CN107481240A - 基于能谱曲线的能谱ct图像全分割方法及*** - Google Patents

Abstract

本发明公开了基于能谱CT图像全分割方法，包括以下步骤：获取能谱CT数据组成的能谱CT序列图像；从能谱CT数据中提取能谱图像空间中每个点的能谱曲线，将能谱CT图像空间中每一点其他点进行基于能谱曲线的相似度聚类；跟据聚类结果，将同类的点分割出来形成新的图像。本发明还公开了基于能谱CT图像全分割***具有操作简单，提高医学图像分割的实用性和精确性，应用前景广泛的技术效果。

Description

基于能谱曲线的能谱CT图像全分割方法及***

背景技术

传统的CT扫描模式是混合能量的，所得到的只能代表密度，而不能代表物质的成分。根据物理学原理，一定物质对应一系列单一能量X射线照射，其衰减曲线是唯一的，这就是能谱曲线，所以能谱曲线具有可以分辨物质性质的能力。

能谱CT改变了传统CT的扫描模式，即由kVp混合能量成像，转变为keV 单能量成像。

可以提供传统图像外多个单能量图像、基物质图像、能谱曲线以及有效原子序数等。并进行物质分解和组织定性。这就是说在空间对比和时间分辨率外提供了能量分辨率和解析化学成分的“化学分辨率”，这些信息都是以往的CT无法获取的。

通过能谱CT扫描所得的数据集称为能谱CT数据集，可视化后则为能谱CT图像空间，空间中每个点的能谱CT数据可以用f_i(x,y,z)来表示，x,y,z分别是长、宽、高。i是能谱CT的谱数据，即空间每一个点有n个能谱CT数据，每个能谱CT数据分别对应一定的能谱值。例如，某能谱CT由40keV到140keV，每隔10keV扫描一次。即，i＝1，对应40keV；i＝2对应50keV；i＝3对应60keV；......i＝11对应 140keV。因此，空间任意一点对应有n个能谱CT数据，即：

F(x,y,z)＝[f₁(x,y,z),f₁(x,y,z),f₁(x,y,z)...f_n(x,y,z)]

空间中一个点的这n个能谱CT数据组成了所谓能谱曲线。

现在，亟需一种对能谱CT图像空间每一点进行相似度聚类，得到相同化学性质的聚类结果，进而对能谱CT图像空间进行分割的方法。

发明内容

本发明意在提供一种，利用能谱曲线对应物质唯一性原理，将由能谱CT数据集中相似的点的集合作为同一类，从而对能谱CT图像进行分割的方法，提高医学图像分割的实用性和精确性。

本发明解决其技术问题所采取的方案是：

一种基于能谱CT图像全分割方法包括以下步骤：

1)获取能谱CT数据组成的能谱CT序列图像；

在本发明的一实施例中，设x，y是横断面水平和垂直方向的坐标，优选的采用512×512分辨率，z是纵坐标方向，其大小由被扫描物体大小和层间距决定。优选的实施例中，扫描长度为30厘米，层间距1毫米，则z的最大值是300。

i用于标记单个能量。

本发明优选的能谱CT序列图像，采用keV值从40到140，每10keV为一个采样点，则：i＝1对应40keV单能量图像、i＝2对应50keV单能量图像、......i＝10 对应130keV单能量图像、i＝11对应140keV单能量图像。

因此，优选的单能量图像f_i(x,y,z),i∈(1,2...n)的空间分辨率为512× 512×300，也就是说包含了512×512×300个点值分别对应于空间中512×512 ×300个点。

设，i＝1......11，能谱CT序列图像可表示为：

F(x,y,z)＝[f₁(x,y,z),f₂(x,y,z),f₃(x,y,z)...f₁₁(x,y,z)] ；

2)从能谱CT数据中提取能谱图像空间中每个点的能谱曲线，将能谱CT 图像空间中每一点其他点进行基于能谱曲线的相似度聚类；

在本发明的一实施例中，首先设计一个聚类结果标记数组V，其元素为 v(x,y,z)，初始将其清零。

从数据集中选出地一个样本点的能谱曲线向量

F(x,y,z)＝[f₁(x,y,z),f₂(x,y,z),f₃(x,y,z)...f₁₁(x,y,z)]

并给v(x,y,z)赋值以做标记，再取另外一点的能谱曲线向量

F(x′,y′,z′)＝[f₁(x′,y′,z′),f₂(x′,y′,z′),f₃(x′,y′,z′)...f₁₁(x′,y′,z′)]

将两点进行相似度比较，如果符合相似原则，则两点属于一类，给标记数组V中的v(x′,y′,z′)赋予与v(x,y,z)同样的值以标记为同类，并去下一个v(x,y,z)＝0 的进行比较，否则直接取下一个v(x,y,z)＝0的点，直到所有的点都进行了一次与样本点的比较；

