專利名稱：一種醫(yī)學(xué)影像體數(shù)據(jù)的三維紋理分析方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理及模式識(shí)別領(lǐng)域。特別是在醫(yī)學(xué)影像分析領(lǐng)域中，利用
本發(fā)明的紋理分析方法可以計(jì)算出感興趣目標(biāo)的內(nèi)在紋理模式，從而實(shí)現(xiàn)目標(biāo)的計(jì)算機(jī)輔 助識(shí)別。
背景技術(shù)：
紋理是一種常見(jiàn)且重要的目標(biāo)物識(shí)別方法。目前紋理特征的提取方法大致可以分 為兩類統(tǒng)計(jì)分析方法和結(jié)構(gòu)分析方法。前者從圖像的有關(guān)屬性的統(tǒng)計(jì)分析出發(fā)，根據(jù)紋 理元素及排列規(guī)則來(lái)描述紋理結(jié)構(gòu)，反映像素之間的灰度級(jí)空間相關(guān)規(guī)律；后者則著力找 出紋理基元，再?gòu)慕Y(jié)構(gòu)組成探索紋理的規(guī)律，也有直接去探求紋理構(gòu)成的結(jié)構(gòu)規(guī)律。 一般來(lái) 說(shuō)統(tǒng)計(jì)法適用于分析紋理細(xì)而且不規(guī)則的物體；結(jié)構(gòu)法則適用于紋理基元排列較規(guī)則的圖 像。 紋理特征提取的主要目的是將隨機(jī)的紋理或幾何紋理的空間結(jié)構(gòu)差異轉(zhuǎn)化為 特征灰度值的差異，用一些數(shù)學(xué)模型來(lái)描述圖像的紋理信息，包括圖像區(qū)域的平滑、稀 疏和規(guī)則性等。通常，紋理特征與紋理的位置、走向、尺寸、形狀等性質(zhì)有關(guān)，但是與平 均灰度級(jí)(亮度)無(wú)關(guān)。隨著計(jì)算機(jī)運(yùn)算能力的提高，利用紋理分析作為核心方法進(jìn) 行計(jì)算機(jī)輔助病灶檢測(cè)在最近幾年逐漸成為一個(gè)研究熱點(diǎn)。紋理分析的一個(gè)經(jīng)典算法 是1973年由haralick提出的灰度共生矩陣[Haralick， R. M， K. Sha匪gam， and Itshak Dinstein. 〃 Textural Featuresfor Image Classification. 〃 IEEE Transactions on Systems, Man, andCybernetics， vol. Smc_3， no.6， Nov.1973.pp. 610-621. ]。 Susomboon等 為了探索最佳的紋理分析掃描窗口大小，對(duì)離體動(dòng)脈、脂肪、腎臟、肝臟、肺臟、肌肉、脾臟和 骨頭用不同的窗口大小掃描后進(jìn)行二維紋理分析，最終獲得了這些正常組織的Haralick 典型特征向量數(shù)據(jù)[R. Susomboon， D. S. Raicu， and J. D. Furst， 〃 Pixel-Based Texture Classification of Tissues in ComputedTomogr即hy 〃 ， CTI Research Symposium, April 2006]。 S. Gordon等利用紋理分析的方法對(duì)PACS中的子宮頸圖像進(jìn)行分析歸類 [S. Gordon, G. Zimmerman,H.Greenspan,Image segmentation of Uterine Cervix images for indexing in PACS， Proceedings of the 17th IEEE Symposium on Computer—Based Medical Systems, 2004]。在肺結(jié)節(jié)的影像學(xué)檢查中，利用紋理分析的方法降低人工讀片的 失誤已經(jīng)是一禾中相對(duì)成熟的技術(shù)[Bram van Ginneken*,Bart M. ter Haar Romeny，andMax A. Viergever，Member IEEE，Computer—Aided Diagnosis in ChestRadiography :A Survey, IEEE TRANSACTIONS ON MEDICAL IMAGING, 2001 ;20 :1228-1240]。