一种基于GPU的膝关节零回波磁共振成像的分割方法及装置与流程

一种基于gpu的膝关节零回波磁共振成像的分割方法及装置
技术领域
1.本发明属于医学影像领域，具体而言，涉及一种基于gpu的膝关节零回波磁共振成像的分割方法及装置。


背景技术：

2.基于形状统计和人工智能等算法的膝关节组织的数据分割方法能够分割出相关组织，但实际临床应用中膝关节组织分割的效果并不十分理想。原因如下：1.膝关节周边组织结构粘连、交错且膝关节影像学数据模态存在多样性。2.常用的磁共振质子相图像虽能区分半月板、软骨与临近组织的区分度，但磁共振设备状态、扫描参数和患者体型、体位等因素使部分区域压脂效果欠佳。3.磁共振质子相成像技术存在一定的局限性，对炎症组织和软骨组织均显示为混杂的高信号。


技术实现要素：

3.为了解决基于形状统计和人工智能等算法的膝关节组织的数据分割方法能够分割出相关组织，但实际临床应用中膝关节组织分割的效果并不十分理想的问题，本技术实施例提供了一种基于gpu的膝关节零回波磁共振成像的分割方法及装置，该分割方法包括：
4.s101，使用扩散区域增长方法分别获取股骨和胫骨掩模；
5.s103，通过对股骨和胫骨掩模的开运算得到包含半月板周边组织的掩模；
6.s105，通过半月板周边组织掩模截取对应的局部膝关节体数据；
7.s107，将局部膝关节体数据减去股骨和胫骨掩模就得到只包含半月板及其周边组织的图像。
8.其中，s101，使用扩散区域增长方法分别获取股骨和胫骨掩模，包括：
9.将非线性扩散滤波与基于种子点的区域生长算法相结合就是扩散种子区域增长分割算法，其分割区域的扩散取决于体数据的本身分布和种子点的流向方位，通过选择体数据中的一个种子点，然后启动迭代扩散，其种子点迭代扩散采用如下方程：
[0010][0011][0012]
kl＝1-exp((g s0-sgray)2， kgray)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0013]
其中，和表示每次迭代扩散前后的体素响应系数，并将其对应于0-255的亮度值，h是种子区域扩散的总体扩散系数，方程(2)的gp用以导数形式控制边界的权重，考虑当前种子点与周边8个邻居点亮度差，方程(3)中kl用以亮度差方式控制扩散进程，它在迭代过程中以选择的原始种子点亮度gs0与当前将进行扩散的种子点sgray进行比较，kgray为种子亮度扩展控制系数，k为扩散常量，l为亮度差值，gp为种子点生长点信号值，g为权重值，x为x轴体素亮度，y为y轴体素亮度，z为z轴体素亮度，s为扩散体素响应值。
[0014]
其中，步骤s101还包括：
[0015]
和用2个体数据gpu纹理存储，在glsl程序中通过乒乓技术而进行交换，使迭代前后得到快速更新，而使区域扩散增长的过程能被实时呈现。
[0016]
其中，步骤s103中开运算包括腐蚀和膨胀。
[0017]
其中，还包括：采用高斯差分的方法提取表皮掩模，用表皮掩模将对应的体数据剔除掉而达到去皮肤的目的。
[0018]
本技术还提供了一种基于gpu的膝关节零回波磁共振成像的分割装置，包括：
[0019]
获取单元，用于使用扩散区域增长方法分别获取股骨和胫骨掩模；
[0020]
第一运算单元，用于通过对股骨和胫骨掩模的开运算得到包含半月板周边组织的掩模；
[0021]
截取单元，用于通过半月板周边组织掩模截取对应的局部膝关节体数据；
[0022]
第二运算单元，将局部膝关节体数据减去股骨和胫骨掩模就得到只包含半月板及其周边组织的图像。
[0023]
其中，所述获取单元用于：
[0024]
将非线性扩散滤波与基于种子点的区域生长算法相结合就是扩散种子区域增长分割算法，其分割区域的扩散取决于体数据的本身分布和种子点的流向方位，通过选择体数据中的一个种子点，然后启动迭代扩散，其种子点迭代扩散采用如下方程：
