本發明專利技術提供了一種自動初始化的局域活動輪廓模型心腦血管分割方法，包括下列步驟：根據醫學影像數據中血管的管狀特征對三維血管進行各向異性濾波得到初始輪廓線；構造局域能量函數；通過梯度下降法最小化局域能量函數，獲得對應的梯度下降流；然后，依據醫學影像數據中的血管形狀度量構造血管矢量場；最后聯合梯度下降流和血管矢量場，得到血管演化方程。本發明專利技術根據血管形狀自動設置初始輪廓線；分割精確，效率高，魯棒性強。
【技術實現步驟摘要】
本專利技術涉及計算機應用
，特別涉及一種利用局域活動輪廓模型和血管矢量場進行血管分割的方法，主要用于醫學教學和計算法輔助診療等領域。
技術介紹
當前，心腦血管疾病已成為人類健康的“第一殺手”。全世界每年死于心腦血管疾病的人數高達1500萬人，中國心腦血管疾病患者已超過2. 7億，每年死于心腦血管疾病近300萬人，占總死亡數量的51%。而幸存下來的患者75%不同程度喪失勞動能力，40%重殘。心腦血管疾病主要是由血管狹窄、動脈瘤和動靜脈畸形引起。獲取血管的三維形態信息對于該類疾病的輔助診療具有重要作用，如組織的定量分析、計算機輔助診斷、病灶定位、解剖結構研究及計算機引導手術等。為此，通常需要對醫學影像數據集進行分割，以獲得精確的血管組織信息。心腦血管相比其它血管，有其自身特點，如拓撲結構的復雜性，灰度的動態變化性及部分血管結構的細小微弱性等，這些都增加了心腦血管分割的難度。基于血管造影圖像的心腦血管分割已成為國際上計算機科學、信息學、生物醫學工程等相關領域的研究熱點。近年來，基于幾何活動輪廓模型在圖像分析中獲得了廣泛的應用，由于同一類的目標形狀上具有一定的相似性，通過在一定條件下控制變形得到另一個目標形狀，從而進行分類、形似度比較等分析。如果把形變面放入圖像中，由圖像的各種特征，如灰度、形狀、梯度等，控制目標的形變，使之形狀向圖像中的目標變化，從而提取出圖像的特定目標。Farag等人提出了基于水平集方法的血管樹三維分割方法，實現了從MRA數據集中抽取3D腦血管，該方法屬于有監督的分類方法，需要事先知道分類的類數及每類的概率分布。通常，不同器官、不同數據的概率分布模型建立比較困難。Gao等人提出一種全自動的TOF-MRA圖像腦血管分割方法。首先構造有限混合模型，估計多個分量的分布參數，然后在原始數據空間中對腦血管進行粗分割；接下來，借助統計信息通過對能量函數中的速度項和區域項進行修改，從而實現腦血管的精細分割。但上述算法都沒有結合血管自身的幾何特征。Hernandez和Frangi提出了非參數測地線活動區域模型的腦動脈分割方法。在圖像的高階特征空間中，應用K-N近鄰非參數估計方法對血管幾何特征的聯合分布進行估計，然后將分布信息嵌入能量函數中，為了對參數進行估計，K-N近鄰法需要一定數量的樣本進行學習。針對血管組織灰度分布不均的問題，尤其是細小血管，難以準確分割。當前方法在輪廓線演化過程中，通常圖像域中所有像素參與運算，運算量大。此外，傳統的基于幾何活動輪廓模型的血管分割方法容易陷入局部極小值，對初始輪廓線的設置要求較為嚴格。我們首先將幾何活動輪廓模型局域化，然后借助構造的血管矢量場對血管進行精確分割。該方法的特點在于對血管造影體數集進行血管濾波增強，獲得血管的大致輪廓，以此作為初始輪廓線，在血管矢量場的輔助下，通過局域能量的最小化實現血管的精確分割；無需手工設置輪廓線，自動化程度高；分割精確，效率高，魯棒性強。
技術實現思路
本專利技術的目的就是克服現有技術中的不足，提供一種自動設置初始輪廓線的，高效、精確、魯棒性強的局域活動輪廓模型心腦血管分割方法。為實現上述目的，本專利技術的技術方案是利用血管的形狀特征設置初始輪廓線，局域化幾何活動輪廓模型，借助血管矢量場實現血管組織的精確分割。一種，包括下列步驟(I)血管形狀濾波及初始輪廓線設置根據醫學影像數據中血管的管狀特征，借助Hessian矩陣，獲取血管中心線方向和橫切面方向，對三維血管進行各向異性濾波；通過閾值法和邊緣檢測算子提取血管輪廓作為初始輪廓線；(2)構造局域能量函數定義活動輪廓線r : {x| 4) (X) =0}上各點的小鄰域Ok ;通過局域加權函數對活動輪廓線的點進行加權擬合，同時結合加權因子構造局域能量函數權利要求1.