虚拟结肠镜的混合组织图像全自动分割方法
专利汇可以提供虚拟结肠镜的混合组织图像全自动分割方法专利检索，专利查询，专利分析的服务。并且本 发明 提供一种虚拟 结肠镜 的混合组织图像全自动分割方法，包括以下步骤：选择合适的空气 阈值 和肠内残留液阈值；利用传统的阈值法初步分割出肠内区域；利用一个垂直 滤波器 消除空气和肠内残留液体之间的局部容积效应；利用区域生长 算法 进行肠内分割；利用梯度强度区域增长算法增强结肠和其他组织的边界；在增强边界后的结肠内部再次使用垂直滤波消除空气和液体之间的局部容积效应。本发明克服了传统阈值分割方式带来的问题，消除局部容积效应的影响，使得分割结果更加符合实际情况。，下面是虚拟结肠镜的混合组织图像全自动分割方法专利的具体信息内容。
1、一种虚拟结肠镜的混合组织图像全自动分割方法，其特征是包括以下步骤：
第一步：选择空气阈值和肠内残留液阈值，利用阈值法初步分割出肠内区域；
其中所述分割是把满足条件Ti＜Tg或者Ti＞Tf的体素Ti归类为肠内区域；其中Tg为 空气阈值，Tf为残留液阈值；
第二步：利用垂直滤波器消除空气和肠内残留液体之间的局部容积效应；
首先利用垂直滤波算法检测空气和残留液体边界上的局部容积效应体素，然后把空气、 局部容积边界和残留液体都划归为肠内部分；其中界定体素是否是局部容积效应体素的判断 条件如下：
1)垂直上方区域是空气，垂直下方的区域是残留液体
2)CT值介于Tg和Tf之间
3)垂直方向的厚度不超过某一个具体的阈值T1，此阈值根据实验获得，其最小值为3， 即三个体素，上层为空气区域，下层为残留液区域，中间为局部容积效应的体素；
根据上述条件设计的滤波器在方向上和重力方向一致，和残留液表面垂直；其在水平面 上的大小为1个像素大小，在垂直方向的长度为n，n是一个小于或者等于上述第三个判断条 件T1的一个值；
第三步：利用区域生长算法进行肠内分割；
所述区域生长是以如下方式实现：选取任何空气和残留液边界上的局部容积效应体素作 为种子在肠内部分进行区域生长，把结肠和周围组织区分开来；
第四步：利用梯度强度区域增长算法增强结肠和其他组织的边界；
所述增强边界的操作是以如下方式实现：对于结肠边界上的每一个体素及其26个相邻 体素，用三个三维的Sobel算子，计算结肠边界上邻域三个主方向的梯度值，然后计算平均 梯度值；如果有任何一个体素的计算结果比原来的边界的平均梯度值大，则把这个体素标记 为新的边界，在新的边界上再次重复进行上述操作，直到没有发现平均梯度值更大的体素， 此时的边界即为增强后的肠内边界；
第五步：在增强边界后的结肠内部再次使用垂直滤波消除空气和液体之间的局部容积效 应。
技术领域：
本发明属于医学图像处理及计算机可视化领域，特别是针对虚拟结肠内镜 的前期分割方法。
背景技术：
医用数字内镜也叫虚拟结肠镜(Virtual Colonoscopy)，它是随着医学影像 设备及图形图像处理技术的发展而产生的一种新的结肠疾患检查技术。该技术由 于具有肠道准备简单、检查无创舒适、发展前景广阔等特点得到了人们的广泛关 注。它的原理是通过获得病人相应部位的CT(计算机断层成像)系列扫描图像， 利用先进的图像处理及可视化技术从这些图像中直接生成管腔内部的立体影像， 供医生检查整个腔内如息肉、腺瘤及其他异常形态学改变。近十年来这一技术在 病人准备过程、数据获取及解释、图像显示等方面取得了很大进展，由于该方法 的无创、快速和操作过程标准等特点，更适用于体检及肿瘤的早期发现，因而在 临床上有望作为光学内镜的补充，成为临床的有效普查手段。一般说整个虚拟结 肠镜的处理过程一般包含以下三个大的步骤：
1.数据输入
2.预处理
3.三维重建
来自CT的二维DICOM图像数据被重建为三维图像之前，要对数据进行预处 理形成体数据，然后进行分割查找出结肠组织。在整个预处理的过程中，进行精 确的分割处理是最重要的一个步骤，其效果直接影响后续步骤的效果直至最后三 维重建和医生的诊断。实际上，在很多CT值对比比较明显的两种或者多种组织 交界处，其边界上体素的CT值都是多种组织的混合效果，例如虚拟结肠内镜中， 肠壁和内部空腔(空气)的交界处，肠壁和肠内残留物的交界处，大多都是肠壁 软组织，空气，增强显影剂和粪便等各种组织混合的效果，这就是局部容积效应。
