一种分离头颈部位的图像处理方法与流程

1.本发明涉及医学影像处理技术领域，具体地说是一种分离头颈部位的图像处理方法。


背景技术：

2.头颈动脉是将血液由心脏输送到大脑的主要血管通路。临床上,通常采用计算机断层扫描血管造影技术(cta)和磁共振动脉血管成像技术(mra)对头颈动脉成像，针对血管的形态学检查来观察头颈动脉硬化, 头颈动脉狭窄, 头颈动脉斑块和血液流变等问题。为了能够更好的实现对血管形态、血管走形等特征的分析，通常需要将cta或mra头颈动脉图像中的头颈动脉血管与其他人体组织进行分离。但由于头部与颈部在解剖结构、组织构成等方面的不同，直接在头颈动脉图像基础上进行血管分割，分割效果较差。因此在头颈血管分割过程中，往往需要将头部与颈部分离，分别进行单独的血管提取。
3.现有头颈部位分离方式主要分为两种，一种是人工手动选取分离，即医生在进行头颈血管提取处理过程中，手动进行头颈分离层面选择，而后继续进行头颈血管提取；另一种是利用头颈cta图像生成头颈部位矢状位图像，并将矢状位图像中人体组织与背景分离，然后计算人体组织前表面到后表面的距离，由于头部与颈部的前后表面距离差异较大，因此将前后距离最小的层面作为分离层面，但不能对mra进行处理，且要求图像完整包含头部与颈部，对于仅包含部分头部或部分颈部部位的图像难以进行分离。


技术实现要素：

4.本发明的目的在于提出一种分离头颈部位的图像处理方法，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供以下技术方案：一种分离头颈部位的图像处理方法，包括以下具体步骤：s1、人体组织与空气分割；s2、定位基准横断面；s3、以基准横断面为基础，定位头颈分离层。
6.所述步骤s1具体内容包括：计算图像灰度统计直方图hist，以图像灰度统计直方图hist的第a百分位数所对应的灰度值，作为空气与人体组织的灰度阈值ta，其中a最佳值为2，以空气与人体组织的灰度阈值ta为阈值，分离人体组织与空气。
7.所述步骤s2分为四种方案，具体内容分别包括：方案一：使用横断面逐层计算体内空气与组织面积特征，该特征为：体内空气与组织面积比或体内空气与体内空气和组织总和的面积比或体内组织与体内空气和组织总和的面积比，将体内空气与组织面积特征最接近参考值的层，作为基准横断面；具体包括，通过计算体内空气、组织所占人体内部面积，获得各层的体内空气与组
织面积特征ra，该特征为：体内空气与组织面积比或体内空气与体内空气和组织总和的面积比或体内组织与体内空气和组织总和的面积比，将体内空气与组织面积特征ra最接近体内空气与组织面积特征参考值pa的层，选为基准横断面sr；其中当体内空气与组织面积特征ra，选为体内空气与组织面积比时，体内空气与组织面积特征参考值pa的最佳值为1:9，选为体内空气与体内空气和组织总和的面积比时，体内空气与组织面积特征参考值pa最佳值为1:10，选为体内组织与体内空气和组织总和的面积比时，体内空气与组织面积特征参考值pa最佳值为9:10；。
8.方案二：通过参考模板获得基准横断面体内空气与组织面积特征均值，该特征为：体内空气与组织面积比或体内空气与体内空气和组织总和的面积比或体内组织与体内空气和组织总和的面积比，获得各模板的基准横断面的体内空气与组织面积特征，再对其求平均值，从而获得模板基准横断面的体内空气与组织面积特征平均值，再逐层计算体内空气与组织面积特征，将体内空气与组织面积特征最接近基准横断面体内空气与组织面积特征均值的层面，作为基准横断面；具体包括，选取1个及以上标准头颈图像作为参考模板，人工选取各模板的基准横断面，使用s1中的方法计算获得的人体组织，进行形态学的填洞处理，填上的部分就是体内空气；通过计算体内空气、组织所占人体内部面积，并选用与体内空气与组织面积特征ra相同的计算方式，获得各模板的基准横断面的体内空气与组织面积特征，再对其求平均值，从而获得模板基准横断面的体内空气与组织面积特征平均值ma，再逐层计算待测数据体内空气与组织面积特征ra，将体内空气与组织面积特征ra最接近基准横断面体内空气与组织面积特征均值ma的层面，作为基准横断面sr；。