另外基于二維紋理分 析的方法在在肝臟的疾病的自動(dòng)分類[Ahmadian， Mostafa， Abolhassani， Salimpour， A texture classification method fordiffused liver diseases using Gabor wavelets, Engineering in Medicine and BiologySociety， 2005. IEEE-EMBS 2005.27th A皿iml International Conference of theVolume， Issue,17_18Jan. 2006 :1567—1570]禾卩乳腺 X照相檢查中對(duì)于乳腺癌的計(jì)算機(jī)輔助探測(cè)中均有應(yīng)用[Juliette S. ， Kathy， Jeffrey
3et al.Detection of BreastCancer with Full—Field Digital Mammography and
Computer-Aided Detection, Am. J. Roentgenol. ，2009 ;192 :337-340]。綜上可以看出，二
維紋理分析在CAD技術(shù)中的應(yīng)用已經(jīng)非常廣泛而且取得了較好的效果。 申請(qǐng)者考慮到以前紋理分析的焦點(diǎn)在于分析物體的表面信息，而在醫(yī)學(xué)影像體數(shù)
據(jù)中，經(jīng)過(guò)三維重建的人體器官表面只包含了部分信息，而器官內(nèi)部的一些小的肌肉、神經(jīng)
和血管雖然在目前的硬件分辨率下可能無(wú)法完全三維重建，但其大致走向和相互之間的固
定的位置關(guān)系會(huì)構(gòu)成一定的三維紋理信息。而此紋理信息可能也會(huì)隨著局部的病變而發(fā)生變化。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種醫(yī)學(xué)影像體數(shù)據(jù)的三維紋理分析方法，此方法可以對(duì)CT
或者M(jìn)RI所產(chǎn)生的影像體數(shù)據(jù)中的指定的三維空間區(qū)域進(jìn)行紋理分析，得到一個(gè)特征向
量，用來(lái)表征此指定體數(shù)據(jù)區(qū)域的三維紋理。 本發(fā)明由以下四個(gè)有序的步驟構(gòu)成 第一步在醫(yī)學(xué)影像體數(shù)據(jù)中劃定要處理的區(qū)域。 第二步在劃定區(qū)域內(nèi)獲得三維灰度共生矩陣的參數(shù)待處理體數(shù)據(jù)的灰度等級(jí) 范圍、灰度共生矩陣的生成方向和灰度共生矩陣生成的像素間距。 第二步歸一化后，按照第二步設(shè)定的方向和像素間距參數(shù)計(jì)算各個(gè)方向上的灰 度共生矩陣。 第四步基于所有方向的灰度共生矩陣，計(jì)算特征值。最終對(duì)于每一個(gè)方向的灰度 共生矩陣獲得一個(gè)特征向量。對(duì)所有的方向上的特征值求平均，得到一個(gè)該區(qū)域的特征值 向量，此向量即為此區(qū)域體數(shù)據(jù)三維紋理分析結(jié)果。 本發(fā)明基于以前二維紋理分析方法的思想，發(fā)明了一種醫(yī)學(xué)影像體數(shù)據(jù)的三維紋 理分析方法，用來(lái)獲得體數(shù)據(jù)內(nèi)部的內(nèi)在分布關(guān)系和模式規(guī)律。此方法利用CT或者M(jìn)RI影 像體數(shù)據(jù)，對(duì)于目標(biāo)區(qū)域進(jìn)行三維紋理分析，獲得的特征向量，利用這些獲得的特征向量最 后在分類器中可以在一定程度上區(qū)分結(jié)構(gòu)變異組織和正常組織，或者用于別的用途。


圖1是灰度共生矩陣方向方向參數(shù)示例。
