醫學圖像的分割方法及其裝置的制造方法
【專利說明】醫學圖像的分割方法及其裝置 【技術領域】
[0001] 本發明涉及醫學圖像處理領域，尤其涉及一種醫學圖像的分割方法及其裝置。 【【背景技術】】
[0002] 灌注分析可用于定量描述組織的微血管分布情況及血流灌注的狀態。計算機斷層 灌注成像(CT Perfusion)能夠提供有助于診斷腦灌注異常如腦卒中風等疾病。典型的灌注 成像方式為向患者靜脈注射造影劑，然后對選定感興趣區域采集多個時間點的動態圖像， 以記錄該組織中造影劑濃度隨時間的變化情況即時間濃度曲線（Time-Density Curve， TDC)。最后根據以上數據分析微循環的生理參數，主要包括血流量(Blood Flow,BF)、血容 量(Blood Volume,BV)、平均通過時間（Mean Transition Time,MTT)和達峰時間（Time To Peak，TTP)等血流動力學參數。
[0003] 腦灌注成像能夠用于在腦卒中患者識別不同組織以區分不可逆損傷組織（即梗死 核心)和潛在可逆損傷組織（即缺血半暗帶），對治療決策的制定提供有效參考。例如通常使 用缺血半暗帶與梗死核心組織的體積比來指導是否應該應用溶栓治療以救治潛在可逆損 傷組織。
[0004] 缺血性中風區域通常會連接到腦室，因此，腦室的分割是一項重要而又困難的任 務，尤其是腦灰質和腦白質的分割，因為CT灌注圖像中，腦灰質和腦白質之間結構嚙合，邊 界模糊，導致無法正確識別腦灰白質，影響測量腦灰白質體積容量及比率等病理性檢測。
[0005] 現有技術中，針對頭部CT圖像顱內腦組織的自動分割，主要通過結合使用閾值(或 聚類）、數學形態學、區域生長、以及顱內腦組織空間和灰度的先驗信息等來實現。采用閾值 的分割方法，當不同組織結構間灰度值或其他特征值差異很大時，能夠對圖像進行有效地 分割。但在頭部CT圖像中，由于部分容積效應以及顱內腦組織與頭部其他組織存在著較大 的灰度重疊，因此對于分割腦灰白質，目前還沒有理想的解決方法。 【
【發明內容】
】
[0006] 本發明所要解決的技術問題是提供一種醫學圖像的分割方法及其裝置，用于識別 灌注圖像中的腦灰白質，有效提高腦部病理學檢測。
[0007] 為解決上述技術問題，本發明提供一種醫學圖像的分割方法，包括以下步驟：
[0008] (1)獲取在不同時刻所對應的若干個灌注圖像；
[0009] (2)分割每個時刻所對應的所述灌注圖像，獲取不同時刻所對應的目標區域圖像； [0010] (3)預處理所述不同時刻所對應的目標區域圖像，獲取對比圖像K;
[0011] (4)基于復合式的概率統計模型分割所述對比圖像K，獲分割圖像。
[0012] 進一步地，所述步驟(3)包括如下步驟：
[0013] 基于灰度值預處理所述不同時刻所對應的目標區域圖像，分別獲取平均圖像A、最 大灰度投影圖像Μ和通過最大灰度投影圖像Μ減去平均圖像A而獲取的差值圖像D;
[0014] 對所述差值圖像D進行歸一化處理，獲得標準差值圖像D%
[0015] 根據所述平均圖像A、最大灰度投影圖像Μ或差值圖像D中任一個圖像構造所述對 比圖像K。
[0016] 進一步地，步驟(3)還包括如下步驟，
[0017] 在所述標準差值圖像If上基于灰度直方圖確定閾值Dmin和Dmax，將所述標準差值圖 像If上任一像素點s的灰度值與閾值D min和Dmax進行比較，構造所述對比圖像K:
[0018] 若像素點s的灰度值2 Dmax，則所述對比圖像K上對應點s所在空間位置像素點的灰 度值為所述最大灰度投影圖像Μ上對應空間位置的像素點的灰度值；