9.方案三：通过计算靠近颅顶侧第一层与最后一层的距离比获得候选层范围，使用横断面逐层计算体内空气与组织面积比，将候选层范围中体内空气与组织面积比最大的层面，作为基准横断面；具体包括，确定基准横断面所在层候选范围，该范围为候选起始层s0到候选终止层s1，以到靠近颅顶侧第一层与最后一层的距离比最接近起始层比例b的层面，作为候选起始层s0，图像总层数为k，其中起始层比例b的最佳值为0：（k-1）；以到靠近颅顶侧第一层与最后一层的距离比最接近终止层比例c的层面，作为候选终止层s1，其中终止层比例c的最
佳值为7:3；然后通过计算从候选起始层s0到候选终止层s1范围内的体内空气与人体组织面积比例，获得各层的体内空气组织比rb，将体内空气组织比rb最大值所在层选为基准横断面sr。
10.方案四：通过逐层提取图像特征，并与事先定义的基准横断面特征进行匹配，将最匹配的图像层面设置为基准横断面；具体包括，选取1个及以上标准头颈图像作为参考模板，人工选取各模板的基准横断面，然后提取各模板的基准横断面特征f，特征提取方法为：神经网络特征提取或影像组学特征提取，利用基准横断面特征f和各模板数据与各基准横断面进行训练获得分类器c，训练方法为：神经网络或支撑向量机，最后逐层计算横断面在分类器c中的分类概率p，将分类概率p最大值所在层面，选为基准横断面sr。
11.所述步骤s3具体内容包括：基于事先定义的基准横断面与头颈分离层距离关系，计算出头颈分离层的位置。
12.与现有技术相比，本发明有益效果如下：1. 本发明是基于对图像特征的判断寻找基准横断面和头颈分离层，对cta图像和mra图像均可处理；2. 本发明对头部和颈部扫描范围无要求，对于仅包含部分头部和部分颈部图像也可进行处理；3. 本发明自动进行处理，提高效率。
附图说明
13.图1为本发明灰度统计直方图hist；图2为本发明头颈分离层ss、基准横断面sr和平面位置差d之间关系示意图；图3为本发明标准头颈图像参考模板示意图；图4为本发明cta标准头颈图像参考模板示意图；图5为本发明mra标准头颈图像参考模板示意图；图6为本发明候选起始层s0、候选终止层s1、靠近颅顶侧第一层、靠近颅顶侧最后一层、起始层比例b和终止层比例c之间关系示意图；图7为本发明基准横断面特征f以及得到分类器c的训练和计算过程示意图；图8为本发明方法整体流程图。
具体实施方式
14.为阐明技术问题、技术方案、实施过程及性能展示，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释。本发明，并不用于限定本发明。以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
15.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
16.另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。
本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
17.实施例1如图1和图2所示，一种分离头颈部位的图像处理方法，具体包括以下步骤：s1、人体组织与空气分割；计算图像灰度统计直方图hist，统计图像中每种灰度级像素的个数，获得图像中每种灰度出现的频率。横坐标是灰度值，纵坐标是灰度值出现的频率。以图像灰度统计直方图hist的第a百分位数所对应的灰度值，作为空气与人体组织的灰度阈值ta，其中a最佳值为2，以空气与人体组织的灰度阈值ta为阈值，分离人体组织与空气，大于等于灰度阈值ta的像素归类为人体组织，低于灰度阈值ta的像素归类为空气；s2、定位基准横断面；根据步骤s1中获得的人体组织，进行形态学的填洞处理，填上的部分就是体内空气。通过计算体内空气、组织所占人体内部面积，获得各层的体内空气与组织面积特征ra，该特征选为体内空气与组织面积比，与其对应的体内空气与组织面积特征参考值pa为1:9，将体内空气与组织面积特征ra最接近体内空气与组织面积特征参考值pa的层，选为基准横断面sr；
