，所述第一校正包括如下步驟:
[0022](I)對所述第一胸肌區(qū)域進行去除突兀結構操作，獲得第二胸肌區(qū)域；
[0023](2)對所述第二胸肌區(qū)域在η種尺度的乳腺圖像上進行精調，獲得分割胸肌區(qū)域的乳腺圖像；
[0024]其中，所述η為大于或等于I的正整數(shù)。
[0025]進一步地，所述去除突兀結構操作包括如下步驟:
[0026]遍歷所述第一胸肌區(qū)域邊緣上所有的點，取任意兩個端點A和B，連接Α、Β兩端點形成直線AB，若直線AB同時滿足:
[0027]直線AB 距離 d w ;
4
[0028]直線AB位于所述第一胸肌區(qū)域內部；
[0029]直線AB 距離 dAB〈d*C ；
[0030]則去除突兀結構；
[0031]若否，則不作處理。
[0032]其中，所述L為所述第一胸肌區(qū)域中胸肌與乳腺相鄰邊界的總長；所述C為所述第一胸肌區(qū)域中連接A B兩點的胸肌邊緣總長；所述d為大于I的常數(shù)。
[0033]進一步地，所述精調包括如下步驟:
[0034]取所述第二胸肌區(qū)域中胸肌的邊界點，取任意一個邊界點，作所述邊界點的法線，取邊界點在法線上相鄰的至少2個像素點；
[0035]計算所述至少3個像素點的灰度值，定義相鄰兩點的灰度值之差為梯度；
[0036]確定梯度最大點,定義該點對應的圖像坐標為所取邊界點的更新坐標；
[0037]采用Snake算法在η種尺度的乳腺圖像中第二胸肌區(qū)域精調胸肌的邊，獲得所述分割胸肌區(qū)域的乳腺圖像；
[0038]其中，所述Snake算法的狀態(tài)方程為:
[0039]狀態(tài)方程Esnake = Eint+Eext ；
[0040]所述更新坐標為所述Snake狀態(tài)方程中Erart為外部能量；所述胸肌邊界的平滑性為所述Snake狀態(tài)方程中的內部能量Eint。
[0041]進一步地，所述精調依據(jù)所述乳腺圖像的分辨率由低到高依次進行迭代精調。
[0042]進一步地，所述精調前，對所述第二胸肌區(qū)域進行邊緣平滑操作。
[0043]進一步地，獲得所述第一胸肌區(qū)域前，首先所述判斷圖像中乳腺的方向；
[0044]進一步地，所述判定乳腺方向的方法包括如下步驟:
[0045]取所述乳腺圖像中含有乳腺部分的任意一行I和中間列m，所述第I行和第m列將所述第一圖像的上半部分對稱分割為第三部分和第四部分；
[0046]計算所述第三和第四兩部分圖像的灰度平均值Tright和Tleft ；
[0047]若THght>Tleft，則乳腺位于所述第一圖像的右側；
[0048]若THght〈Tleft，則乳腺位于所述第一圖像的左側。
[0049]與現(xiàn)有技術相比，本發(fā)明具有以下優(yōu)點:(I)本發(fā)明提供一種乳腺圖像中分割胸肌的方法，能夠在區(qū)域增長的過程中通過形態(tài)學的限制自適應地實時調節(jié)閾值，從而有效抑制大范圍的溢出；(2)本發(fā)明能夠通過去除突兀結構的方法(Rolling Ball的方法)有效去除小范圍的溢出，大大提高算法的魯棒性；(3)本發(fā)明可以對胸肌邊緣在多尺度的乳腺圖像上進行精調，有效地保證在精調過程中胸肌邊緣的平滑性，使得分割結果更加精確；
(4)該方法適用性較廣、準確度高，能夠有效地分割多灰度級，邊緣模糊，邊緣不規(guī)則的胸肌。
【專利附圖】
【附圖說明】
[0050]圖1所示為本發(fā)明一個實施例中乳腺圖像中分割胸肌的方法流程示意圖；