[0025][0026][0027]
kl＝1-exp((g s0-sgray)2， kgray)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0028]
其中，和表示每次迭代扩散前后的体素响应系数，并将其对应于0-255的亮度值，h是种子区域扩散的总体扩散系数，方程(2)的gp用以导数形式控制边界的权重，考虑当前种子点与周边8个邻居点亮度差，方程(3)中kl用以亮度差方式控制扩散进程，它在迭代过程中以选择的原始种子点亮度gs0与当前将进行扩散的种子点sgray进行比较，kgray为种子亮度扩展控制系数，k为扩散常量，l为亮度差值，gp为种子点生长点信号值，g为权重值，x为x轴体素亮度，y为y轴体素亮度，z为z轴体素亮度，s为扩散体素响应值。
[0029]
其中，所述获取单元还用于：
[0030]
和用2个体数据gpu纹理存储，在glsl程序中通过乒乓技术而进行交换，使迭代前后得到快速更新，而使区域扩散增长的过程能被实时呈现。
[0031]
本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。
[0032]
本技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述方法的步骤。
[0033]
本技术实施例基于gpu的膝关节零回波磁共振成像的分割方法及装置具有如下有益效果：
[0034]
本技术着重研究了基于扩散区域增长算法和形态学运算相结合的多模态复杂膝关节图像的分割方法，依靠gpu的数据和图像处理能力的快捷性呈现医生和病人更易理解和接受的器官功能评估方式。实验证明，器官数据分割的快速处理和渲染方式使算法中的多参数调整得到实时的三维显示效果并被一般用户所能接受。
附图说明
[0035]
图1为本技术实施例基于gpu的膝关节零回波磁共振成像的分割方法流程示意图；
[0036]
图2(a)为膝关节肌群分割和应用中，种子点的选择；图2(b)为膝关节肌群；图2(c)为膝关节中的掩模显示；图2(d)为消除膝关节肌群掩模后的膝关节；
[0037]
图3(a)为半月板周边的分割中，原始膝关节；图3(b)为股骨和胫骨掩模；图3(c)为组合掩模；图3(d)为分割后的半月板周边组织；
[0038]
图4(a)为膝关节的分割中，按组合掩模得到的膝关节；图4(b)为强调软骨和炎症组织；图4(c)为强调半月板；图4(d)为分割的半月板；
[0039]
图5(a)为囊肿分割实验中，含囊肿的膝关节；图5(b)为囊肿掩模；图5(c)为囊肿实体；图5(d)为在腓肠肌里的囊肿；
[0040]
图6(a)为膝关节的解剖评估中，原始膝关节；图6(b)为股骨掩模；图6(c)为半月板；图6(d)为皮肤外膜；图6(e)为无遮挡的半月板；图6(f)为无遮挡的肌肉和骨骼；图6(g)为亮度交错分布；图6(h)为无遮挡的炎症病灶；
[0041]
图7为本技术实施例基于gpu的膝关节零回波磁共振成像的分割装置的结构示意图。
具体实施方式
[0042]
下面结合附图和实施例对本技术进行进一步的介绍。
[0043]
在下述介绍中，术语“第一”、“第二”仅为用于描述的目的，而不能理解为指示或暗示相对重要性。下述介绍提供了本发明的多个实施例，不同实施例之间可以替换或者合并组合，因此本技术也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征a、b、c，另一个实施例包含特征b、d，那么本技术也应视为包括含有特征a、b、c、d的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
[0044]
实施例一
[0045]
