科创中国

本发明适用于图像处理技术领域，尤其涉及一种超声图像分割方法和系统。所述方法包括以下步骤：将统计形状模型和采集到的指定器官的三维超声数据进行粗配准，得到初始化坐标变换参数；根据初始化坐标变换参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割，所述统计形状模型是通过对多个高清晰度三维数据的手动分割结果进行训练得到的平均值与表征变化模态的一组特征向量的组合。这样，就避免了手动分割及半自动分割需要人工参与较多的问题，相比现有的全自动分割方法，本发明解决图像分辨率低以及图像模糊状态下分割的准确性问题。

一种超声图像分割方法，其特征在于，所述方法包括以下步骤：将统计形状模型和采集到的指定器官的三维超声数据进行粗配准，得到初始化坐标变换参数；根据初始化坐标变换参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割，所述统计形状模型是通过对多个高清晰度三维图像数据的手动分割结果进行训练得到的平均值与表征变化模态的一组特征向量的组合；所述根据初始化坐标变换参数，利用基于粒子滤波的图像分割算法对三维超声数据进行迭代分割的步骤包括：步骤A、以初始化坐标变换参数为中心，在参数空间中选取多个点，作为粒子。

图像分割技术在图像导航、疾病诊断等多方面有着重要的意义。在图像导航中，只有较为精确的图像分割结果数据才能为导航过程提供良好的三维可视化环境，并且后续的路径规划功能等也立足于良好的分割结果。

[0003]在疾病诊断中，精确的分割结果能够让医生更好的观察脏器的形状，以及能提供脏器的某些特征指标以辅助医生诊断。目前的分割技术可以分为手动、半自动、全自动三类。手动分割依靠医生个人经验，需对三维图像数据的每一帧进行手动勾勒指定脏器的边缘，费时费力，工作负担重，而且由于主观性较强，就可能导致精确性太低的问题。半自动分割技术依赖较好的初始化，因此通常需要医生提供额外的信息，然后经由算法给出分割结果。虽然不需要大量的勾勒边缘之类的工作，但其依赖初始化，仍然需要人机交互，有可能对正常的手术流程造成干扰。而全自动分割技术则完全依靠算法处理图像得到指定脏器的分割结果，但是全自动技术往往存在准确性和稳定性等方面的问题，在图像质量差的情况下很难达到满意的分割效果。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

本发明采用统计形状模型与基于类粒子滤波模式的图像分割相结合的迭代方法对超声图像中的指定脏器进行分割。以统计模型作为先验知识，和图像灰度信息结合，采用粒子滤波的形式，对器官进行迭代分割。在迭代分割过程中充分利用统计模型提供的信息，在图像清晰度不高以及有感兴趣器官有边缘模糊的情况下仍能得到较为满意的效果。采用粒子滤波的形式，有效的避免局部最小值问题。这样，就避免了手动分割及半自动分割需要人工参与较多的问题，相比现有的全自动分割方法，本发明解决图像分辨率低以及图像模糊状态下分割的准确性问题。

技术合作

对于图像分割方法按如下流程进行:一、初始化。按一定准则确定统计形状模型和三维超声图像间的粗略坐标变换参数，并定义参数空间。二、基于类粒子滤波模式的图像分割迭代分割算法。按如下步骤进行:I，以初始化坐标变换参数为中心，按一定标准在参数空间内选取一定数量的点，作为粒子。在第一次循环中，以步骤一中得到的坐标变换参数为初始化坐标变换参数。2、对每一个粒子，按其所代表的坐标变换参数，对训练点集的平均值以及特征向量进行坐标变换。将变换后的特征向量乘以各自对应的权重，与变换后的训练点集平均值相加，得到对应于每个粒子的先验模型。在第一次循环中，各特征向量对应的权重均为O。以每个粒子对应的先验模型为seed point set，分别根据三维超声图像的灰度值信息，以某种原则建立图，应用graph cut(图像分割)算法进行分割，并取得分割结果的表面点集。3，对2中得到的对应于每个粒子的表面点集，分别与相应的先验模型进行配准，并根据某种定义计算其与相应先验模型的相似度。将所有的粒子根据相似度排序并进行重采样，选择出一个最佳的粒子。将最佳的粒子所对应的表面点集与对应的先验模型的差投影到对应的特征向量构成的空间上，计算出各特征向量的权重。4，计算前后两次循环得到的最佳粒子之间的变动率，如果小于一定阈值，就认为算法收敛，或循环超过一定数量，结束循环。否则，以最佳粒子作为I中的初始化坐标变化参数，以3中得到的权重作为2中的各特征向量对应权重，回到I重新执行。

[0080]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。