[0051]圖2所示為本發(fā)明一個實施例中確定乳腺方向的方法流程示意圖；
[0052]圖3所示為本發(fā)明一個實施例中第三部分和第四部分的示意圖；
[0053]圖4所示為本發(fā)明一個實施例中形態(tài)學限制的區(qū)域示意圖；
[0054]圖5所示為本發(fā)明一個實施例中形態(tài)學限制的區(qū)域增長的方法流程示意圖；
[0055]圖6所示為本發(fā)明一個實施例中定義形態(tài)學限制的方法流程示意圖；
[0056]圖7所示為本發(fā)明一個實施例中第一部分和第二部的示意圖；
[0057]圖8所示為本發(fā)明一個實施例中第一校正的方法流程示意圖；
[0058]圖9所示為本發(fā)明一個實施例中去除突兀結構操作的流程示意圖；
[0059]圖10所示為本發(fā)明一個實施例中突兀結構的示意圖；
[0060]圖11所示為圖10中R部分的局部放大示意圖；
[0061]圖12所示為本發(fā)明一個實施例中精調的流程示意圖；
[0062]圖13a?13e為本發(fā)明一個實施例中分割胸肌的各階段結果示意圖。
【具體實施方式】
[0063]在下面的描述中闡述了很多具體細節(jié)以便于充分理解本發(fā)明。但是本發(fā)明能夠以很多不同于在此描述的其它方式來實施，本領域技術人員可以在不違背本發(fā)明內涵的情況下做類似推廣，因此本發(fā)明不受下面公開的具體實施的限制。
[0064]其次，本發(fā)明利用示意圖進行詳細描述，在詳述本發(fā)明實施例時，為便于說明，所述示意圖只是實例，其在此不應限制本發(fā)明保護的范圍。
[0065]為了解決【背景技術】中的技術問題，本發(fā)明提供了一種乳腺圖像中分割胸肌的方法，首先采用形態(tài)學限制的區(qū)域增長方法，在定義的形態(tài)學限制區(qū)域內，自動地調整閾值參數(shù)，實時調節(jié)閾值，有效的抑制大范圍的溢出，避免現(xiàn)有技術中采用經驗閾值方法的缺點，提高本發(fā)明的適用性和準確性；接著采用去除突兀結構的方法(Rolling Ball)和Snake算法優(yōu)化胸肌邊界的方法對區(qū)域增長結構進行第一校正，有效地分割多灰度級，邊緣模糊，邊緣不規(guī)則的胸肌。
[0066]下面結合附圖對本發(fā)明進行詳細描述。如圖1本發(fā)明一個實施例的乳腺圖像中分割胸肌的方法流程示意圖所示，所述方法包括如下步驟:
[0067]首先，執(zhí)行步驟SlO:確定所述乳腺圖像中乳腺方向，便于后續(xù)統(tǒng)一操作；所述確定乳腺方向的方法如圖2本發(fā)明一個實施例中確定乳腺方向的方法流程示意圖所示，所述方法包括如下步驟:
[0068]首先，執(zhí)行步驟Sll:取所述乳腺圖像中含有乳腺部分的任意一行I和所述乳腺圖像的中間列m，所述第I行和第m列將所述乳腺圖像劃分為如圖3所示的第三部分3和第四部分4 ；
[0069]接著，執(zhí)行步驟S12?S13:分別計算所述第三部分3和第四部分4中圖像的灰度平均值THght和Tleft,比較兩個值的大小:
[0070]若THght>Tleft，則乳腺位于所述第一圖像的右側；
[0071]若THght < Tleft,則乳腺位于所述第一圖像的左側。
[0072]優(yōu)選地，本實施例中，采用乳腺方向位于圖像左側，當乳腺位于所述乳腺圖像的右側時，將圖像翻轉使得乳腺位于所述乳腺圖像的左側。