具體實(shí)施例方式
本發(fā)明由以下四個(gè)有序的步驟構(gòu)成 第一步指定區(qū)域。指定區(qū)域是指在醫(yī)學(xué)影像體數(shù)據(jù)中劃定一個(gè)需要進(jìn)行計(jì)算的 范圍，指定的方法往往與本發(fā)明的算法應(yīng)用領(lǐng)域有關(guān)?？扇斯す蠢?，也可用一些別的自動(dòng)化 選取。
第二步確定以下三個(gè)參數(shù)(參數(shù)的獲取沒(méi)有先后順序)
(1)待處理體數(shù)據(jù)的灰度等級(jí)范圍。 對(duì)待處理區(qū)域進(jìn)行遍歷，記錄最大灰度等級(jí)MaxGrey和最小灰度等級(jí)MinGrey。
(2)灰度共生矩陣的生成方向。
4
將紋理的分析擴(kuò)展到三維空間后，要全面的表現(xiàn)體數(shù)據(jù)紋理在三維空間中各個(gè)方 向的變化，可供選擇的方向參數(shù)和二維情況下相比呈幾何倍數(shù)增加。為了能夠全面的描述
紋理在三維空間中的變化，表i的列舉了 13種灰度共生矩陣的生成方向。其中e表示生
成方向在XOY平面上的投影與X軸的夾角，小表示生成方向相對(duì)于Z軸的角度。考慮到計(jì)
算效率，在實(shí)際計(jì)算中可以從上述方向中選取一些主要方向，具體選取方法可根據(jù)實(shí)際問(wèn)
題的紋理特點(diǎn)確定，但是至少要包含(0° ，90° )，(90° ，90° )和(垂直于XOY平面，O。) 三個(gè)主軸方向。例如可以選取(0° ，90° )， (45° ，45° )， (45° ，135° )， (90° ，90° )， (135° ，45° )， (135° ，135° )，(垂直于XOY平面，O。)共7個(gè)有代表性的方向參數(shù)，這 7個(gè)方向在3D圖像上的具體表現(xiàn)如圖1所示。
表1灰度共生矩陣生成方向列表
<formula>formula see original document page 5</formula> (3)灰度共生矩陣生成的像素間距 在每一個(gè)方向上可以采用不同的像素間距DJI《Di《D^，其中Dmax為選定區(qū)域 內(nèi)最遠(yuǎn)的兩個(gè)像素之間的像素?cái)?shù))。也可以所有方向采用統(tǒng)一的像素間距D。像素間距的 具體值在實(shí)際應(yīng)用中可以根據(jù)經(jīng)驗(yàn)值來(lái)選定。
第三步計(jì)算三維灰度共生矩陣。
由于紋理分析與平均灰度級(jí)(亮度)無(wú)關(guān)，因此在計(jì)算灰度共生矩陣之前，先對(duì)選 定區(qū)域的灰度值進(jìn)行歸一化。即令選定區(qū)域中的每一個(gè)體數(shù)據(jù)數(shù)值
Greynew = Greyold-MinGrey 其中Grey。ld為歸一化前的灰度值，而Greynew為歸一化后的灰度值，MinGrey為第 二步中確定的參數(shù)。 把選定區(qū)域的數(shù)值范圍歸一化到0到MaxGrey-MinGrey之間。對(duì)所有選定區(qū)域的
數(shù)據(jù)點(diǎn)，以指定的像素間距D，按照第二步中指定的每一個(gè)方向計(jì)算出一個(gè)灰度共生矩陣。
在進(jìn)行計(jì)算時(shí)，若從當(dāng)前點(diǎn)出發(fā)，沿著某一個(gè)選定的方向，移動(dòng)指定的D個(gè)像素后，所在像
素已經(jīng)超出了選定的區(qū)域，則忽略此點(diǎn)進(jìn)入下一個(gè)點(diǎn)的計(jì)算。 第四步計(jì)算可用于分類的特征值 基于所有方向的灰度共生矩陣，計(jì)算出所有的14種Haralick建議的特征值或者 用其他新的算法計(jì)算出一些別的特征值。最終對(duì)于每一個(gè)方向的灰度共生矩陣，都可以計(jì) 算出一個(gè)特征向量。假設(shè)共計(jì)算了 N個(gè)特征值，則每個(gè)方向上的特征向量如下 VI
featureN]
V2 featureN]
...
