基于稀疏表示和低秩恢复的肝脏CT图像分割算法研究

发布时间：2017-12-24 09:18

本文关键词：基于稀疏表示和低秩恢复的肝脏CT图像分割算法研究　出处：《哈尔滨工业大学》2016年博士论文　论文类型：学位论文

【摘要】：计算机辅助诊断和手术规划系统在肝癌疾病的诊断和治疗等方面发挥着越来越重要的作用。CT图像因其具有高分辨率和高信噪比而被广泛地用于肝癌的临床诊断。因而,研究基于CT图像的肝脏精确及稳健分割在医学研究和临床诊断治疗等方面具有重要的意义。然而,基于CT的肝脏分割仍然面临很多难题,一方面,肝脏组织和相邻器官之间边界模糊,且不同个体之间的肝脏形状差异很大;另一方面,CT图像很容易受到部分容积效应和噪声的影响。针对这些问题,本文以肝脏组织的精确分割为研究目标,在CT图像中研究基于全局形状先验知识的肝脏分割方法。同时,本文引入信号处理和计算机视觉领域最新的理论(稀疏表示和低秩恢复),将它们融入基于全局形状先验知识的主动形状模型和图谱方法中,从而实现精确和稳健的肝脏CT图像分割。半自动的肝脏分割方法具有分割精度高、耗时小等特点,当临床应用对分割时间有特定要求时,半自动的分割方法比全自动的方法更为适用。针对传统基于图像或局部形状先验信息的方法在肝脏分割中容易产生较大分割误差的问题,本文提出了一种基于全局形状先验知识的主动形状模型肝脏半自动分割方法。在主动形状模型方法中,现有形状先验知识建模方法存在着三个主要问题:对于输入形状中的非高斯误差较为敏感;难以对具有非高斯分布的复杂形状进行有效建模;无法对输入形状的局部细节进行有效恢复。针对上述问题,本文提出了一种基于多阶层局部区域的稀疏形状组合模型。在形状建模过程中,首先将肝脏形状以多阶层方式分割成多个具有均匀形状变化的区域;然后为每个区域建立一个对应的局部形状库,并按照逐个区域的方式将输入形状正则化为形状库中训练形状的稀疏线性组合。同时,为了提高肝脏初始化的精度,本文提出了一种基于血管的肝脏形状初始化方法和多层次形状模型优化方法。通过临床数据实验以及国际竞赛证明,提出的半自动分割方法可以用来对肝脏组织进行高精度、低耗时的有效分割。半自动的分割方法能够在有限的时间内,通过人工交互的方式获取较高精度的分割结果。然而,由于需要人工的参与,半自动分割方法的结果会受到人为因素的影响,进而影响分割结果的可重复性。针对半自动分割方法在该方面的劣势,本文提出了一种基于全局形状先验知识的图谱肝脏全自动分割方法。鉴于在肝脏图谱灰度图像对齐到目标图像时,图谱分割方法容易产生较大配准误差的问题,本文提出了一个基于稀疏表示的变形模型,来对图像配准过程中产生的误差进行校正,即将得到的非刚性变换正则化为已有训练非刚性变换的稀疏线性组合。同时,为了降低最终生成的肝脏图谱偏向于初始模板图像的特定解剖结构的可能性,本文给出了一种迭代方法构建肝脏图谱的解决对策。临床数据的实验结果表明,提出的全自动的分割方法能够在无需人工参与的条件下,取得接近于半自动分割方法的分割精度,且实验结果可重复,从而验证了提出方法的有效性、先进性。基于图谱的肝脏全自动分割方法在处理正常或含轻微病变的肝脏时,能够获取较高的分割精度;然而,在处理含严重病变的肝脏时,分割精度明显下降。而融入了形状先验模型的全自动分割方法能够有效提升严重形变肝脏的分割精度,特别地,基于稀疏表示理论的稀疏形状组合模型成功解决了现有形状先验知识建模方法存在的主要问题。然而,基于?1范数的稀疏表示方法缺乏群组效应,这在一定程度上影响了模型的泛化能力。针对该模型缺陷,本文提出了一种基于矩阵低秩和稀疏分解的形状先验模型。该模型克服了传统形状先验模型的缺陷,并能够从含有较大但稀疏误差的肝脏形状矩阵中精确地恢复其真实子空间。该模型将肝脏形状矩阵分解为以下三个部分:整体肝脏解剖结构的低秩部分、稀疏粗差的稀疏部分、小而稠密的高斯噪声部分。实验结果表明,提出的方法可以对肝脏形状进行有效的建模,特别是对含严重病变的肝脏形状建模,从而在一定程度上提高了全自动分割方法的分割精度与分割稳定性。基于矩阵低秩和稀疏分解的形状先验模型的构建为高精度的全自动分割提供了模型基础,为了实现对含严重病变的肝脏组织的精准分割,本文提出了一种基于主动形状模型的肝脏自动分割方法。对含严重病变的肝脏组织进行自动分割时会遇到以下三个主要难题:含有大的病灶区域具有与正常肝脏组织完全不同的灰度值;肝脏周边病灶与相邻器官之间的对比度低;CT图像很容易受到成像伪影的影响。针对上述问题,本文提出了一种针对特定病例的基于矩阵低秩和稀疏分解的概率图谱形状初始化方法,以便最大程度地消除病理异常对最终构建的概率图谱和肝脏似然图像造成的不利影响。同时,为了能对输入形状的局部细节进行准确的恢复,本文使用基于矩阵低秩和稀疏分解的形状先验模型来构建针对特定人群的形状先验模型;最后,提出了一种多层次主动形状模型搜索方法来对模型进行有效优化。临床数据的实验以及国际竞赛结果表明,提出的分割方法可以用来对含严重病变的肝脏组织进行精确和稳健的分割。
【学位授予单位】：哈尔滨工业大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：R735.7;R730.44;TP391.41

【参考文献】