[0073]接著，執(zhí)行步驟S20:對乳腺圖像在如圖4本發(fā)明一個實施例中形態(tài)學限制的區(qū)域示意圖所示的形態(tài)學限制區(qū)域內進行區(qū)域增長。
[0074]所述形態(tài)學限制的區(qū)域增長的方法如圖5本發(fā)明一個實施例中形態(tài)學限制的區(qū)域增長的方法流程示意圖所示，所述方法包括如下步驟:
[0075]首先，執(zhí)行步驟S21:定義形態(tài)學限制；區(qū)別于現(xiàn)有技術，本實施例中，區(qū)域增長是在形態(tài)學限制的區(qū)域內進行，能夠有效控制區(qū)域增長中大范圍的溢出問題，提高胸肌分割的準確性。所述定義形態(tài)學限制的方法如圖6本發(fā)明一個實施例中定義形態(tài)學限制的方法流程示意圖所示:
[0076]執(zhí)行步驟S211:在所述乳腺圖像上定義點P和點q ；
[0077]定義點p(l，y):取乳腺圖像第一行上胸肌與乳房的分界點為點P ;通常MLO位的乳腺圖像中胸肌呈三角形，在整幅圖像中具有最高或較高的亮度，一般第一行胸肌部分與背景或乳房部分的分界較為清晰，而圖像下方由于腺體、病灶或其它組織的存在，胸肌與其它部分的分界變得模糊，故本實施例中選取在所述乳腺圖像第一行胸肌與乳房的分界點為點P，便于快速、準確地定位點P。
[0078]定義點q(X，l):取乳腺圖像中乳房的列寬最大值的點所在的行數(shù)m，并下移c行，令點q所在行x=m+c ;因為乳房形態(tài)各異，胸肌下端的分界點不一定在乳房的列寬最大值處，所以，將列寬最大值的點所在的行數(shù)m下移c行，作為點q所在行，使得盡可能包含胸肌區(qū)域，提高分割胸肌的準確性。
[0079]確定完畢點P和點q后,執(zhí)行步驟S212:取所述點P和點q的連線pq,所述連線pq將圖像分割為如圖7本發(fā)明一個實施例中第一部分I和第二部分2的示意圖所示，其中所述第一部分I為靠近胸腔一側的乳腺部分圖像，選取所述第一部分I為所述形態(tài)學限制的區(qū)域。
[0080]繼續(xù)執(zhí)行步驟S22:對所述乳腺圖像進行形態(tài)學限制的自適應區(qū)域增長，所述區(qū)域增長的閾值下限為:^=(1-0*(Tmax+Tmin) / 2，其中，Tmax和Tmin分別為當前已生長區(qū)域的最大值和最小值。
[0081]然后執(zhí)行步驟S23:比較已生長區(qū)域的面積S'與所述第一部分I的面積S之差Δ S與所述第一部分的面積S的大小，若Λ S ( a*S則獲得所述第一胸肌區(qū)域；
[0082]否則，調整參數(shù)t = t*b，并重復所述步驟S22和S33 ;其中a、b、t均為介于(0，I)之間的常數(shù)。
[0083]需要說明的是，本實施例中，所述區(qū)域增長的閾值下限伽是通過閾值參數(shù)t進行實時調節(jié)，有效防止閾值增長過程中的溢出，適用于不同灰度的乳腺圖像的胸肌分割。本實施例中，優(yōu)選a的大小為0.1，即當面積差Λ S超過所述形態(tài)學限制的區(qū)域面積I / 10時，調整參數(shù)t = t*b,本實施例中t的大小優(yōu)選為0.4,所述b的大小優(yōu)選為0.9,將調整后的參數(shù)帶入?Κ=(1-υ*(Τ_+Τπ?η) / 2中重新進行區(qū)域增長，直至滿足形態(tài)學限制。