再次选取一个v(x,y,z)＝0的样本点，标记一个类型，在与另一个v(x′,y′,z′)＝0进行比较，如果符合相似原则，则两点属于一类，给标记数组V中的本次 v(x′,y′,z′)赋予与本次v(x,y,z)同样的值以标记为同类再取下一个v(x,y,z)＝0的点，否则直接取下一个v(x,y,z)＝0的点；

以此类推，直至所有的点都被标记，也就是说没有v(x,y,z)＝0的点。

本发明的一实施例中，相似原则优选的为，满足以下表达式:

|f_i(x,y,z)-f_i(x′,y′,z′)|≤ε,i＝1......n，

此处的ε是一个给定的阈值，最小值为零，可以根据需要进行人为的进行调节，一些实施例中，该值优选的为0至图像数据中最大值的5％。

也就是说，两点的能谱曲线向量内，对应同一keV值的两个值之间的差值的绝对值均小于给定阈值，如果取值为零，则两点的能谱曲线向量则完全相同，该原则实施简单，并且通过人为调整阈值，误差可控制到很小的范围内。但本发明可用的相似原则不限于此，相似原则还可以是两个向量之间的差值的模小于一个给定阈值，也可以是两个向量之间的方差小于一个给定阈值，还可以是对应同一 keV值的两个值之间的差值的绝对值的均值小于给定阈值，以及其他一切可以判断两曲线之间相似度的原则。

3)据聚类结果，将同类的点分割出来形成新的图像。

本发明的效果是：

与现有混合能量CT的各类分割技术相比，其分割利用的是能谱曲线具有可以分辨物质性质的能力；由于人体内相同的组织具有相同或相似的物质性质，采用能谱曲线作为特征进行提取分割，能准确分割出具有相同或相似物质性质的点，进而分割出特定的人体组织，包括一些肉眼可能无法区分，甚至医学知识并没有明确解刨结构认知的组织(如人体经脉)但却有着特有的物质特性的组织，由于其相同物质特性，会被一同分割出来，形成图形化的结果，为医学研究提供参考，其对能谱CT图像空间的分割结果可用于空间几何解剖结构三维重建。本发明操作简单，提高医学图像分割的实用性和精确性，应用前景广泛。

值得注意的是,在某些实施例中f_i(x,y,z)和f_i(x′,y′,z′)的取值，可以是它们的8邻域或者是26邻域，目的是针对噪声比较严重的系列图像，具体的取法如下：

8邻域的取法：

26邻域的取法：

本发明还意在提供一种基于能谱CT图像全分割***，利用能谱曲线对应物质唯一性原理，将由能谱CT数据集中相似的点的集合作为同一类，从而对能谱 CT图像进行分割，提高医学图像分割的实用性和精确性。

包括：图像获取模块，用于获取能谱CT数据组成的能谱CT序列图像；

聚类分割模块，用于从能谱CT数据中提取能谱图像空间中每个点的能谱曲线，并将能谱CT图像空间中每一点其他点进行基于能谱曲线的相似度聚类；

输出模块，用于据聚类结果，将同类的点分割出来形成新的图像。

进一步，所述聚类分割模块，用于计算空间中两点的能谱曲线向量内对应同一能谱值的两个值之间的差值的绝对值是否均小于给定阈值，如果是则判断为这两个点为同一类，如果否则判断这两个点不为同一类。

进一步，还包括三维重建模块，用由于根据聚类分割模块的分割结果进行可视化三维重建。

进一步，所述图像获取模块连接有用于与能谱CT扫描设备进行数据通信的数据接口。

附图说明

图1为本发明实施例的流程图；

图2为本发明实施例中的基于能谱CT图像全分割***的示意性框图。

具体实施方式

本实施例中使用的基于能谱CT图像全分割***，基本如图2所示，包括：

图像获取模块，用于获取能谱CT数据组成的能谱CT序列图像；

聚类分割模块，用于将能谱CT图像空间中每一点与其他点进行相似度聚类，并依照聚类结果分割能谱CT序列图像；

输出模块，用于输出分割后的能谱CT序列图像；

还包括了三维重建模块，用由于根据聚类分割模块的分割结果进行可视化三维重建。

本实施例图像获取模块可直接与能谱CT扫描设备通信，以获取能谱CT序列图像，也可以通过接口从数据介质中读取能谱CT序列图像。

如图1所示，本实施例中的能谱CT分割处理程序步骤如下：

用户首先获取薄层能谱CT序列图像，即每1毫米间隔为一层，实施一组扫描；要求扫描的能谱范围要覆盖低和高的电子伏特；本实施例中，使用的范围是 40keV到140keV，即每10keV有一副CT图像数据，也就是说，每一扫描层有 11个CT图像数据；进而形成每层的每个像素点的能谱曲线向量。

具体相似度比较的算法如下，

建立一个空间三维的标记数组V，其中v(x,y,z)初始全部为0，本实施例中， x,y,z对应的图像空间为512×512×300，即每个平面层的空间分辨率为512× 512，供扫描了300个层；

取得样本点的能谱曲线向量

F(x,y,z)＝[f₁(x,y,z),f₂(x,y,z),f₃(x,y,z)...f₁₁(x,y,z)]

