论文部分内容阅读
快速精确地提取骨盆CT影像中的骨骼外轮廓,不仅可以辅助医师对骨盆区域的疾病进行前期临床诊断及分析,而且有助于临床治疗方案的制定和临床疗效的预判及评估。针对临床上骨盆CT影像中骨骼外轮廓提取耗时、精度低等问题,本文提出了基于关键帧降维处理技术的图像分割算法。本算法主要包括三个部分:CT全序列中关键帧图像的提取,关键帧图像中骨盆外轮廓提取以及基于此实现的CT全序列骨盆外轮廓标记。由于在骨盆CT影像中,相邻序列内的骨骼形态既具有连贯性,又具有突变性,本文提出了针对CT序列图像的关键帧提取算法。此算法首先利用帧间差值从序列中提取候选关键帧,然后使用互信息量以及归一化相关系数从候选关键帧中提取目标关键帧。对于单帧医学影像,传统的做法是完全依靠医师手动绘制目标的轮廓曲线。这种方法虽然在一定程度上能保证分割精度,但是耗时耗力,不利于临床中快速的病情分析。此外,现有的自动分割算法尚不能达到临床上对分割准确性的要求,因此交互式分割方法成为首选。为兼顾分割的准确性与效率,本文采用基于人工标记的分水岭算法来获取关键帧的骨盆外轮廓曲线。对于CT全序列图像,本文提出了一种基于关键帧分割信息的骨盆外轮廓提取算法。首先利用关键帧对序列进行分段;对于每一区段中的CT图像,依据帧间相似性,利用上一帧的外轮廓曲线来确定当前图像的起始轮廓,并以此定位感兴趣区域;在感兴趣区域中,通过分析起始轮廓上各轮廓点的变化情况,更新轮廓点的位置,从而获得所有图像的骨盆外轮廓曲线。筛选10组临床CT数据,其中每组数据包含245层序列图像,进行算法测试,结果表明算法处理中所提取的关键帧序列占全CT序列数据量的13%左右,每组数据完成全序列总骨盆外轮廓提取的平均处理时间为8 min。以5名临床医师的手工分割结果均值为标准对算法分割结果进行评估,结果表明算法自动提取的骨盆外轮廓与标准值之间平均重合度大于94%。综上所述,本文提出的算法可以保证分割精度,缩短分割时间,降低临床人工标记的工作量。不仅可以为患者早期诊断、手术方案制定等提供重要参考,还能够为进一步实施医学图像的配准、识别及三维重建高效提供更加准确的数据。