[0084]本實施例中采用形態(tài)學限制的區(qū)域增長，能夠在區(qū)域增長的過程中，利用形態(tài)學限制自動地調整自適應閾值參數(shù)t，從而實時調節(jié)閾值tl.^，有效抑制增長過程中大范圍的溢出，提高分割胸肌的準確性。
[0085]所述第一胸肌區(qū)域確定完畢后，繼續(xù)執(zhí)行步驟S30:對所述第一胸肌區(qū)域進行第一校正，用于優(yōu)化、精調上述形態(tài)學限制的自適應區(qū)域增長獲得的胸肌區(qū)域邊緣，提高胸肌分割的準確性。所述第一校正的方法如圖8本發(fā)明一個實施例中第一校正的方法流程示意圖所示:
[0086]首先執(zhí)行步驟S31:對所述第一胸肌區(qū)域進行去除突兀結構操作，獲得第二胸肌區(qū)域；所述突兀結構是指形態(tài)學限制的區(qū)域增長過程中，在所述第一胸肌區(qū)域邊緣的不規(guī)則結構，可能是一些乳房腺體，或病灶組織，或一些小范圍的溢出，導致胸肌的過分割，為了提高本實施例乳腺圖像中胸肌分割方法的準確性，需要去除突兀結構。
[0087]具體地，所述去除突兀結構操作如圖9本發(fā)明一個實施例中去除突兀結構操作的流程示意圖所示，包括如下步驟:
[0088]執(zhí)行步驟S311:首先遍歷所述第一胸肌區(qū)域邊緣上所有的點，取任意兩個端點A和B，連接A、B兩端點形成直線AB，特別是選取所述第一胸肌區(qū)域邊緣上任意一個突兀結構的兩個端點，如圖10和圖11所示；接著執(zhí)行步驟S312?S313:若直線AB同時滿足下述三個條件:a)直線AB距離& b)直線AB位于所述第一胸肌區(qū)域內部；c)直線AB距離
‘<(1和；則去除突兀結構，即將連接A、B兩端點的直線AB作為所述胸肌的邊界；若否，則不作處理，保留該突兀結構。
[0089]其中，所述L為所述第一胸肌區(qū)域中胸肌與乳腺相鄰邊界的總長，所述條件a)用于控制突兀結構的口徑寬度；對于符合口徑寬度的突兀結構，結合條件c)的判斷結果確定是否去除突兀結構；所述條件b)將去除突兀結構的操作限定于所述第一胸肌區(qū)域內部；所述C為所述第一胸肌區(qū)域中連接A B兩點的胸肌邊緣總長，所述條件c)用于控制突兀結構的突兀程度，通過條件運算去除這種情況下的突兀結構；所述d為大于I的常數(shù)，本實施例中優(yōu)選d=2。
[0090]本實施例中，采用Rolling Ball去除突兀結構，對Rolling Ball方法中設置的三組“與”運算的條件能夠有效優(yōu)化胸肌的分割，特別是上述區(qū)域增長過程中的小范圍溢出部分，例如細長的腺體部分，通過條件設置的交集運算，例如控制突兀結構的突兀程度來區(qū)別胸肌和腺體部分，從而得到胸肌部分的有效分割。
[0091]最后，執(zhí)行步驟S40:對所述第二胸肌區(qū)域在η種尺度的乳腺圖像上進行精調，獲得分割胸肌區(qū)域的乳腺圖像；
[0092]具體地，所述精調操作如圖12本發(fā)明一個實施例中精調操作的流程示意圖所示，包括如下步驟:
[0093]首先，執(zhí)行步驟S41，對獲得的所述第二胸肌區(qū)域進行邊緣平滑操作；接著執(zhí)行步驟S42?S43:遍歷平滑后的所述第二胸肌區(qū)域的邊界上所有的點，取任意一個邊界點，作所述邊界點的法線，取邊界點和所述邊界點在法線方向上相鄰的至少2個像素點，計算所述至少3個像素點的灰度值，定義相鄰兩點的灰度值之差為梯度；確定梯度最大點，所述梯度最大點與梯度定義的方式有關，如果是向前梯度就是前一點，向后梯度就是后一點，定義所述梯度最大點對應的圖像坐標為所述邊界點的更新坐標。接著，執(zhí)行步驟S44:將上述步驟獲得的更新坐標帶入Snake算法的狀態(tài)方程中，采用Snake算法在η種尺度的乳腺圖像的第二胸肌區(qū)域內精調胸肌邊界，最終獲得所述分割胸肌區(qū)域的乳腺圖像，其中，所述η為大于或等于I的正整數(shù)。