由于医学图像具有极其复杂的多样性，加上现有医学影像设备本身所带来的 噪声，使得医学图像处理和分割非常困难。目前在医学图像分割方面还没有通用 的理论和方法。
现有的结肠分割算法主要为手工分割或者半自动分割算法(K.H.Hohne and W.hanson，Interactive 3D segmentation of MRI and CT volumes using morphological operations，Journal of Computer Assisted Tomography，vol. 16，no.2，pp.285-294，1992)。已报道的全自动分割算法的分割效果精确度 不够理想，并且非常费时(C.L.Wyatt，Y.Ge，and D.J.Vining，Automatic segmentation of the colon，Proc.SPIE Medical Imaging，1999)。其采用的 分割算法大多数为传统的阈值分割算法和膨胀腐蚀算法(L.Hong，A.Kaufman， Y.Wei，A.Viswambharan，M.Wax，and Z.Liang，3D virtual colonoscopy， Proc.Symposium on Biomedical Visualization，pp.26-32，1995；L.Hong， S.Muraki，A.Kaufman，D.Bartz，and T.He，Virtual voyage：interactive navigation in the human colon，Proc.SIGGRAPH’97，pp.27-34，1997)，这 些传统方法的最大问题在于无法消除局部容积效应(Partial Volume Effect)的影响。
另外由于采用的方法的局限性，此外还有别的一些比较难以解决的问题：
例如在阈值分割法中分割结果对阈值太敏感，也就是说阈值一个微小的变化 可能会导致输出的不同。然后进一步影响结肠内表面轮廓的变化。另外会造成混 叠效应，在软组织和空气的交界处，会产生一个生硬的边界，从重建角度来讲， 这样的效果不利于后续的体渲染步骤。从实际上讲，这种效果的出现是丢失粘膜 层的表现，而消化科的临床医生都非常明白，结肠的粘膜层信息对于息肉的判定 有着非常重要的作用。
发明内容：
本发明的目的是提供一种虚拟结肠镜的混合组织图像全自动分割方法，克服 了传统阈值分割方式带来的问题，消除局部容积效应的影响，使得分割结果更加 符合实际情况。
本发明的主要原理就是考虑到在分割步骤中，边界位置由于局部容积效应的 影响。本方法包括以下步骤：
1.选择合适的空气阈值和肠内残留液(由于增强剂而显示为高亮)阈值，利用 传统的阈值法初步分割出肠内区域。
2.利用一个垂直滤波器消除空气和肠内残留液体之间的局部容积效应。
3.利用区域生长算法进行肠内分割。
4.利用梯度强度区域增长算法增强结肠和其他组织的边界。
5.在增强边界后的结肠内部再次使用垂直滤波消除空气和液体之间的局部容 积效应。
在第一步中，把绝大多数的空气，肠道内残留液体划分为肠内部分。首先 决定空气的阈值Tg和液体阈值Tf，基于直方图如图2所示，把满足条件
T1＜Tg或者Ti＞Tf
的体素T1归类为肠内区域。其中阈值Tg的界定条件是直方图第二个峰右侧 平坦区域的开始处，这样可以把空气和残留液(高亮)的边界保留。残留液阈值 Tf的界定标准是第四个波峰右侧的平坦区域开始处。/此步骤完成后大部分的空 气和带有增强剂的肠内残留液所在区域被正确地划分为肠内区域。但是在上述条 件下，背景和骨组织也被错误的划分为肠内区域。同时局部容积效应导致分割结 果中的肠内区域不连续，即残留液和肠内空气的边界处没有被归类为肠内区域。
第二步：利用垂直滤波算法检测空气和残留液体边界上的局部容积体素， 然后把空气，局部容积边界和液体都划归为肠内部分。界定体素是否是局部容积 效应体素的判断条件如下：
1)垂直上方区域是空气，垂直下方的区域是残留液体
2)CT值介于Tg和Tf之间
3)垂直方向的厚度不超过某一个具体的阈值T1(此阈值根据实验获得，其 最小值为3，即三个体素，上层为空气区域，下层为残留液区域，中间 为局部容积效应的体素)
