(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910853273.3
(22)申请日 2019.09.10
(71)申请人 华中科技大学苏州脑空间信息研究
院
地址 215000 江苏省苏州市工业园区若水
路388号
(72)发明人 管乐 徐晓峰 李安安 龚辉
骆清铭
(74)专利代理机构 南京艾普利德知识产权代理
事务所(特殊普通合伙)
32297
代理人 陆明耀
(51)Int.Cl.
G06T 7/00(2017.01)
G06T 7/11(2017.01)
G06T 7/13(2017.01)G06T 7/155(2017.01)G06T 7/45(2017.01)G06T 3/40(2006.01)
(54)发明名称细胞分辨水平的脑组织三维图像的脑区自动分割方法及系统(57)摘要本发明提供一种细胞分辨水平的脑组织三维图像的脑区自动分割方法及系统，包括如下步骤：步骤S1，获取原始数据；步骤S2，降采样；步骤S3，低分辨特征提取；步骤S4，绘制初始轮廓；步骤S5，低分辨脑区分割；步骤S6，升采样标号值；步骤S7，高分辨特征提取；步骤S8，高分辨脑区分割；步骤S9，边界优化；步骤S10，循环处理；步骤S11，输出结果。本发明方法基于脑区细胞纹理的概率分布，利用细胞分辨图像对细胞构筑细节信息的敏感性提取图像纹理细节信息，再与脑区纹理空间分布特征相结合，强化对纹理细节和边缘轮廓的共同描述，以弥补传统特征提取算法对脑 区纹理信息描述不足的缺陷。权利要求书3页 说明书9页 附图2页CN 110675372 A 2020.01.10
C N 110675372
A
1.一种细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述方法包括如下步骤：
步骤S1，获取原始数据步骤，获取细胞分辨水平的脑组织三维图像的数据集；
步骤S2，降采样步骤，对所述数据集中任意一张二维图像进行降采样，获得降采样图像，所述降采样为降低分辨率进行采样；
步骤S3，低分辨特征提取步骤，对所述降采样图像进行纹理特征提取，获得低分辨纹理特征向量；
步骤S4，绘制初始轮廓步骤，绘制脑区分割区域的初始轮廓线，获得低分辨初始标号，作为低分辨脑区分割的启动条件；
步骤S5，低分辨脑区分割步骤，利用所述低分辨纹理特征向量和所述低分辨初始标号，计算脑区纹理的概率分布，获得低分辨标号场；
步骤S6，升采样标号值步骤，将所述低分辨标号场进行升采样，获得高分辨初始标号，所述高分辨初始标号的分辨率与所述二维图像的分辨率一致；
步骤S7，高分辨特征提取步骤，对所述二维图像进行纹理特征提取，获得高分辨纹理特征向量；
步骤S8，高分辨脑区分割步骤，利用所述高分辨初始标号和所述高分辨纹理特征向量，计算脑区纹理的概率分布，对所述原始二维图像中像素点进行分类，得到所述原始二维图像的高分辨标号场；
步骤S9，边界优化步骤，重新计算脑区边界相邻区域像素隶属于不同类别的概率值，对所述高分辨标号场进行优化，得到最终的分类标号，此时，当前二维图像的脑区分割工作结束；
步骤S10，循环处理步骤，循环处理所述数据集中的其他二维图像，直到目标脑区所有二维图像全部完成分割；
步骤S11，结果输出步骤，输出目标脑区的三维分割结果。
2.根据权利要求1所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，获取所述细胞分辨水平的脑组织三维图像的数据集后，先进行预处理，所述预处理包括利用小波变换对图像进行转换、利用双边滤波对噪声进行去除、利用直方图均衡化来对整个像素的灰度进行矫正，以符合脑区自动分割所需的图像质量要求。
3.根据权利要求1所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述降采样利用三次内插法进行插值采样。
4.根据权利要求1所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述纹理特征提取，包括细胞构筑的细节纹理特征和脑区纹理空间分布特征，两者相结合组成所述低分辨纹理特征向量。
5.根据权利要求3所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述细胞构筑的细节纹理特征，是通过分数阶微分运算来获得；所述脑区纹理空间分布特征，是描述脑区中重复出现的局部模式与他们的细胞形态排列规则，通过灰度共生矩阵来提取典型特征来获得。
6.根据权利要求1所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，绘制初始轮廓，当处理对象为所述数据集中第一张图像时，手动分割出第一张图像
中的目标脑区的外轮廓，并将外轮廓作为所述低分辨初始标号；当处理对象为所述数据集中其他图像时，以前一张图像分割得到的最终结果作为当前图像的低分辨初始标号。
7.根据权利要求1所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述脑区纹理的概率分布，利用马尔科夫随机场模型来描述，公式为
其中r为像素点s邻域内的点，βs为势团参数，y s和y r分别为w s和w r的灰度值，μs为邻域内灰度均值，D(w s,w r)为w s和w r的距离。