[0094]其中，所述Snake算法的狀態(tài)方程為:Esnake = Eint+Eext,所述更新坐標為所述Snake狀態(tài)方程中Erart的外部能量；所述胸肌邊界的平滑性為所述Snake狀態(tài)方程中的內部能量Eint，用于維持胸肌邊緣的平滑性，限制外部能量Erart的過度變化，即當選取的更新坐標異常，例如乳腺圖像中因邊界點存在腺體等高亮度的組織，計算得到的最大梯度值點并非是胸肌與乳房的分界，導致獲得的更新坐標異常。
[0095]其中，所述精調過程依據(jù)所述乳腺圖像的分辨率由低到高依次進行精調，例如原圖大小為100X100的乳腺圖像，將其降采樣到分辨率為50X50，進一步降采樣到分辨率為25X25。首先在25 X 25的低分辨率上調整乳腺圖像中第二胸肌區(qū)域內精調胸肌邊界，接著在50 X 50的分辨率上調整胸肌邊界，最后在原圖100 X 100上調整胸肌邊界。通過對分辨率從低到高的乳腺圖像進行Snake算法的精調胸肌邊界操作，降低噪聲與周圍結構對Snake算法的干擾，提高優(yōu)化邊界結果的準確性。如圖13a?13e為本發(fā)明一個實施例中分割胸肌的各階段結果示意圖。
[0096]本實施例中通過在不同尺度的乳腺圖像上對所述第二胸肌區(qū)域的邊緣進行精調，從而對于多灰度級、邊緣模糊或不規(guī)則的胸肌得到有效優(yōu)化，提高胸肌分割的精準性和魯棒性。
[0097]本發(fā)明雖然已以較佳實施例公開如上，但其并不是用來限定本發(fā)明，任何本領域技術人員在不脫離本發(fā)明的精神和范圍內，都可以利用上述揭示的方法和技術內容對本發(fā)明技術方案做出可能的變動和修改，因此，凡是未脫離本發(fā)明技術方案的內容，依據(jù)本發(fā)明的技術實質對以上實施例所作的任何簡單修改、等同變化及修飾，均屬于本發(fā)明技術方案的保護范圍。
【權利要求】
1.一種乳腺圖像中分割胸肌的方法，其特征在于，包括如下步驟: 對乳腺圖像進行形態(tài)學限制的區(qū)域增長，獲得第一胸肌區(qū)域； 對所述第一胸肌區(qū)域進行第一校正，獲得分割胸肌區(qū)域的乳腺圖像。
2.如權利要求1所述的乳腺圖像中分割胸肌的方法，其特征在于，所述形態(tài)學限制的區(qū)域增長包括如下步驟: (1)定義形態(tài)學限制； (2)進行形態(tài)學限制的自適應區(qū)域增長，所述區(qū)域增長的閾值下限為:thL=(l-t)*(Tmax+Tmin) / 2 其中Tmax和Tmin分別為當前已生長區(qū)域的最大值和最小值； (3)判斷:若已生長區(qū)域的面積S'與形態(tài)學限制區(qū)域的面積S之差ASSa*S，則獲得所述第一胸肌區(qū)域； 否則，調整參數(shù)t = t*b，并重復所述步驟(2)和(3)； 其中a、b、t均為介于(O，I)之間的常數(shù)。