[0019]若像素點s的灰度值< 0_，則所述對比圖像Κ上對應點s所在空間位置的像素點的 灰度值為平均圖像Α上對應空間位置的像素點的灰度值；
[0020] 否則，所述對比圖像K上對應點s所在空間位置的像素點的灰度值為1 = 43乂（1-D*s)+MsXD*s；
[0021] 其中，1為所述對比圖像K對應點s的空間位置的像素點的灰度值，As為所述平均圖 像A對應點s所在空間位置的像素點的灰度值，M s為所述最大灰度投影圖像Μ對應點s所在空 間位置的像素點的灰度值，D、為所述標準差值圖像上對應點s所在空間位置的像素點的 灰度值。
[0022] 進一步地，所述復合式的概率統計模型包括至少兩種不同概率統計模型。
[0023] 進一步地，所述復合式概率統計模型包括基于圖像像素點灰度值的概率統計及基 于圖像像素鄰域特征的概率統計。
[0024] 進一步地，所述步驟(4)包括如下步驟：
[0025] a)統計所述對比圖像Κ的灰度直方圖，獲取最大概率所在的灰度值Tmax，將所述對 比圖像K中灰度值大于T max的像素點標記為腦灰質，其它點標記為腦灰質，獲取第一對比圖 ffKio
[0026] b)基于灰度值計算所述第一對比圖像心中任一像素點s為腦灰質的概和 腦白質的概率Pl(Xs)WM;
[0027] c)基于空間鄰域信息計算所述第一對比圖像心中任一像素點s為腦灰質的概率P2 (義3)(?1和腦白質的概率?2(13)\?;
[0028] d)根據公式（1)計算比較第一對比圖像心中任一像素點s為腦灰質的概率P(Xs)CM 和腦白質的概率P(Xs)WM，若P(Xs)GM大于P(Xs)WM,則標記該像素點S為腦灰質，否則標記為腦 灰質，更新所述第一對比圖像Ki ;
[0029] P(Xs)type = Pl(Xs)typeXP2(Xs)type 公式（1 )
[0030]其中，所述type指標記類型為腦灰質或腦白質；
[0031] e)重復上述步驟a)~d)，直至所述對比圖像K中任意一像素點s相鄰兩次標記結果 達到收斂，則停止迭代獲取分割圖像。
[0032] 進一步地，所述步驟b)包括：
[0033] 根據公式（2)計算所述第一標記圖像心中任一像素點s類別為腦灰質的概率Pi (義3)(?1和腦白質的概率?1(13)\?;
[0034] 其中，mtype為所述像素點s類別為腦灰質或腦白質的像素點灰度值的平均值，〇2為 像素點s類別為腦灰質或腦白質的像素點灰度值的方差。
[0036] 進一步地，其特征在于，所述步驟c)包括：
[0037] 獲取所述第一標記圖像心中任一像素點s，讀取點s在空間鄰域m個像素點的標記 結果，若標記為腦灰質，則賦值該像素點為，若標記為腦白質，則賦值該鄰域像素點為β， 根據公式(3)分別求任一像素點s為腦灰質的概率P 2(xs)cm，腦白質的概率P2(XS)W;
[0038] 其中，β為(0，1)之間的小數，type指標記類型為腦灰質或腦白質。
[0039] P(xs)type = exp(-Σ Vtype(Xs))公式（3)
[0040] 進一步地，所述達到收斂為滿足如下任一條件，即停止迭代，獲取所述分割圖像：
[0041] 若統計相鄰兩次迭代標記結果的一致率，若大于設定閾值m，則達到收斂停止迭 代，獲得分割圖像；
[0042] 若重復上述步驟a)~c)的次數達到設定閾值n，則達到收斂停止迭代，獲得分割圖 像；
[0043]其中，m為(0，1)之間的小數，η為正整數。
[0044] 進一步地，所述灌注圖像為CT灌注圖像或MR灌注圖像。
[0045] 進一步地，所述步驟2)中，還包括對所述若干