如图1所示，本技术基于gpu的膝关节零回波磁共振成像的分割方法包括：s101，使用扩散区域增长方法分别获取股骨和胫骨掩模；s103，通过对股骨和胫骨掩模的开运算得到包含半月板周边组织的掩模；s105，通过半月板周边组织掩模截取对应的局部膝关节体数据；s107，将局部膝关节体数据减去股骨和胫骨掩模就得到只包含半月板及其周边组织的图像。
[0046]
本技术对于膝关节组织和相关病灶的分割提供可视的实时显示，对膝关节组织相关疾病的微创手术和介入治疗提供导视。
[0047]
实施例二
[0048]
零回波磁共振技术采用连续式微动梯度结合快速连续小幅度微动切换，实现了零
回波间隔信号采集，从而实现了零噪声与零盲区成像。骨膜、骨皮质、半月板、关节软骨等结构由于其中氢质子分布少，且结构致密，使用零回波成像可以在极短时间内获得信号且有效避免常规磁共振在关节腔成像的盲区。本技术着重研究基于gpu的零回波磁共振成像膝关节及周边组织的分割和渲染技术,主要采用glsl(gl shader language，着色器语言)技术实现扩散种子区域增长快速算法而分割膝关节各器官组织，还研究了各种形态学运算在器官掩模构成中的方法和技术，使膝关节相关病例的判断和分析在虚拟现实的环境下完成。
[0049]
1膝关节组织分割和显示方法
[0050]
1.1膝关节组织分割的基本方法
[0051]
考虑到对患有膝关节疾病的采集图像的媒介主要为零回波磁共振图像，由于它对骨皮质、半月板内信号变化比较敏感，对骨质材料呈现较低亮度的反映，且获取的图像对于同质纹理的组织在空间分布的不同位置呈现着不同的亮度表现，故基于形状的分割方法和人工智能方法不易获得精确的分割结果。在强调以半月板为中心的区域分析为主的医学需求的前提下，应采用以体素分割为主的分割方法。
[0052]
本研究主要采用扩散区域增长方法获取半月板附近区域，然后对该区域采用进一步的分割和渲染以表达其内部结构。首先用区域增长方法分别获取股骨和胫骨掩模，通过对股骨和胫骨掩模的开运算得到包含半月板附近组织的掩模，局部膝关节体数据减去股骨和胫骨掩模就得到只包含半月板及其附近的组织，这时由于外部股骨、胫骨和外部肌肉对半月板等已无遮挡，可清晰看到局部透明效果的半月板附近组织的形态。
[0053]
1.2扩散种子区域生长方法
[0054]
区域生长算法首先选取区域生长的种子点，然后确定区域生长的规则、条件和结束区域生长的条件，逐步寻找符合生长条件的点并归入到生长区域，以纳入的点作为种子点继续寻找符合条件的邻居点，直到满足结束区域生长的条件，但区域生长算法的边界控制和gpu实现起来比较困难。
[0055]
将非线性扩散滤波与基于种子点的区域生长算法相结合就是扩散种子区域增长分割算法，其分割区域的扩散取决于体数据的本身分布和种子点的流向方位，通过选择体数据中的一个种子点，然后启动迭代扩散，其种子点迭代扩散采用如下方程：
[0056][0057][0058]
kl＝1-exp((gs0-sgray)2，kgray)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0059]
其中，和表示每次迭代扩散前后的体素响应系数，并将其对应于0-255的亮度值，h是种子区域扩散的总体扩散系数，方程(2)的gp用以导数形式控制边界的权重，考虑当前种子点与周边8个邻居点亮度差，方程(3)中kl用以亮度差方式控制扩散进程，它在迭代过程中以选择的原始种子点亮度gs0与当前将进行扩散的种子点sgray进行比较，kgray为种子亮度扩展控制系数，方程(3)的引入使区域扩散方法在边界和亮度双重控制下，更加具备鲁棒性。其中，k为扩散常量，l为亮度差值，gp为种子点生长点信号值，g为权重值，x为x轴体素亮度，y为y轴体素亮度，z为z轴体素亮度，s为扩散体素响应值。
[0060]
