没有合适的资源?快使用搜索试试~ 我知道了~
基于水平集和形状描述符的腹部CT序列肝脏自动分割.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 122 浏览量
2023-02-23
20:16:22
上传
评论
收藏 689KB DOCX 举报
温馨提示
试读
17页
基于水平集和形状描述符的腹部CT序列肝脏自动分割.docx
资源推荐
资源详情
资源评论
我国是肝脏疾病大国, 世界范围内约有一半以上的肝脏疾病新病例和因罹患肝脏疾病
而死亡的案例发生在中国
[1]
.目前主要的肝脏疾病治疗方法包括肝脏切除、活体肝移植和立
体定向放疗等.计算机辅助诊断和手术规划是肝脏疾病治疗的重要环节.腹部 CT (Computed
Tomography, CT)图像肝脏的准确分割是计算机辅助诊断和手术规划的基础, 可为肝脏病灶
分析、肝脏血管疾病诊断
[2]
、手术导航和放疗计划制定等提供技术支持.由于腹部 CT 序列
图像切片数量大
[3]
, 专家手动勾画肝脏区域耗时且存在主观性, 因此, 研究腹部 CT 序列图
像肝脏的自动分割方法具有重大意义.
由于肝脏解剖结构的复杂性, 不同个体肝脏的多样性, 以及成像时受噪声、造影剂等
影响, 腹部 CT 序列肝脏分割面临巨大挑战.目前, 许多文献提出了不同的腹部 CT 序列肝脏
分割方法.文献[4]提出了一种基于图割和边缘行进的腹部 CT 图像肝脏分割方法.首先, 基于
肝脏的先验知识建立肝脏的亮度模型和外观模型, 并利用图割算法分割肝脏初始切片, 然
后, 综合肝脏的位置特征以迭代方式分割整个腹部 CT 序列, 并采用边缘行进法对欠分割的
肝脏主血管进行补偿.由于成像过程中各种因素造成的灰度异质影响医学图像分割精度, 文
献[5]提出一种融合灰度偏移场的水平集方法, 该方法可有效提高当图像存在灰度异质时的
分割精度, 且抗噪性强.文献[6]首先对原始腹部 CT 图像进行非线性映射并设置肝脏感兴趣
区域, 然后根据拟蒙特卡罗(Quasi-monte carlo)方法选取肝脏种子点, 基于图像的梯度信息
构建区域生长准则, 实现肝脏粗分割, 最后, 应用数学形态学方法优化肝脏分割结果.文献
[7]首先应用快速行进水平集获取肝脏的初始区域, 然后采用阈值水平集方法对肝脏区域进
行精确分割.该方法在获取肝脏初始区域前需手动选取肝脏种子点, 不同的种子点选取方式
会对分割结果造成一定的影响.针对因病态肝脏导致的欠分割和由于灰度相似性导致的过分
割, 文献[8]提出了一种基于稀疏表示的肝脏形状模型.首先, 根据正常的标准肝脏数据建立
肝脏字典, 然后基于标准肝脏数据的稀疏表示校正肝脏三维形状, 实现肝脏分割.该方法要
求字典中的肝脏原子均为标准肝脏形状, 且所需原子数量越大分割结果越准确.文献[9]提出
一种基于判别字典学习的腹部 CT 图像多器官分割方法, 该方法首先基于多器官训练图谱获
得具有重构能力的字典及分类器, 根据目标体素的概率标签生成多器官的概率图谱, 然后将
概率图谱融入图割能量函数, 实现肝脏等腹部器官的分割.该方法需要大量的数据建立训练
图谱, 耗时较长, 对于形状异常的器官分割效果不理想.文献[10]综合深度监督机制与全卷积
神经网络(Full convolution network, FCN), 提出了一种基于深度监督网络(Deeply supervised
network, DSN)的肝脏分割方法.在训练过程中, 基于深度监督层对 FCN 第一次和第二次池
化后的结果进行反卷积, 得到肝脏区域的概率预测, 并根据其预测误差和 FCN 预测误差训
练 DSN; 在测试过程中, 将待分割 CT 图像输入 DSN, 利用全连接条件随机场对肝脏分割
结果进行优化.基于神经网络的肝脏分割方法需要大量肝脏数据进行网络训练, 训练时间长,
分割结果易受训练数据质量的影响
[11-12]
.
本文提出了一种新的基于水平集和形状描述符的腹部 CT 序列肝脏分割方法.首先, 对
CT 图像进行预处理; 然后, 引入灰度偏移场构建水平集能量函数, 在进行序列分割时, 将
相邻切片肝脏分割结果作为位置约束; 最后, 基于形状描述符和瓶颈率优化肝脏边缘.预处
理及位置约束可减小与肝脏不相关的脊椎、肋骨、肌肉、脾脏和胰腺等对肝脏分割的影响;
灰度偏移场可减少噪声和灰度异质对分割准确性和鲁棒性的影响; 边缘优化可去除因灰度
重叠造成的肝脏过分割区域, 进一步提高分割精度.
1. 算法描述
首先通过预处理去除脊柱、肋骨和肌肉等组织, 然后选取肝脏初始切片, 利用灰度偏
移场构建水平集能量函数, 基于梯度下降法最小化水平集能量函数, 获得初始切片肝脏粗分
割结果, 最后, 以初始切片为起点, 利用相邻切片分割结果作为位置约束, 分别向上、向下
对整个腹部 CT 序列进行迭代分割.对于非肝裂的切片, 保留水平集演化的最大连通域作为
肝脏粗分割结果; 对于肝裂切片, 对水平集演化结果进行面积滤波以获得肝脏粗分割结果.
考虑到灰度重叠会造成肝脏过分割, 为避免在整个序列迭代分割时造成分割误差累积, 在每
次完成肝脏粗分割后优化肝脏边缘, 去除过分割区域.具体算法流程如图 1 所示.
图 1 算法流程图
Fig. 1 Flowchart of the proposed method
下载: 全尺寸图片 幻灯片
1.1 预处理
由于腹部 CT 图像复杂, 肋骨、脊柱和肌肉等不相关器官和组织会对肝脏分割精度产
生影响
[4]
.为提高分割的准确性, 本文首先基于腹部序列图像先验知识, 根据脊柱和肋骨的灰
度和位置信息构建最小凸多边形掩模, 并结合形态学重构去除肋骨和脊椎.然后, 根据肝脏
灰度的高斯分布选取阈值, 去除肌肉及其他灰度低于肝脏的组织和器官, 完成预处理.肝脏
CT 图像预处理结果如图 2 所示, 其中第一行为原始腹部 CT 图像, 第二行为相应的预处理
结果.
图 2 肝脏 CT 图像预处理.第一行:原始腹部 CT 图像; 第二行:预处理结果图像
Fig. 2 Pre-processing for liver CT image. First row: Original CT images; Second row: Results of
pre-processing
剩余16页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3683
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功