基于模糊模型和形狀特征的CT序列圖像分割方法研究.pdf

1、計(jì)算機(jī)層析成像(CT)作為一種先進(jìn)的檢測(cè)技術(shù)，以圖像形式直觀清晰地反映被測(cè)對(duì)象內(nèi)部結(jié)構(gòu)和性狀，在醫(yī)學(xué)診斷和工業(yè)無(wú)損檢測(cè)領(lǐng)域的應(yīng)用十分廣泛。隨著CT技術(shù)發(fā)展和應(yīng)用需求的不斷提高，通過(guò)CT圖像處理技術(shù)實(shí)現(xiàn)對(duì)被測(cè)物體的定量化、自動(dòng)化分析和測(cè)量，以克服定性的主觀評(píng)價(jià)的不足是CT技術(shù)發(fā)展的重要方向之一。CT圖像分割是實(shí)現(xiàn)圖像量化分析、自動(dòng)識(shí)別和測(cè)量的關(guān)鍵和難點(diǎn)。本文以典型的CT序列三維圖像分割為研究?jī)?nèi)容，針對(duì)醫(yī)學(xué)CT中一類(lèi)邊界模糊的圖像分割難題和

2、工業(yè)CT中一類(lèi)體素尺度不同比的圖像分割難題開(kāi)展研究，提出了一種基于物體隸屬度的醫(yī)學(xué)全身正電子發(fā)射層析成像/計(jì)算機(jī)層析成像(PET/CT)圖像自動(dòng)解剖結(jié)構(gòu)分割(AAR)方法和一種基于形狀特征的工業(yè)CT圖像裂縫分割方法。主要工作如下：
　　1、提出了一種基于物體隸屬度的PET/CT圖像AAR方法。針對(duì)原有AAR方法在圖像質(zhì)量較好的診斷CT圖像解剖結(jié)構(gòu)分割中精度較高，但是在圖像質(zhì)量較差的PET圖像(解剖結(jié)構(gòu)較模糊)和低劑量CT圖像(對(duì)比

3、度較低)解剖結(jié)構(gòu)分割中精度較低的問(wèn)題，本文利用器官的灰度和紋理特征，提出了一種基于物體隸屬度的AAR方法。該方法在建模過(guò)程中，提出了結(jié)合訓(xùn)練圖像灰度和紋理信息的物體隸屬度函數(shù)，用于估算各體素屬于物體的概率；在分割過(guò)程中，利用物體隸屬度函數(shù)得到測(cè)試圖像的物體隸屬度，再結(jié)合物體隸屬度對(duì)物體模型進(jìn)行初定位和閾值化最優(yōu)姿勢(shì)搜索，確定物體模型的最優(yōu)姿勢(shì)，最后得到物體的空間分布結(jié)果；采用定位誤差和尺度誤差兩個(gè)指標(biāo)，通過(guò)PET/CT圖像進(jìn)行了實(shí)驗(yàn)驗(yàn)證

4、，結(jié)果表明改進(jìn)方法可實(shí)現(xiàn)更高精度的解剖結(jié)構(gòu)分割，平均定位誤差僅1-2體素，平均尺度誤差接近標(biāo)準(zhǔn)值1。
　　2、改進(jìn)了AAR方法的最優(yōu)閾值訓(xùn)練方法。針對(duì)AAR方法中，原有最優(yōu)閾值訓(xùn)練方法搜索空間維度高、適應(yīng)性差、僅適用于灰度圖像的問(wèn)題，本文利用超掩模和累計(jì)灰度直方圖，提出了改進(jìn)的最優(yōu)閾值訓(xùn)練方法。即在超掩模下計(jì)算目標(biāo)和背景的累計(jì)灰度直方圖，并在任意可能的閾值區(qū)間下求兩個(gè)直方圖面積絕對(duì)差，選取使絕對(duì)差值最大的閾值為最優(yōu)閾值。改進(jìn)方法將

5、搜索空間從5維降為1維，實(shí)現(xiàn)了高效率的最優(yōu)閾值搜索，避免了因限制閾值搜索范圍而丟失可能的最優(yōu)閾值。實(shí)驗(yàn)結(jié)果表明，改進(jìn)方法能夠適用于灰度、紋理和隸屬度圖像，輸出合理的物體閾值以實(shí)現(xiàn)更精確的解剖結(jié)構(gòu)分割。
　　3、改進(jìn)了AAR方法的層級(jí)結(jié)構(gòu)。原有AAR方法只適用于胸腹部等局部身體區(qū)域圖像，需要將全身圖像手動(dòng)地分割為局部身體區(qū)域。為了提高自動(dòng)化程度，本文利用全身各個(gè)器官之間的解剖結(jié)構(gòu)關(guān)系，提出了全身層級(jí)結(jié)構(gòu)，即全身所有器官以一個(gè)樹(shù)狀層級(jí)

6、結(jié)構(gòu)表示，按廣度優(yōu)先遍歷所有器官依次進(jìn)行建模和分割。通過(guò)全身軀干PET/CT圖像進(jìn)行了實(shí)驗(yàn)驗(yàn)證，結(jié)果表明改進(jìn)方法可實(shí)現(xiàn)全身軀干解剖結(jié)構(gòu)精確分割，提高了自動(dòng)化程度。
　　4、提出了不同成像模式間的建模-初步分割方案。通常模型類(lèi)方法中，成像模式內(nèi)的建模-初步分割需要來(lái)自同一種成像模式的訓(xùn)練數(shù)據(jù)，未考慮建立通用于各種成像模式的快速原型的可能性。本論文利用模糊模型包含物體形狀和空間位置信息而獨(dú)立于成像模式的優(yōu)點(diǎn)，在AAR方法建模和初步分割

7、兩個(gè)基本步驟上，提出了成像模式間的建模-初步分割方案。通過(guò)實(shí)驗(yàn)驗(yàn)證了用診斷 CT圖像建立的模糊模型在 PET、低劑量 CT和它們的物體隸屬度圖像上進(jìn)行解剖結(jié)構(gòu)分割的可行性。這為建立適用于各種成像模式的快速物體原型提供了一種有效途徑。
　　5、提出了一種基于形狀特征的工業(yè)CT序列圖像裂縫分割方法。被測(cè)工件內(nèi)部的裂縫檢測(cè)、自動(dòng)顯示與測(cè)量是工業(yè)CT需要解決的難點(diǎn)之一，而圖像分割是關(guān)鍵。在工業(yè)CT系統(tǒng)中，獲得的三維圖像大多由序列斷層圖像組

8、成，圖像中的體素在斷層平面內(nèi)的等效尺寸當(dāng)量與垂直于斷層方向的等效尺寸當(dāng)量存在很大差別，有時(shí)達(dá)到10倍以上，加之工業(yè)CT圖像的各種偽影較嚴(yán)重，這都給裂縫分割及定量測(cè)量增加了難度。針對(duì)這一問(wèn)題，本文研究了適用于體素尺寸各向不同性的工業(yè)CT序列圖像的裂縫自動(dòng)分割方法：首先采用基于Hessian矩陣的二維線狀結(jié)構(gòu)濾波增強(qiáng)圖像線狀區(qū)域；在此基礎(chǔ)上，進(jìn)一步提出了結(jié)合層間灰度和方向的連續(xù)度以及層內(nèi)線狀鄰域灰度平均值的二維直方圖，以抑制偽影對(duì)裂縫分割的