和用2个体数据gpu纹理存储，在glsl程序中通过乒乓技术而进行交换，使迭代前后得到快速更新，而使区域扩散增长的过程能被实时呈现。
[0061]
图2显示用扩散区域增长方法对膝关节周边的膝关节肌群进行的分割过程。图2(a)显示在立体或三个切片图像上的任意视图上用黄色十字线选择一个初始种子点，通过这个种子点的扩散而分割器官组织，图2(b)是分割的膝关节肌群的掩模对应的实际体数据的渲染图，图2(c)是在渲染图中用大红显示膝关节肌群的掩模，图2(d)是用膝关节肌群的掩模消除掉相应的体数据或者将其不透明度置为0后，膝关节部分的渲染图，从这个角度往膝关节软骨方向看，在不进行其他邻近组织分割的条件下，其内部组织和相关联的膝关节软骨和炎症病变细节基本上可一览无遗。
[0062]
1.3三维体数据开运算
[0063]
三维体数据的膨胀会使目标区域范围扩张，将目标区域邻居的点合并到该目标中，而腐蚀过程将目标区域范围缩小，将造成体素边界的收缩，膨胀和腐蚀的组合就是开运算。
[0064][0065][0066]
针对如在零回波磁共振图像的股骨和胫骨，基本呈现为黑色区域，而其中包含一些浅灰色的体素，如选择黑色为种子点扩散，就会出现许多空洞和不完整，采用形态学开运算就可避免空洞和缺陷的出现，其膨胀和腐蚀的次数差需合理的把握，这样就能使缠绕的各组织的非连续性和多模态图像获取方式带来的额外噪声得到抑制。
[0067]
图3是表示用扩散区域增长算法构造股骨和胫骨掩模而切割出包含半月板左右组织的过程。图3(a)显示原始的膝关节矩形范围的体数据，通过选定合适的窗口窗位和传递函数还不足以清晰地显示半月板周边组织分布。图3(b)通过两次区域增长方法得到各自独立的股骨和胫骨的掩模。图3(c)是对股骨和胫骨的掩模进行开运算而使它们结合起来，这时的融合掩模包括半月板、软骨和胫骨平台等组织而将这些器官以外的组织排除在外，3(d)是以图3(c)掩模范围保留对应的膝关节体数据，通过调节合适的传递函数就基本上能清晰地表达胫骨平台、半月板和十字韧带等的分布细节。
[0068]
1.4膝关节的分割步骤
[0069]
图4(a)为按矩形切割得到的零回波磁共振膝关节图像，股骨和胫骨的亮度值比较低，而炎症组织和软骨等呈现高信号亮度。图4(b)是对图4(a)在经股骨和胫骨分割的掩模切割后，着重强调显示半月板附近的白色的软骨和炎症组织的图像，其内侧软骨前部附近包含更多的炎症组织而有更多的白色区域分布，而外侧软骨包含较少的炎症组织而呈现软骨下的半月板等其他组织。用浅蓝色强调半月板组织的图像如图4(c)所示，其内侧对应的半月板部分基本上消失或者被融合掉，其外侧对应的半月板虽然存在径向和水平撕裂，但还存在大部分半月板组织，这与图4(b)的包括软骨和炎症组织分布图相对应，即图像中高亮度的部位表示其炎症越多，其相关联组织的磨损越大，图4(d)为同样采用增长方法得到的分割后的半月板图像，将为半月板的评分、应力分析和病症判断提供详细分析。
[0070]
2膝关节组织分割实验和生理状态评估
[0071]
本膝关节组织分割和分析判断的虚拟系统采用开源编程环境lazarus2.0.8开发,
数据选自于osteoarthritis initiative，kaggle相关网站和合作医院提供的数据，膝关节外表皮的剥离和基于扩散区域增长方法的组织分割和显示等在1-5秒内交互完成。
[0072]
三维渲染采用射线投射法，通过不同的分布传递函数的选择，使血管、骨骼、半月板和肌肉组织形态得到加强。由于图像滤波、分割和渲染方法都采用在gpu中运行的glsl着色程序，使系统的运行速度比cpu主导的处理速度提高5-30倍。
[0073]
2.1膝关节组织和病灶分割实验
[0074]
图5采用零回波磁共振膝关节mri，体数据大小为160
×
384
×