并使v(x,y,z)＝1；

另取一点f_i(x′,y′,z′)的能谱曲线向量

F(x′,y′,z′)＝[f₁(x′,y′,z′),f₂(x′,y′,z′),f₃(x′,y′,z′)...f₁₁(x′,y′,z′)]

比较F(x,y,z)与F(x′,y′,z′)：

如果下列表达式成立，则对标记数组V内的v(x′,y′,z′)赋值1；

|f_i(x,y,z)-f_i(x′,y′,z′)|≤ε,i＝1......n；

ε是一个给定的阈值，最小值为零，可以根据处理的结果进行调节；一些实施例中，该值优选的为0至图像数据中最大值的5％。

继续比较下一个点，直到所有的点都比较完毕；

将两点进行相似度比较，如果符合相似原则，则两点属于一类，给标记数组 V中的v(x′,y′,z′)赋予与v(x,y,z)同样的值以标记为同类，并去下一个v(x,y,z)＝0 的进行比较，否则直接取下一个v(x,y,z)＝0的点，直到所有的点都进行了一次与样本点的比较；

再次选取一个v(x,y,z)＝0的样本点，v(x,y,z)赋值2，在与另一个v(x′,y′,z′)＝0进行比较，如果符合相似原则，则两点属于一类，给标记数组V中的本次 v(x′,y′,z′)赋予与本次v(x,y,z)同样的值以标记为同类再取下一个v(x,y,z)＝0的点，否则直接取下一个v(x,y,z)＝0的点；

以此类推，则直至所有的点都被标记，也就是说没有v(x,y,z)＝0的点。

根据标记数组V中的值进行聚类，取值相同的为一类，根据聚类结果分割图像，算法结束。

值得注意的是，但本发明可用的相似原则不限于此，在某些实施例中，相似原则还可以是两个向量之间的差值的模小于一个给定阈值，也可以是两个向量之间的方差小于一个给定阈值，还可以是对应同一keV值的两个值之间的差值的绝对值的均值小于给定阈值，以及其他一切可以判断两曲线之间相似度的原则。

值得注意的是f_i(x,y,z)和f_i(x′,y′,z′)的取值，可以是它们的8邻域均值或者是26邻域均值，目的是针对噪声比较严重的系列图像，具体的取法如下：

8邻域的取法：

26邻域的取法：

以上所述的仅是本发明的实施例，方案中公知的具体结构和/或特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (10)

1.基于能谱CT图像全分割方法，其特征在于，包括以下步骤：

1)获取能谱CT数据组成的能谱CT序列图像；

2)从能谱CT数据中提取能谱图像空间中每个点的能谱曲线，将能谱CT图像空间中每一点其他点进行基于能谱曲线的相似度聚类；

3）根据聚类结果，将同类的点分割出来形成新的图像。

2.根据权利要求1所述的能谱CT图像的分方法，其特征在于：所述的相似度判断准则为，两点的能谱曲线向量内对应同一能谱值的两个数据值之间的差值的绝对值均小于给定阈值，则判断为同一类。

3.根据权利要求1所述的基于能谱CT图像全分割方法，其特征在于：所述能谱CT序列图像采用keV 值从40到140，每10keV为一个采样点进行扫描得到的能谱CT序列图像。

4.根据权利要求1所述的基于能谱CT图像全分割方法，其特征在于：所述能谱CT序列图像采用每隔1毫米扫描一次的能谱CT序列图像。

5.根据权利要求2所述的基于能谱CT图像全分割方法，其特征在于：在步骤2)中，空间中每个点的数据值它们的8邻域平均值。

6.根据权利要求2所述的基于能谱CT图像全分割方法，其特征在于：在步骤2)中，空间中每个点的数据值它们的26邻域平均值。

7.基于能谱CT图像全分割***，其特征在于：包括，图像获取模块，用于获取能谱CT数据组成的能谱CT序列图像；

种子点指定模块，用于获取种子点在能谱CT图像空间中的坐标；

聚类分割模块，用于从能谱CT数据中提取能谱图像空间中每个点的能谱曲线，并将能谱CT图像空间中每一点与其他点进行基于能谱曲线的相似度聚类；

输出模块，用于据聚类结果，将同类的点分割出来形成新的图像。

8.根据权利要求1所述的基于能谱CT图像全分割***，其特征在于，所述聚类分割模块，用于计算空间中两点的能谱曲线向量内，对应同一能谱值的两个值之间的差值的绝对值是否均小于给定阈值，如果是则判断为这两个点为同一类，如果否则判断这两个点不为同一类。

9.根据权利要求1所述的基于能谱CT图像全分割***，其特征在于，还包括三维重建模块，用由于根据聚类分割模块的分割结果进行可视化三维重建。

10.根据权利要求1所述的基于能谱CT图像全分割***，其特征在于，所述图像获取模块连接有用于与能谱CT扫描设备进行数据通信的数据接口。