一種，其特征在于，包括下列步驟 (1)血管形狀濾波及初始輪廓線設置根據醫學影像數據中血管的管狀特征，借助Hessian矩陣，獲取血管中心線方向和橫切面方向，對三維血管進行各向異性濾波；通過閾值法和邊緣檢測算子提取血管輪廓作為初始輪廓線； (2)構造局域能量函數定義活動輪廓線r: {x I 4) (x) =O}上各點的小鄰域Ok ;通過局域加權函數對活動輪廓線的點進行加權擬合，同時結合加權因子構造局域能量函數2.根據權利要求I所述的心腦血管分割方法，其特征在于，步驟(I)中所述的各向異性濾波是基于血管形狀特征的。3.根據權利要求I所述的心腦血管分割方法，其特征在于，所述步驟(2)的具體步驟為 ①設OC= R3表示圖像域，I: Q — R表示給定的圖像，X為活動輪廓線上一點，以點X為中心定義一小鄰域Ok,活動輪廓線r與小鄰域Ok相交的內部區域均值iiin(x)由內部區域點的灰度I (y)及與X距離的加權獲得，該加權值由引入的高斯核函數K。(x，y)得到；外部區域均值Urat(X)也通過高斯核函數K。(x, y)的方法得到4.根據權利要求I所述的心腦血管分割方法，其特征在于，所述步驟(4)的具體步驟為 a.通過對醫學影像獲得的3D灰度圖像的Hessian矩陣H1的特征分析得到局部血管的方向爐和管狀結構度量R =Hessian矩陣H1為全文摘要本專利技術提供了一種，包括下列步驟根據醫學影像數據中血管的管狀特征對三維血管進行各向異性濾波得到初始輪廓線；構造局域能量函數；通過梯度下降法最小化局域能量函數，獲得對應的梯度下降流；然后，依據醫學影像數據中的血管形狀度量構造血管矢量場；最后聯合梯度下降流和血管矢量場，得到血管演化方程。本專利技術根據血管形狀自動設置初始輪廓線；分割精確，效率高，魯棒性強。文檔編號G06T7/00GK102982547SQ20121050036公開日2013年3月20日 申請日期2012年11月29日 優先權日2012年11月29日專利技術者田沄, 周明全, 武仲科, 趙世鳳, 王醒策, 解立志 申請人:北京師范大學本文檔來自技高網...
【技術保護點】
一種自動初始化的局域活動輪廓模型心腦血管分割方法，其特征在于，包括下列步驟：（1）血管形狀濾波及初始輪廓線設置：根據醫學影像數據中血管的管狀特征，借助Hessian矩陣，獲取血管中心線方向和橫切面方向，對三維血管進行各向異性濾波；通過閾值法和邊緣檢測算子提取血管輪廓作為初始輪廓線；（2）構造局域能量函數：定義活動輪廓線Γ:{x?|φ(x)=0}上各點的小鄰域Ok；通過局域加權函數對活動輪廓線的點進行加權擬合，同時結合加權因子構造局域能量函數：E=∫Ωxδ(φ(x))∫ΩyKσ(x,y)·(H(φ(y))I(y)-fin(x))2(4)+(1-H(φ(y)))(I(y)-fout(x))2)dydx其中，x為活動輪廓線Γ:{x?|φ(x)=0}上一點，以點x為中心定義一小鄰域Ok，δ(φ(x))為函數H(x)的一階導數，H(x)用于指定小鄰域Ok與活動輪廓線Γ相交的內部區域；（3）獲得梯度下降流：通過梯度下降法最小化局域能量函數，獲得對應的梯度下降流（4）構造血管矢量場：依據醫學影像數據中的血管形狀度量構造血管矢量場：V→(x)={V→σ(x)|ασRσ(x)=R(x)},其中：R(x)=maxσmin≤σ≤σmax{ασRσ(x)},ασ為尺度權重，所述矢量場的方向平行于血管方向，大小是和血管相關的函數；（5）得到血管演化方程：聯合步驟（3）的梯度下降流和步驟（4）構造的血管矢量場，得到血管演化方程：∂φ∂t(x)=fgLRF+f(R(x))|V→(x)·▿φ(x)|,其中表示梯度下降流，f(R(x))是一表示血管矢量場大小的、關于R(x)的函數。FDA00002491765500014.jpg,FDA00002491765500018.jpg...
【技術特征摘要】
【專利技術屬性】
技術研發人員：田沄，周明全，武仲科，趙世鳳，王醒策，解立志，
申請(專利權)人：北京師范大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。