384，图5(a)显示在腓肠肌中包含一个白色肿块，而图5(b)是提取的囊肿掩模，图5(c)是按囊肿掩模提取对应的囊肿实体的渲染，切割后判断为膝关节积液囊肿，图5(d)是将囊肿掩模重新放到原膝关节体数据中的图像，图像中下部的连接囊肿和体外定位点的蓝色直线是用于分析囊肿病体是否癌变而提取检体的探针位置标志。
[0075]
2.2膝关节组织的生理状态评估
[0076]
图6(a)-6(f)是对一健康膝关节数据的虚拟解剖分析过程，截取的体数据大小为150
×
190
×
158，属于普通的mri切片图像，图6(a)包含膝关节和小腿部分的体数据渲染，其外形和半月板邻近结构不能全都兼顾地显示出来。图6(b)是将体数据进行高斯平滑滤波后采用扩散区域增长方法获得的股骨掩模的蓝色图像，图6(c)是将对应股骨掩模体数据移除后的图像，用浆红色表示半月板，而用基本透明的白色表示软骨，这样半透明的半月板在基本不透明的胫骨基台上得到呈现。
[0077]
由于膝关节和小腿的外皮的亮度分布与半月板、肌肉、胫骨平台、软骨等组织存在重合，故采用高斯差分的方法提取表皮掩模，用表皮掩模将对应的体数据剔除掉而达到去皮肤的目的。高斯差分dog就是对图像进行两次选择不同参数的高斯变换，然后对变换后的像素进行差运算而得到，公式如(6),(7)所示。
[0078]
dog(x,y,z)＝g(x,y,z,σ1)-g(x,y,z,σ2)
ꢀꢀꢀꢀꢀ
(6)
[0079][0080]
高斯差分的响应值将用于构建皮表掩模数据，由于高斯差分和掩模构造都在gpu中运行，这样调节体内体素值与体表外的空气等物体的值具备较大区别时，就在可视环境下获得平滑和闭合的表皮掩模。
[0081]
采用高斯差分的响应值构建的膝关节外皮掩模如6(d)所示的大红区域,图6(e)为消除外皮和股骨掩模对应的膝关节数据后，选择强调半月板的传递函数后产生的图像，在没有单独分割出半月板的情况下就能多方位清晰地观察浆红色的半圆形的半月板形态。
[0082]
图6(f)是剥离腿部外皮后，用强调骨质和肌肉的传递函数得到的膝关节图像，可见其膝关节附近的腓肠肌等肌肉组织完整且肌肉内部无囊肿占位等情况，该方法也可用于肌肉和肌腱拉伤的微创手术仿真。
[0083]
图6(g)是一膝关节零回波磁共振图像，外表皮和其他组织的亮度分布存在重合，且同质组织在不同方位的亮度也差异极大，图6(h)是消除膝关节外皮后的图像，清晰可见粉红色表达的膝关节外侧胫骨平台、前部和腘窝外侧存在严重的炎症病灶形态。
[0084]
本技术着重研究了基于扩散区域增长算法和形态学运算相结合的多模态复杂膝关节图像的分割方法，依靠gpu的数据和图像处理能力的快捷性呈现医生和病人更易理解
和接受的器官功能评估方式。实验证明，器官数据分割的快速处理和渲染方式使算法中的多参数调整得到实时的三维显示效果并被一般用户所能接受。
[0085]
针对膝关节器官组织在多模态图像中存在复杂的粘连和交错叠加，本技术提出利用在扩散区域增长算法中增加种子亮度限制参数并与边缘限制参数一起共同控制区域增长的迭代过程，该算法和相关的滤波算法通过采用gpu(graphic processing unit，图形处理器)编程方式实现，将磁共振零回波成像数据中半月板临近组织的分割从股骨和胫骨的最近连接处展开。本方法对于膝关节组织和相关病灶的分割提供可视的实时显示，对膝关节组织相关疾病的微创手术和介入治疗提供导视。
[0086]
如图7所示，本技术提供了一种基于gpu的膝关节零回波磁共振成像的分割装置，包括：获取单元201，用于使用扩散区域增长方法分别获取股骨和胫骨掩模；第一运算单元202，用于通过对股骨和胫骨掩模的开运算得到包含半月板周边组织的掩模；截取单元203，用于通过半月板周边组织掩模截取对应的局部膝关节体数据；第二运算单元204，将局部膝关节体数据减去股骨和胫骨掩模就得到只包含半月板及其周边组织的图像。
[0087]