根据上述条件设计的滤波器在方向上和重力方向一致，和残留液表面垂直。 其在水平面上的大小为1个像素大小，在垂直方向的长度为n，n是一个小于或 者等于上述第三个判断条件T1的一个值。即本发明提出的滤波器只考虑了垂直 方向的体素v1，v2，…，vi，…，vn。判断v1是否为局部容积效应的体素的条件为：
对于图像中的所有体素，都采用3到T1共T1-2个滤波器进行处理。处理完 毕后便可以发现所有的空气和残留液体之间的局部容积效应体素，并且把这些体 素也归入结肠内部区域，如图1所示。经过本步骤的操作，解决了第一个步骤的 遗留问题，把残留液和肠内空气的交界区域归类为肠内区域，获得了一个连续的 结肠内部区域。下一步开始考虑结肠边界上局部容积效应。
第三个步骤采用的是传统的区域生长算法，根据上一个步骤，选取任何空 气和残留液边界上的局部容积效应体素作为种子。首先检测种子体素的26个相 邻体素是否为肠内部分，如果某个体素为肠内部分则对其进行相同的操作，直到 没有新的临近体素属于肠内部分。这样可以把结肠和周围组织区分开来。对于第 一步中错误的划分为肠内部分的骨组织和背景部分，由于区域生长总是检查相邻 的体素，从种子点开始的检测永远也不会把实际不在肠内的骨组织和背景划分到 肠内区域。
第四步：在第一步进行初步阈值分割时，从阈值Tg和阈值Tf的选取位置可 以看出，第一步的分割没有把空气和其它组织之间、残留液和其它组织之间的局 部容积效应体素分类为肠内部分，事实也证实了这一点，也就是说目前为止，所 获得的分割结果，肠内边界比实际的肠内边界可能要小。在这一个步骤，对于结 肠边界上的每一个体素及其26个相邻体素，用三个三维的Sobel算子(3×3×3)， 计算结肠边界上邻域三个主方向的梯度值，然后计算平均梯度值。如果有任何一 个体素的计算结果比原来的边界的平均梯度值大，则把这个体素标记为新的边 界。在新的边界上再次重复进行上述操作，直到没有发现平均梯度值更大的体素， 此时的边界即为增强后的肠内边界。
第五步：由于进行了边界增强之后，在新的边界上可能会出现第二步所述 的空气和残留液之间的局部容积效应体素。因此对于新分割的结果，在重新定义 的边界上再次应用垂直滤波解决空气和液体之间的局部容积效应带来的问题。最 后实现整个结肠区域的分割。最终的分割效果如图4
附图说明
图1是垂直滤波器图。
图2是直方图。
图3是分割前效果图。
图4是最终的分割效果图。
具体实施方式
1、将腹部CT扫描的多层DICOM数据转化形成体数据；
2、计算直方图，根据直方图定出阈值Tg和Tf
3、进行阈值分割；
4、利用垂直滤波器滤波消除空气和残留液之间的局部容积效应体素；
5、利用区域生长算法分割出连通的结肠区域；
6、对分割出边界处理，寻找具有最大平均梯度值的体素作为新的边界；
7、针对新的边界再次应用垂直滤波算法。
对于本发明所提出的方法，用C++语言进行实现，在双至强3.0GHz CPU， 2GBytes RAM的IBM图形工作站上，对512×512×415的DICOM格式CT原始数 据进行处理，所需时间不超过5分钟。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 阈值电压分析 | 2020-05-11 | 943 |
| 阈值选择方法及设备 | 2020-05-13 | 747 |
| 一种可编程阈值电路 | 2020-05-13 | 12 |
| 阈值确定装置和阈值确定方法 | 2020-05-12 | 883 |
| 读阈值设置方法与装置 | 2020-05-13 | 1046 |
| 阈值检测设备 | 2020-05-11 | 184 |
| 表示LSP切换阈值的LDP切换阈值TLV | 2020-05-12 | 402 |
| 振幅阈值检测器 | 2020-05-11 | 532 |
| 阈值的测试和确定 | 2020-05-12 | 207 |
| 轮胎阈值阀 | 2020-05-11 | 822 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
