一種基于ct影像肝臟腫瘤病灶的分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于醫(yī)學(xué)圖像處理領(lǐng)域，尤其涉及一種基于CT影像肝臟腫瘤病灶的分割 方法。
【背景技術(shù)】
[0002] 肝臟是人體內(nèi)最大的化工廠，承擔(dān)著消化、解毒、分泌等重要功能。而中國人的肝 臟所承受的疾病負(fù)擔(dān)是全世界最重的。原發(fā)性肝癌是臨床上最常見的惡性腫瘤之一。當(dāng)下， 肝癌在全球的發(fā)病率都呈上升趨勢(shì)。根據(jù)世界衛(wèi)生組織發(fā)表的《全球癌癥報(bào)告2014》顯示， 中國新增癌癥病例高居世界第一位，其中肝癌的新增病例和死亡人數(shù)均居世界首位。目前， 我國肝癌的發(fā)病率約為25. 7/10萬，成為死亡率僅次于胃癌、肺癌的第二大惡性腫瘤。肝癌 的早期診斷已是目前肝癌治療的重中之重
[0003] 許多醫(yī)學(xué)成像方法已被應(yīng)用于肝臟腫瘤病灶的檢測(cè)中，例如CT、超聲、核磁共振、 選擇性腹腔動(dòng)脈或肝動(dòng)脈造影檢查、放射性核素肝掃描等。在所有影像檢查方式中，CT圖 像因其具有較高的分辨率而被廣泛采用。一般CT圖像可檢出直徑1. 0cm左右的微小癌灶， 應(yīng)用動(dòng)態(tài)增強(qiáng)掃描可提高分辨率并有助于鑒別血管瘤，應(yīng)用CT動(dòng)態(tài)掃描與動(dòng)脈造影相結(jié) 合的CT血管造影，可提高小肝癌的檢出率。同時(shí)CT圖像對(duì)肝癌手術(shù)的方案設(shè)計(jì)有一定的 幫助。
[0004] 針對(duì)肝臟病灶的分割現(xiàn)有多種算法嘗試實(shí)現(xiàn)，包括在人體肺部分割有效但肝臟分 割效果較差的自適應(yīng)體素生長算法；需要先將肝臟整體進(jìn)行分割才能完成腫瘤病灶分割的 混合假設(shè)概率的方法與基于最優(yōu)閾值的分割方法；會(huì)較大地破壞原始圖像信息，造成分割 結(jié)果的失的對(duì)比度增強(qiáng)的肝臟腫瘤識(shí)別的方法；只能處理簡單目標(biāo)背景圖像的Chan-Vese 模型水平集分割方法，以上方法均需要部分交互式操作，且不能處理多病灶腫瘤的分割。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于CT影像肝臟腫瘤病灶的分割方法，旨在解決不 能準(zhǔn)確、快速地實(shí)現(xiàn)多病灶肝臟腫瘤分割的問題。
[0006] 本發(fā)明是這樣實(shí)現(xiàn)的，一種基于CT影像肝臟腫瘤病灶的分割方法，包括以下步 驟：
[0007] 對(duì)初始CT影像圖像進(jìn)行預(yù)處理；
[0008] 針對(duì)預(yù)處理后的CT影像圖像，通過交互式方式完成疑似病灶的R0I選擇；
[0009] 基于CT值對(duì)R0I進(jìn)行紋理描述，并通過紋理描述子加權(quán)計(jì)算獲得R0I的概率譜；
[0010] 構(gòu)建大數(shù)據(jù)先驗(yàn)知識(shí)庫，確定病灶區(qū)概率譜閾值，并基于所述閾值對(duì)疑似病灶進(jìn) 行分割；
[0011] 對(duì)病灶完成容積統(tǒng)計(jì)與量化輸出。
[0012] 本發(fā)明提供的基于CT影像肝臟腫瘤病灶的分割方法，基于穩(wěn)定CT值的方法計(jì)算 概率譜，基于大數(shù)據(jù)先驗(yàn)知識(shí)庫確定病灶區(qū)概率譜閾值，并依據(jù)獲得的所述閾值對(duì)疑似病 灶進(jìn)行分割，具有下述優(yōu)勢(shì)：
[0013] 首先，基于穩(wěn)定且具有可比性的CT值計(jì)算得到多個(gè)紋理描述子概率譜，提升了 CT 影像中肝臟腫瘤病灶分割的準(zhǔn)確性。同時(shí)，所述概率譜的構(gòu)建，不僅融合了所有特征描述 子，且權(quán)值可調(diào)，更具靈活性，從而顯著提高了 CT影像肝臟腫瘤病灶分割的時(shí)效性，避免了 現(xiàn)有聚類分割方法中初始隨機(jī)化引起失敗的風(fēng)險(xiǎn)。
[0014] 其次，本發(fā)明基于CT影像肝臟腫瘤病灶的分割方法，基于先驗(yàn)知識(shí)庫肝臟腫瘤患 者的數(shù)據(jù)通過手動(dòng)分割計(jì)算得到概率譜的閾值，基于先驗(yàn)知識(shí)的閾值分割更有效于已有算 法。