其中，获取单元用于：将非线性扩散滤波与基于种子点的区域生长算法相结合就是扩散种子区域增长分割算法，其分割区域的扩散取决于体数据的本身分布和种子点的流向方位，通过选择体数据中的一个种子点，然后启动迭代扩散，其种子点迭代扩散采用如下方程：
[0088][0089][0090]
kl＝1-exp((g s0-sgray)2， kgray)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0091]
其中，和表示每次迭代扩散前后的体素响应系数，并将其对应于0-255的亮度值，h是种子区域扩散的总体扩散系数，方程(2)的gp用以导数形式控制边界的权重，考虑当前种子点与周边8个邻居点亮度差，方程(3)中kl用以亮度差方式控制扩散进程，它在迭代过程中以选择的原始种子点亮度gs0与当前将进行扩散的种子点sgray进行比较，kgray为种子亮度扩展控制系数，k为扩散常量，l为亮度差值，gp为种子点生长点信号值，g为权重值，x为x轴体素亮度，y为y轴体素亮度，z为z轴体素亮度，s为扩散体素响应值。
[0092]
其中，获取单元还用于：和用2个体数据gpu纹理存储，在glsl程序中通过乒乓技术而进行交换，使迭代前后得到快速更新，而使区域扩散增长的过程能被实时呈现。
[0093]
本技术中，基于gpu的膝关节零回波磁共振成像的分割装置实施例与基于gpu的膝关节零回波磁共振成像的分割方法实施例基本相似，相关之处请参考基于gpu的膝关节零回波磁共振成像的分割方法实施例的介绍。
[0094]
本技术还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一项方法的步骤。
[0095]
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述基于gpu的膝关节零回波磁共振成像的分割方法。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、dvd、cd-rom、微型驱动器
以及磁光盘、rom、ram、eprom、eeprom、dram、vram、闪速存储器设备、磁卡或光卡、纳米系统(包括分子存储器ic)，或适合于存储指令和/或数据的任何类型的媒介或设备。
[0096]
以上介绍仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于gpu的膝关节零回波磁共振成像的分割方法，其特征在于，包括：s101，使用扩散区域增长方法分别获取股骨和胫骨掩模；s103，通过对股骨和胫骨掩模的开运算得到包含半月板周边组织的掩模；s105，通过半月板周边组织掩模截取对应的局部膝关节体数据；s107，将局部膝关节体数据减去股骨和胫骨掩模就得到只包含半月板及其周边组织的图像。2.根据权利要求1所述基于gpu的膝关节零回波磁共振成像的分割方法，其特征在于，s101，使用扩散区域增长方法分别获取股骨和胫骨掩模，包括：将非线性扩散滤波与基于种子点的区域生长算法相结合就是扩散种子区域增长分割算法，其分割区域的扩散取决于体数据的本身分布和种子点的流向方位，通过选择体数据中的一个种子点，然后启动迭代扩散，其种子点迭代扩散采用如下方程：中的一个种子点，然后启动迭代扩散，其种子点迭代扩散采用如下方程：其中，和表示每次迭代扩散前后的体素响应系数，并将其对应于0-255的亮度值，h是种子区域扩散的总体扩散系数，方程(2)的gp用以导数形式控制边界的权重，考虑当前种子点与周边8个邻居点亮度差，方程(3)中kl用以亮度差方式控制扩散进程，它在迭代过程中以选择的原始种子点亮度gs0与当前将进行扩散的种子点sgray进行比较，kgray为种子亮度扩展控制系数，k为扩散常量，l为亮度差值，gp为种子点生长点信号值，g为权重值，x为x轴体素亮度，y为y轴体素亮度，z为z轴体素亮度，s为扩散体素响应值。