8.根据权利要求1所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述边界优化，将脑区边界相邻区域像素的归属描述为一个模糊集，利用模糊熵对每个像素点的类别不确定性进行描述。
9.根据权利要求8所述的细胞分辨水平的脑组织三维图像的脑区自动分割方法，其特征在于，所述边界优化包括：
第一步，从所述高分辨标号场中提取类边界位置，获取边界轮廓坐标；
第二步，对边界轮廓进行腐蚀膨胀操作，扩大边界轮廓所占区域；
第三步，对上述边界区域所有像素点进行遍历，以任一当前像素点为中心，生成一窗口，记为论域，对于某一分类，首先按照下列函数计算单个像素点的隶属度：
其中(p,q)是论域内的一点，w(p,q)是这一点的脑区标号，l为某一分类，λ为正参数，取值为最大分类个数；
然后再计算论域内所有像素点的模糊熵，计算公式如下：
其中
S(μl)＝-μl ln(μl)-(1-μl)ln(1-μl)
(i,j)为当前像素点，n为边界区域内总共的像素个数；
第四步，重复第三步直到将所有分类的模糊值都计算出来，从中挑选出值最小的那一个分类，则该分类就是当前像素点所属的最终类别；
第五步，重复第三步、第四步，直到边界区域内所有的像素点都更新完毕，则边界优化结束。
10.一种细胞分辨水平的脑组织三维图像的脑区自动分割系统，其特征在于，包括：
获取原始数据单元，用于获取细胞分辨水平的脑组织三维图像的数据集；
降采样单元，用于对所述数据集中任意一张二维图像进行降采样，获得降采样图像，所述降采样为降低分辨率进行采样；
低分辨特征提取单元，用于对所述降采样图像进行纹理特征提取，获得低分辨纹理特征向量；
绘制初始轮廓单元，用于绘制脑区分割区域的初始轮廓线，获得低分辨初始标号，作为低分辨脑区分割的启动条件；
低分辨脑区分割单元，用于利用所述低分辨纹理特征向量和所述低分辨初始标号，计算脑区纹理的概率分布，获得低分辨标号场；
升采样标号值单元，用于将所述低分辨标号场进行升采样，获得高分辨初始标号，所述高分辨初始标号的分辨率与所述二维图像的分辨率一致；
高分辨特征提取单元，用于对所述二维图像进行纹理特征提取，获得高分辨纹理特征向量；
高分辨脑区分割单元，用于利用所述高分辨初始标号和所述高分辨纹理特征向量，计算脑区纹理的概率分布，对所述原始二维图像中像素点进行分类，得到所述原始二维图像的高分辨标号场；
边界优化单元，用于重新计算脑区边界相邻区域像素隶属于不同类别的概率值，对所述高分辨标号场进行优化，得到最终的分类标号，此时，当前二维图像的脑区分割工作结束；
循环处理单元，用于循环处理所述数据集中的其他二维图像，直到目标脑区所有二维图像全部完成分割；
结果输出单元，用于输出目标脑区的三维分割结果。
细胞分辨水平的脑组织三维图像的脑区自动分割方法及系统
技术领域
[0001]本发明涉及图像处理领域，尤其涉及一种细胞分辨水平的脑组织三维图像的脑区自动分割方法及系统。
背景技术
[0002]脑是人和动物最高级、最复杂和最重要的器官，机体各项生命活动的正常运转都离不开大脑的分析和控制。脑的基本构成单元是细胞，众多不同脑细胞的排列和组织特性构成了不同的脑区，其具体表现为细胞的形态、数量、密度和空间位置等在一定区域范围的分布特征。脑的基本功能和工作机制依赖于内部不同脑区的协同作用，脑区细胞的缺失或者损伤，导致脑区的功能受损从而引发各种脑疾病。因此，在细胞分辨水平对脑区进行精确测量和分析是开展脑功能、脑疾病研究的必要路径，而实现脑区测量和分析的一个基本需求就是对脑区进行准确的分割。
[0003]细胞分辨水平的脑组织三维图像跟传统组织学图像相比，一个明显的特征就是图像分辨率高，达到微米甚至亚微米水平，由此能够分辨细胞的三维形态，但同时也带来了图片尺寸大、数量多的难题。已有的脑区自动分割方法主要是针对MRI图像、CT图像等低分辨率的组织学图像，这类图像脑区内的灰度分布较为均匀，可以直接应用众多经典的图像分割方法对其轮廓进行分割。但是达到细胞分辨水平的组织学脑图像，脑区不再具有均匀连续的灰度，而是由大量离散可见的细胞胞体聚集而成，上述传统经
典分割方法无法适用。发明内容
[0004]鉴于目前现有技术的不足，本发明的目的在于提供一种细胞分辨水平的脑组织三维图像的脑区自动分割方法及系统。
[0005]为达到上述目的，本发明的实施例采用如下技术方案：
[0006]一种细胞分辨水平的脑组织三维图像的脑区自动分割方法，所述方法包括如下步骤：
[0007]步骤S1，获取原始数据，获取细胞分辨水平的脑组织三维图像的数据集；
[0008]步骤S2，降采样，对所述数据集中任意一张二维图像进行降采样，获得降采样图像，所述降采样为降低分辨率进行采样；
[0009]步骤S3，低分辨特征提取，对所述降采样图像进行纹理特征提取，获得低分辨纹理特征向量；
[0010]步骤S4，绘制初始轮廓，绘制脑区分割区域的初始轮廓线，获得低分辨初始标号，作为低分辨脑区分割的启动条件；
[0011]步骤S5，低分辨脑区分割，利用所述低分辨纹理特征向量和所述低分辨初始标号，计算脑区纹理的概率分布，获得低分辨标号场；
[0012]步骤S6，升采样标号值，将所述低分辨标号场进行升采样，获得高分辨初始标号，所述高分辨初始标号的分辨率与所述二维图像的分辨率一致；
说 明 书1/9页CN 110675372 A
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议