[0015] 此外，本發(fā)明算法允許選擇多個(gè)R0I，可并行化完成分割，使多目標(biāo)區(qū)域分割成為 可能。
【具體實(shí)施方式】
[0016] 為了使本發(fā)明要解決的技術(shù)問題、技術(shù)方案及有益效果更加清楚明白，以下結(jié)合 實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋 本發(fā)明，并不用于限定本發(fā)明。
[0017] 本發(fā)明實(shí)施例提供了一種基于CT影像肝臟腫瘤病灶的分割方法，包括以下步驟：
[0018] S01.對(duì)初始CT影像圖像進(jìn)行預(yù)處理；
[0019] S02.針對(duì)預(yù)處理后的CT影像圖像，通過交互式方式完成疑似病灶的R0I選擇；
[0020] S03.基于CT值對(duì)R0I進(jìn)行紋理描述，并通過紋理描述子加權(quán)計(jì)算獲得R0I的概率 譜；
[0021] S04.構(gòu)建大數(shù)據(jù)先驗(yàn)知識(shí)庫，確定病灶區(qū)概率譜閾值，并基于所述閾值對(duì)疑似病 灶進(jìn)行分割；
[0022] S05.對(duì)病灶完成容積統(tǒng)計(jì)與量化輸出。
[0023] 具體的，上述步驟S01中，為了提高本發(fā)明實(shí)施例肝臟腫瘤病灶分割的準(zhǔn)確性，在 對(duì)所述CT影像圖像進(jìn)行分割之前，需要對(duì)圖像進(jìn)行相應(yīng)的預(yù)處理以提高分割精度。作為優(yōu) 選實(shí)施例，對(duì)初始CT影像圖像進(jìn)行預(yù)處理，包括圖像去噪處理和圖像增強(qiáng)處理。
[0024] 作為進(jìn)一步優(yōu)選實(shí)施例，采用基于空間域?yàn)V波技術(shù)的算術(shù)均值濾波器實(shí)現(xiàn)所述去 噪處理。作為具體優(yōu)選實(shí)施例，所述去噪處理的操作方法為：基于空間域?yàn)V波技術(shù)的算術(shù)均 值濾波器，令S xyz表示中心在點(diǎn)（x，y，z)處、大小為mXnXp的矩形子圖像窗口的一組坐標(biāo)， 所述算術(shù)均值濾波器在S xvz定義的區(qū)域中計(jì)算原始圖像g(x, y, z)的平均值為：
[0025]
J
[0026] 式中，所述f (X, y, z)為去噪后圖像在點(diǎn)（X, y, z)處去噪后的值，所述r、s、t分別 表示領(lǐng)域里的某個(gè)體素的索引，即它在X、y、z的坐標(biāo)。
[0027] 上述優(yōu)選去噪操作處理，可以使用大小為mXnXp的一個(gè)空間濾波器來實(shí)現(xiàn)，其 所有的系數(shù)均優(yōu)選為1/mnp時(shí)，可有效降低噪聲。作為本發(fā)明一個(gè)具體優(yōu)選實(shí)施例，其中， 所述m、η、p的取值為m = n = p = 3。
[0028] 本發(fā)明實(shí)施例，所述CT影像數(shù)據(jù)采集可選用常規(guī)設(shè)備、設(shè)置常規(guī)參數(shù)獲得。進(jìn)一 步的，優(yōu)選使用西門子S0MAT0M Sensation CT掃描儀；管電壓，100kV ;管電流，60-120mAs ; 層厚，10mm;重建間隔，10mm;視場(chǎng)（Field of View, FOV)，512 X 512mm. 〇
[0029] 上述步驟S02中，為了提高ROI選擇的準(zhǔn)確性，本發(fā)明實(shí)施例針對(duì)預(yù)處理后的CT 影像圖像、通過交互式方式完成疑似病灶的R0I選擇，可通過手動(dòng)勾畫方式完成R0I的選 擇，在本發(fā)明實(shí)施例中，可以勾選多個(gè)R0I同時(shí)完成后續(xù)圖像處理。
[0030] 上述步驟S03中，在CT影像圖像中，由于體素的灰度信息會(huì)因顯示器與后處理方 法（如圖像增強(qiáng)）而改變，基于灰度值的處理方法具有不可移植性。因此，在本發(fā)明實(shí)施例 中，采用基于CT值的處理方法。