3.根据权利要求2所述基于gpu的膝关节零回波磁共振成像的分割方法，其特征在于，步骤s101还包括：和用2个体数据gpu纹理存储，在glsl程序中通过乒乓技术而进行交换，使迭代前后得到快速更新，而使区域扩散增长的过程能被实时呈现。4.根据权利要求1-3任一项所述基于gpu的膝关节零回波磁共振成像的分割方法，其特征在于，步骤s103中开运算包括腐蚀和膨胀。5.根据权利要求1-3任一项所述基于gpu的膝关节零回波磁共振成像的分割方法，其特征在于，还包括：采用高斯差分的方法提取表皮掩模，用表皮掩模将对应的体数据剔除掉而达到去皮肤的目的。6.一种基于gpu的膝关节零回波磁共振成像的分割装置，其特征在于，包括：获取单元，用于使用扩散区域增长方法分别获取股骨和胫骨掩模；第一运算单元，用于通过对股骨和胫骨掩模的开运算得到包含半月板周边组织的掩模；截取单元，用于通过半月板周边组织掩模截取对应的局部膝关节体数据；第二运算单元，将局部膝关节体数据减去股骨和胫骨掩模就得到只包含半月板及其周边组织的图像。
7.根据权利要求6所述基于gpu的膝关节零回波磁共振成像的分割装置，其特征在于，所述获取单元用于：将非线性扩散滤波与基于种子点的区域生长算法相结合就是扩散种子区域增长分割算法，其分割区域的扩散取决于体数据的本身分布和种子点的流向方位，通过选择体数据中的一个种子点，然后启动迭代扩散，其种子点迭代扩散采用如下方程：中的一个种子点，然后启动迭代扩散，其种子点迭代扩散采用如下方程：kl＝1-exp((gs0-sgray)2，kgray)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，和表示每次迭代扩散前后的体素响应系数，并将其对应于0-255的亮度值，h是种子区域扩散的总体扩散系数，方程(2)的gp用以导数形式控制边界的权重，考虑当前种子点与周边8个邻居点亮度差，方程(3)中kl用以亮度差方式控制扩散进程，它在迭代过程中以选择的原始种子点亮度gs0与当前将进行扩散的种子点sgray进行比较，kgray为种子亮度扩展控制系数，k为扩散常量，l为亮度差值，gp为种子点生长点信号值，g为权重值，x为x轴体素亮度，y为y轴体素亮度，z为z轴体素亮度，s为扩散体素响应值。8.根据权利要求7所述基于gpu的膝关节零回波磁共振成像的分割装置，其特征在于，所述获取单元还用于：和用2个体数据gpu纹理存储，在glsl程序中通过乒乓技术而进行交换，使迭代前后得到快速更新，而使区域扩散增长的过程能被实时呈现。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现所述权利要求1-5中任一项所述方法的步骤。10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现所述权利要求1-5中任一项所述方法的步骤。

技术总结
本发明提供了一种基于GPU的膝关节零回波磁共振成像的分割方法及装置，该方法包括：使用扩散区域增长方法分别获取股骨和胫骨掩模；通过对股骨和胫骨掩模的开运算得到包含半月板周边组织的掩模；通过半月板周边组织掩模截取对应的局部膝关节体数据；将局部膝关节体数据减去股骨和胫骨掩模就得到只包含半月板及其周边组织的图像。本申请着重研究了基于扩散区域增长算法和形态学运算相结合的多模态复杂膝关节图像的分割方法，依靠GPU的数据和图像处理能力的快捷性呈现医生和病人更易理解和接受的器官功能评估方式。实验证明，器官数据分割的快速处理和渲染方式使算法中的多参数调整得到实时的三维显示效果并被一般用户所能接受。所能接受。所能接受。


技术研发人员：朱熹 黄文诺 鲍竹青 吕燕 叶靖 夏巍 李远哲 卢佳慧
受保护的技术使用者：江苏省苏北人民医院
技术研发日：2023.07.17
技术公布日：2023/10/11