基于改进形状模型的肺分割方法.pdf

(19)中华人民共和国国家知识产权局*CN103310449A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103310449103310449A(43)申请公布日2013.09.18(21)申请号201310237686.1(22)申请日2013.06.13(71)申请人沈阳航空航天大学地址110136辽宁省沈阳市沈北新区道义南大街37号(72)发明人张国栋郭薇郭怡菲姚庆(74)专利代理机构沈阳维特专利商标事务所(普通合伙)21229代理人甄玉荃(51)Int.Cl.G06T7/00(2006.01)权权利要求书3页利要求书3页说明书6页说明书6页附图2页附图2页(54)发明名称基于改进形状模型的肺分割方法(57)摘要基于改进形状模型的肺分割方法，本发明先建立肺轮廓的先验模型，再利用灰度与形状相似性信息结合图像特征对肺区域分割。由于在某些图像中，初始位置可能与实际边界相距过远，利用灰度与形状相似性信息分割时，搜索区域不覆盖肺边界。因此，本发明通过使用主动形状模型（ActiveShapeModel,ASM)算法在第一次分割基础上修正肺边界，改善部分点搜索陷入局部极值的情况，获得更优的搜索结果。CN103310449ACN10349ACN103310449A权利要求书1/3页1.基于改进形状模型的肺分割方法，具体步骤为：一、模型初始轮廓位置的确定：包括标记训练集，对齐训练集，先验模型的建立三个主要部分；①标记训练集：使用沿着边界的点来标记训练集，点包括如下三类：a、标记目标有特定应用部分的点，b、标记无关应用部分的点，c、填在一类点或二类点之间的点；②对齐训练集：通过缩放、旋转和平移的操作使训练形状对齐，使它们尽可能对齐紧密，设xi是训练集中第i个形状中n个点的向量，xi＝(xi0,yi0,xi1,yi1,...,xik,yik,...,xinT-1,yin-1)，其中，(xij,yij)是第i个形状中第j个点，给定两个相似形状xi和xj，选择旋转角度θ、缩放s、平移(tx,ty)，则M(s,θ)[x]代表旋转角度为θ和缩放比例为s的变换，把xi映射为M(s,θ)[xj]+t，使以下加权和最小化：TEj＝(xi-M(s,θ)[xj]-t)W(xi-M(s,θ)[xj]-t)(1)其中，Tt＝(tx,ty,...,tx,ty)；③先验模型的建立：把训练集中的形状向量对齐处理之后，利用主成分分析的方法来找出形状变化的统计信息及规律；设平均形状为对齐后各个样本相对于平均形状的偏差构成的形状向量协方差为计算该协方差的特征值与特征向量，并将特征值排序Spk＝λkpk，其中，λk表示第k大的特征值，λk越大，它所对应的pk描述数据点变化模式就越重要，选择前t个重要的变化模式组成新的主轴系ps，则允许形状域内的任何一个形状都可以由平均形状加主轴系与一组控制参数的加权和来近似，其中，ps＝T(p1p2...pt)是前t个特征向量组成的矩阵，bs＝(b1b2...bt)是权值向量，经过主分量分析，按照降序取前t个特征值及对应的特征向量，使前t个特征值所决定的目标物体形变占所有2n个特征值所决定目标物体形变总量的比例不小于V；二、基于灰度信息和形状信息的肺实质分割：同时利用图像的灰度与形状信息，使得搜索到的边界灰度、形状信息与训练图像相似；（1）特征图像：利用特征图像来获取边界点的候选点及各个候选点的灰度代价，采用6种特征图像：（1-2）x,y方向一阶偏导数图像，表示x,y方向灰度变化；（3-4）x,y方向二阶偏导数图像，表示x,y方向灰度变化速率；（5）x，y方向混合偏导数图像；（6）x，y方向二阶偏导数和图像，该值越大，表明此处灰度变化速度越快，为肺边界的可能性越大；（2）边界点的候选点：对于初始肺边界的每一个点，计算所有特征图像中该点搜索区域内所有像素点的灰度与训练特征图像中相应点灰度的相似程度，相似程度为所有特征图像中该点周围像素点灰度到训练样本特征图像中相应点周围像素点灰度集合的马氏距离，定义为：2CN103310449A权利要求书2/3页（2）其中，为在特征图像上，以点pi为圆心，rc为半径的圆上的nc个点的灰度，分别为训练图像的第j个特征图像中第i个边界点的周围像素点灰度的均值及协方差，N为特征图像总数，这里取值为6；（3）基于动态规划的肺分割①灰度相似性代价：在边界点搜索区域内，像素点的灰度相似性代价为该点周围像素点灰度与训练图像中相应边界点的周围像素点灰度的相似程度，如公式（2）所示，测试图像中某个边界候选点的hi值越小，表明该点周围点的灰度分布与相应边界点训练样本的相似性越高；②形状相似性代价：图像中第i个边界点的形状相似性代价定义为：(3)其中，vi＝pi+1-pi，表示第i个边界点的形状特征，分别表示所有