18.s3、以基准横断面为基础，定位头颈分离层；头颈分离层ss与基准横断面sr的平面位置差为d，本实施例中d的最佳值为40mm；以头顶至颈部为正方向，头颈分离层ss位于沿正方向与基准横断面sr距离为d处，当距离超出图像范围时，头颈分离层ss选为正方向上距离最大的一层。
19.实施例2如图1和图2所示，一种分离头颈部位的图像处理方法，具体包括以下步骤：s1、人体组织与空气分割；计算图像灰度统计直方图hist，统计图像中每种灰度级像素的个数，获得图像中每种灰度出现的频率。横坐标是灰度值，纵坐标是灰度值出现的频率。以图像灰度统计直方图hist的第a百分位数所对应的灰度值，作为空气与人体组织的灰度阈值ta，其中a最佳值为2，以空气与人体组织的灰度阈值ta为阈值，分离人体组织与空气，大于等于灰度阈值ta的像素归类为人体组织，低于灰度阈值ta的像素归类为空气。
20.s2、定位基准横断面；根据步骤s1中获得的人体组织，进行形态学的填洞处理，填上的部分就是体内空气。通过计算体内空气、组织所占人体内部面积，获得各层的体内空气与组织面积特征ra，该特征选为体内空气与体内空气和组织总和的面积比，与其对应的体内空气与组织面积特征参考值pa为1:10，将体内空气与组织面积特征ra最接近体内空气与组织面积特征参考值pa的层，选为基准横断面sr；
21.s3、以基准横断面为基础，定位头颈分离层；头颈分离层ss与基准横断面sr的平面位置差为d，本实施例中d的最佳值为40mm；以头顶至颈部为正方向，头颈分离层ss位于沿正方向与基准横断面sr距离为d处，当距离超出图像范围时，头颈分离层ss选为正方向上距离最大的一层。
22.实施例3如图1和图2所示，一种分离头颈部位的图像处理方法，具体包括以下步骤：s1、人体组织与空气分割；计算图像灰度统计直方图hist，统计图像中每种灰度级像素的个数，获得图像中每种灰度出现的频率。横坐标是灰度值，纵坐标是灰度值出现的频率。以图像灰度统计直方图hist的第a百分位数所对应的灰度值，作为空气与人体组织的灰度阈值ta，其中a最佳值为2，以空气与人体组织的灰度阈值ta为阈值，分离人体组织与空气，大于等于灰度阈值ta的像素归类为人体组织，低于灰度阈值ta的像素归类为空气。
23.s2、定位基准横断面；根据步骤s1中获得的人体组织，进行形态学的填洞处理，填上的部分就是体内空气。通过计算体内空气、组织所占人体内部面积，获得各层的体内空气与组织面积特征ra，该特征选为体内组织与体内空气和组织总和的面积比，与其对应的体内空气与组织面积特征参考值pa为9:10，将体内空气与组织面积特征ra最接近体内空气与组织面积特征参考值pa的层，选为基准横断面sr；
24.s3、以基准横断面为基础，定位头颈分离层；头颈分离层ss与基准横断面sr的平面位置差为d，本实施例中d的最佳值为40mm；以头顶至颈部为正方向，头颈分离层ss位于沿正方向与基准横断面sr距离为d处，当距离超出图像范围时，头颈分离层ss选为正方向上距离最大的一层。
25.实施例4如图1和图3-图5所示，一种分离头颈部位的图像处理方法，具体包括以下步骤：s1、人体组织与空气分割；计算图像灰度统计直方图hist，统计图像中每种灰度级像素的个数，获得图像中每种灰度出现的频率。横坐标是灰度值，纵坐标是灰度值出现的频率。以图像灰度统计直方图hist的第a百分位数所对应的灰度值，作为空气与人体组织的灰度阈值ta，其中a最佳值为2，以空气与人体组织的灰度阈值ta为阈值，分离人体组织与空
气，大于等于灰度阈值ta的像素归类为人体组织，低于灰度阈值ta的像素归类为空气。