[0031] CT值是醫(yī)學(xué)標(biāo)準(zhǔn)格式圖像DIC0M圖像的頭文件信息，是一個(gè)恒量，不隨后續(xù)處理 方法的影響而改變。但是，只依靠CT值信號(hào)并不能完成復(fù)雜的腫瘤病灶如肝臟腫瘤的分 害J。紋理是一種反映圖像中同質(zhì)現(xiàn)象的視覺特征，體現(xiàn)了物體表面共有的內(nèi)在屬性，包含了 物體表面結(jié)構(gòu)組織排列的重要信息以及它們與周圍環(huán)境的聯(lián)系。而所述肝臟腫瘤病灶區(qū)域 在CT影像上多表現(xiàn)為粗糙、不均勻、密度較低，與正常組織的細(xì)膩質(zhì)感存在較大差異。有鑒 于此，本發(fā)明實(shí)施例將在CT值的基礎(chǔ)上，對(duì)R0I的各個(gè)紋理算子進(jìn)行描述并計(jì)算概率譜。由 于描繪所述肝臟腫瘤病灶區(qū)域紋理內(nèi)容的描繪子可以提供諸如平滑度、粗糙度和規(guī)律性等 特性的度量。因此，本發(fā)明實(shí)施例基于CT值對(duì)R0I進(jìn)行紋理描述，優(yōu)選通過CT值、二階矩、 平滑度度量、一致性度量和平均熵度量五個(gè)描述子實(shí)現(xiàn)對(duì)R0I內(nèi)體素進(jìn)行紋理描述。
[0032] 具體的，作為優(yōu)選實(shí)施例，通過CT值、二階矩對(duì)R0I內(nèi)體素進(jìn)行紋理描述的公式 為：
[0033]
[0034] m是ζ的平均CT值，式中，所述ζ表示CT值的一個(gè)隨機(jī)變量，所述Zl代表不同的 CT值，所述p(zi)為相應(yīng)的直方圖，其中，i = 0, 1，2-，L_1，L不同于CT值的數(shù)量級(jí)L不 同于CT值的數(shù)量級(jí)。本發(fā)明實(shí)施例所述p(Zl)表示的是某一特定的CT值一共有多少個(gè)體 素，是數(shù)量信息。
[0035] 關(guān)于CT值均值的ζ的第二階矩為：
[0036]
·=? 〇
[0037] 二階矩在紋理描述中特別重要，它是CT值對(duì)比度的度量，利用所述二階矩可以建 立相對(duì)平滑度的描繪子。作為另一個(gè)優(yōu)選實(shí)施例，通過相對(duì)平滑度對(duì)R0I內(nèi)體素進(jìn)行紋理 描述的公式為
[0038] 其中，R值的大小能夠反映所述R0I區(qū)域的相對(duì)平滑度。具體的，對(duì)于較為光滑的 區(qū)域，所述R值越接近〇,表示所述R0I區(qū)域的相對(duì)平滑度越高；所述R值越接近于1，表示 所述R0I區(qū)域越粗糙。
[0039] 作為又一個(gè)優(yōu)選實(shí)施例，基于CT值的基礎(chǔ)上，通過一致性度量對(duì)R0I內(nèi)體素進(jìn)行 紋理描述的公式為：= 本發(fā)明實(shí)施例所述一致性度量U對(duì)所有CT值級(jí)都相等 〇 的圖像有最大值（極大一致性），并從最大值開始降低。
[0040] 作為再一個(gè)優(yōu)選實(shí)施例，基于CT值的基礎(chǔ)上，通過平均熵度量對(duì)R0I內(nèi)體素進(jìn)行 紋理描述的公式為： 所述平均熵度量是可變性的度量，對(duì)恒定圖像
其為零。
[0041] 通過基于穩(wěn)定CT值，可以進(jìn)一步計(jì)算獲得二階矩、平滑度度量、一致性度量和平 均熵度量描述子的概率譜。
[0042] 進(jìn)一步的，本發(fā)明實(shí)施例可以通過所述紋理描述子加權(quán)得到R0I的概率譜。具體 的，通過紋理描述子加權(quán)計(jì)算獲得R0I的概率譜的方法為：
[0043] 對(duì)描述子進(jìn)行歸一化到區(qū)間[0-1]，通過下述加權(quán)得到RI0的概率譜圖像：
[0044] Μ(ζ；) = w:I (z^+WrRCz^+WuIKz^+w^Cz；),
[0045] 式中，所述M(zi)表示所得到的概率譜圖像，所述1(21)、以21)、1]( 21)、6(21)分別 表示二階矩、相對(duì)平滑度、一致性度量和平均熵度量的描述子，所述《 1、^、^、^為權(quán)值。作 為優(yōu)選實(shí)施例，為了更加準(zhǔn)確、全面地表達(dá)所述肝臟腫瘤區(qū)域的紋理信息，所述Wl= 〇. 15， 所述 wR= 0· 35,所述 w u= 0· 25,所述 w e= 0· 25。
[0046] 本發(fā)