3.如權利要求2所述的乳腺圖像中分割胸肌的方法，其特征在于，所述定義形態(tài)學限制包括如下步驟:在所述乳腺圖像上 (1)定義點p(1，y):取乳腺圖像第一行上胸肌與乳房的分界點為點P; (2)定義點q(x，l):取乳腺圖像中乳房的列寬最大值的點所在的行數(shù)m，并下移c行，令點q所在行x=m+c ； (3)取所述點P和點q的連線pq，所述連線pq將圖像分割為第一部分和第二部分，所述第一部分為所述形態(tài)學限制的區(qū)域。
4.如權利要求1所述的乳腺圖像中分割胸肌的方法，其特征在于，所述第一校正包括如下步驟: (1)對所述第一胸肌區(qū)域進行去除突兀結構操作，獲得第二胸肌區(qū)域； (2)對所述第二胸肌區(qū)域在η種尺度的乳腺圖像上進行精調，獲得分割胸肌區(qū)域的乳腺圖像； 其中，所述η為大于或等于I的正整數(shù)。
5.如權利要求4所述的乳腺圖像中分割胸肌的方法，其特征在于，所述去除突兀結構操作包括如下步驟: 遍歷所述第一胸肌區(qū)域邊緣上所有的點，取任意兩個端點A和B，連接Α、Β兩端點形成直線AB，若直線AB同時滿足: a)直線AB距離 b)直線AB位于所述第一胸肌區(qū)域內部； c)直線AB距離dAB〈d*C； 則去除突兀結構； 若否，則不作處理； 其中，所述L為所述第一胸肌區(qū)域中胸肌與乳腺相鄰邊界的總長；所述C為所述第一胸肌區(qū)域中連接A、B兩點的胸肌邊緣總長；所述d為大于I的常數(shù)。
6.如權利要求4所述的乳腺圖像中分割胸肌的方法，其特征在于，所述精調包括如下步驟: (1)取所述第二胸肌區(qū)域中胸肌的邊界點，取任意一個邊界點，作所述邊界點的法線，取邊界點和邊界點在法線方向上相鄰的至少2個像素點； (2)計算所述至少3個像素點的灰度值，定義相鄰兩點的灰度值之差為梯度； (3)確定梯度最大點，定義該點對應的圖像坐標為所述邊界點的更新坐標； (4)采用Snake算法在η種尺度的乳腺圖像中第二胸肌區(qū)域內精調胸肌的邊界，獲得所述分割胸肌區(qū)域的乳腺圖像。 其中，所述Snake算法的狀態(tài)方程為:
狀態(tài)方程 Esnake = Eint+Eext ； 所述更新坐標為所述Snake狀態(tài)方程中Erart的外部能量；所述胸肌邊界的平滑性為所述Snake狀態(tài)方程中的內部能量Eint。
7.如權利要求4或6所述的乳腺圖像中分割胸肌的方法，其特征在于，所述精調依據(jù)所述乳腺圖像的分辨率由低到高依次進行迭代精調。
8.如權利要求4所述的乳腺圖像中分割胸肌的方法，其特征在于，所述精調前，對所述第二胸肌區(qū)域進行邊緣平滑操作。
9.如權利要求1所述的乳腺圖像中分割胸肌的方法，其特征在于，獲得所述第一胸肌區(qū)域前，首先所述判斷圖像中乳腺的方向。
10.如權利要求1所述的乳腺圖像中分割胸肌的方法，其特征在于，所述判定乳腺方向的方法包括如下步驟: 取所述乳腺圖像中含有乳腺部分的任意一行I和中間列m，所述第I行和第m列將所述第一圖像的上半部分對稱分割為第三部分和第四部分； 計算所述第三和第四兩部分圖像的灰度平均值THght和Tlrft ； 若Tright>Tlrft，則乳腺位于所述第一圖像的右側； 若T；ight〈Tlrft，則乳腺位于所述第一圖像的左側。
【文檔編號】G06T7/00GK104182965SQ201410028053
【公開日】2014年12月3日 申請日期:2014年1月22日 優(yōu)先權日:2014年1月22日
【發(fā)明者】李華, 石海林, 王瀟崧 申請人:上海聯(lián)影醫(yī)療科技有限公司