26.s2、定位基准横断面；选取1个及以上标准头颈图像作为参考模板，人工选取各模板的基准横断面，使用s1中的方法计算获得的人体组织，进行形态学的填洞处理，填上的部分就是体内空气；通过计算体内空气、组织所占人体内部面积，并选用与体内空气与组织面积特征ra相同的计算方式，获得各模板的基准横断面的体内空气与组织面积特征，再对其求平均值，从而获得模板基准横断面的体内空气与组织面积特征平均值ma，再逐层计算待测数据体内空气与组织面积特征ra，将体内空气与组织面积特征ra最接近基准横断面体内空气与组织面积特征均值ma的层面，作为基准横断面sr；
27.s3、以基准横断面为基础，定位头颈分离层；头颈分离层ss与基准横断面sr的平面位置差为d，本实施例中d的最佳值为40mm；以头顶至颈部为正方向，头颈分离层ss位于沿正方向与基准横断面sr距离为d处，当距离超出图像范围时，头颈分离层ss选为正方向上距离最大的一层。
28.实施例5如图1和图6所示，一种分离头颈部位的图像处理方法，具体包括以下步骤：s1、人体组织与空气分割；计算图像灰度统计直方图hist，统计图像中每种灰度级像素的个数，获得图像中每种灰度出现的频率。横坐标是灰度值，纵坐标是灰度值出现的频率。以图像灰度统计直方图hist的第a百分位数所对应的灰度值，作为空气与人体组织的灰度阈值ta，其中a最佳值为2，以空气与人体组织的灰度阈值ta为阈值，分离人体组织与空气，大于等于灰度阈值ta的像素归类为人体组织，低于灰度阈值ta的像素归类为空气。
29.s2、定位基准横断面；确定基准横断面所在层候选范围，该范围为候选起始层s0到候选终止层s1，以到靠近颅顶侧第一层与最后一层的距离比最接近起始层比例b的层面，作为候选起始层s0，图像总层数为k，其中起始层比例b的最佳值为0：（k-1）；以到靠近颅顶侧第一层与最后一层的距离比最接近终止层比例c的层面，作为候选终止层s1，其中终止层比例c的最佳值为7:3。然后通过计算从候选起始层s0到候选终止层s1范围内的体内空气与人体组织面积比例，获得各层的体内空气组织比rb，将体内空气组织比rb最大值所在层选为基准横断面sr。
30.s3、以基准横断面为基础，定位头颈分离层；头颈分离层ss与基准横断面sr的平面位置差为d，本实施例中d的最佳值为40mm；以头顶至颈部为正方向，头颈分离层ss位于沿正方向与基准横断面sr距离为d处，当距离超出图像范围时，头颈分离层ss选为正方向上距离最大的一层。
31.实施例6如图1和图7所示，一种分离头颈部位的图像处理方法，具体包括以下步骤：s1、人体组织与空气分割；计算图像灰度统计直方图hist，统计图像中每种灰度级
像素的个数，获得图像中每种灰度出现的频率。横坐标是灰度值，纵坐标是灰度值出现的频率。以图像灰度统计直方图hist的第a百分位数所对应的灰度值，作为空气与人体组织的灰度阈值ta，其中a最佳值为2，以空气与人体组织的灰度阈值ta为阈值，分离人体组织与空气，大于等于灰度阈值ta的像素归类为人体组织，低于灰度阈值ta的像素归类为空气。
32.s2、定位基准横断面；选取1个及以上标准头颈图像作为参考模板，人工选取各模板的基准横断面，然后提取各模板的基准横断面特征f，特征提取方法为：神经网络特征提取或影像组学特征提取，以基准横断面特征f、各模板数据作为输入数据，以模板各层是否为基准横断面为标签进行训练获得分类器c，训练方法为：神经网络或支撑向量机，最后通过将各层待测数据输入分类器c，逐层计算横断面在分类器c中的分类概率p，将分类概率p最大值所在层面，选为基准横断面sr。
33.s3、以基准横断面为基础，定位头颈分离层；头颈分离层ss与基准横断面sr的平面位置差为d，本实施例中d的最佳值为40mm；以头顶至颈部为正方向，头颈分离层ss位于沿正方向与基准横断面sr距离为d处，当距离超出图像范围时，头颈分离层ss选为正方向上距离最大的一层。
34.以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。