VM featureN] 考慮到選定區(qū)域的體數(shù)據(jù)旋轉(zhuǎn)不能影響運(yùn)算結(jié)果，因此對(duì)所有的方向上的特征值 求平均
(Directionl_featurel+Direction2_featurel+. Feature 1 feature1)/M
Feature2 feature2)/M
FeatureN featureN)/M 最終得到一個(gè)該區(qū)域的特征值向量 V = [Feature 1， Feature2， ... ， FeatureN] 此向量即為此區(qū)域體數(shù)據(jù)三維紋理分析結(jié)果
+DirectionM
(Directionl_feature2+Direction2_feature2+. . +DirectionM—
(Directionl_featureN+Direction2_featureN+. . +DirectionM—
權(quán)利要求
一種醫(yī)學(xué)影像體數(shù)據(jù)的三維紋理分析方法，其特征是由以下4個(gè)有序的步驟構(gòu)成第一步指定由醫(yī)學(xué)影像數(shù)據(jù)體數(shù)據(jù)構(gòu)成的一個(gè)三維的空間區(qū)域，該區(qū)域形狀不限；第二步計(jì)算指定區(qū)域的灰度值上限和下限；設(shè)定對(duì)此空間區(qū)域計(jì)算灰度共生矩陣的方向，此方向必須為X，Y，Z三個(gè)主軸方向和以下所列出的13個(gè)方向中的一個(gè)或者多個(gè)方向的組合，并且在每個(gè)方向上計(jì)算灰度共生矩陣的像素間距或者所有方向都使用同一個(gè)像素間距；灰度共生矩陣生成方向列表 序號(hào) θ φ 1 0° 45° 2 0° 90° 3 0° 135° 4 45° 45° 5 45° 90° 6 45° 135° 7 90° 45° 8 90° 90° 9 90° 135° 10 135° 45° 11 135° 90° 12 135° 135° 13 垂直于XOY平面 0°第三步計(jì)算每個(gè)方向上的灰度共生矩陣，在計(jì)算之前對(duì)劃定區(qū)域的體數(shù)據(jù)值進(jìn)行等級(jí)的映射，使得所有要計(jì)算的區(qū)域的數(shù)據(jù)值從同一個(gè)固定的值開(kāi)始；在進(jìn)行計(jì)算時(shí)，若從當(dāng)前點(diǎn)出發(fā)，沿著某一個(gè)選定的方向，移動(dòng)了步驟二中指定的像素間距后，超出了選定的區(qū)域，則忽略此點(diǎn)進(jìn)入下一個(gè)點(diǎn)的計(jì)算；第四步基于第三步計(jì)算出的各個(gè)方向的灰度共生矩陣，依據(jù)Haralick建議的算法計(jì)算出一個(gè)或者多個(gè)特征值，對(duì)于每一個(gè)方向上的灰度共生矩陣，都計(jì)算出一個(gè)特征向量，對(duì)所有方向上的同一種特征值求平均，最終在該指定區(qū)域上得到一個(gè)三維紋理分析的特征值向量。
全文摘要
本發(fā)明提供一種醫(yī)學(xué)影像體數(shù)據(jù)的三維紋理分析方法，由以下四個(gè)有序的步驟構(gòu)成第一步在醫(yī)學(xué)影像體數(shù)據(jù)中劃定要處理的區(qū)域；第二步在劃定區(qū)域內(nèi)獲得三維灰度共生矩陣的參數(shù)待處理體數(shù)據(jù)的灰度等級(jí)范圍、灰度共生矩陣的生成方向和灰度共生矩陣生成的像素間距。第三步歸一化后，按照第二步設(shè)定的方向和像素間距參數(shù)計(jì)算各個(gè)方向上的灰度共生矩陣。第四步基于所有方向的灰度共生矩陣，計(jì)算特征值。最終對(duì)于每一個(gè)方向的灰度共生矩陣獲得一個(gè)特征向量。對(duì)所有的方向上的特征值求平均，得到一個(gè)該區(qū)域的特征值向量，此向量即為此區(qū)域體數(shù)據(jù)三維紋理分析結(jié)果。此算法可以對(duì)CT或者M(jìn)RI所產(chǎn)生的影像體數(shù)據(jù)中的指定的三維空間區(qū)域進(jìn)行紋理分析，最終得到一個(gè)特征向量，用此向量來(lái)表征此醫(yī)學(xué)影像體數(shù)據(jù)中某指定區(qū)域的三維紋理。
文檔編號(hào)A61B5/055GK101719274SQ20091021913
公開(kāi)日2010年6月2日 申請(qǐng)日期2009年11月25日 優(yōu)先權(quán)日2009年11月25日
發(fā)明者盧虹冰, 張國(guó)鵬, 焦純, 王天 申請(qǐng)人:中國(guó)人民解放軍第四軍醫(yī)大學(xué)