一种肝脏CTA序列图像的血管分割方法技术

本发明专利技术公开一种肝脏CTA序列图像的血管分割方法，首先对输入三维肝脏序列图像进行对比度增强和平滑噪声预处理，然后，采用OOF和OFA算法增强肝脏血管及其边界，细化血管中心；根据血管的几何结构，自动搜索血管中心线的种子点，并提取肝脏血管的中心线、构建肝脏血管树；最后，结合快速行进法初步分割肝脏血管并计算相应的血管和背景灰度直方图，采用图割算法实现肝脏血管的精确分割。本发明专利技术针对低对比度、强噪声和模糊边界的CTA序列图像，充分利用血管的几何形状和灰度信息，能有效地准确分割肝脏血管。本发明专利技术的肝脏CTA序列图像的血管分割方法能够推广到其他的三维血管分割中。

【技术实现步骤摘要】

本专利技术属于医学图像处理领域，涉及CTA序列图像中的肝脏血管增强、中心线提取和肝脏血管分割。
技术介绍
肝脏血管分割和三维重建有助于准确获取腹部肝脏血管组织的整体信息，是计算机辅助肝脏疾病诊断和肝脏手术规划的前提。CTA(计算机断层扫描血管造影)是一种无创伤的成像技术，具有密度分辨率高、对人体损伤小等优点，广泛应用于肝脏疾病的评估和诊断。由于肝脏血管结构复杂、血管之间相互缠绕、不同个体差异较大，肝脏血管分割面临巨大挑战。在临床应用中，为构建肝脏血管模型，放射科专家需根据血管的先验知识，对每一张CTA切片进行手动分割。由于肝脏CTA序列图像的切片数量很大(通常每位病人的CTA数据包含200～500张切片)，手动分割肝脏血管劳动强度大、耗时长、易产生错误分割结果，而且，分割的精度高度依赖于放射科专家的经验，具有很大的主观性。现有的三维肝脏血管分割方法一般可以分为基于灰度和梯度两大类。受血流速度、数据采样时间和血管狭窄处的影响，造影剂在血液中分布不均匀，导致在CTA图像中血管区域的灰度不一致。譬如，血管中心的灰度高于血管边界的灰度，主血管的灰度高于小血管的灰度。单一的基于灰度或梯度的分割方法，如三维区域生长、模糊聚类等，都无法有效地提取低对比度的肝脏血管。近年来，主动轮廓模型及其混合模型被广泛应用到三维血管分割中，但是这类模型的演化曲面容易越过血管的弱边界而导致严重的过分割，且需交互提供血管的初始区域。此外，以上方法对小血管的分割难以奏效。
技术实现思路
针对现有方法的不足，本专利技术提出了一种肝脏CTA序列图像的血管分割方法，并且能够推广到其他三维血管的分割中。本专利技术的肝脏CTA序列图像的血管分割方法，包括以下步骤：步骤1：对原始三维肝脏图像进行预处理，提高血管的对比度，平滑CTA图像噪声。所述步骤1包括：首先，分别调节3D肝脏图像的窗宽/窗位到[400～800]/[200～500]范围，并将灰度值归一化到[0,255]，得到图像I0(x)，其中x为三维空间位置坐标。然后采用各向异性滤波算法去除噪声：∂I(x,t)∂t=div(c(x,t)·▿I)I(x,0)=I0(x)]]>其中，t为扩散时间，I(x,t)为t时刻的图像，div(·)为散度操作，为图像梯度，c(x,t)为非负的单调递减传导系数：c(x,t)=e-(|▿I|/k)2]]>其中，k为扩散门限，k为[50～80]之间的自然数。步骤2：采用多尺度OOF(OptimalOrientFlux)和OFA(OrientedFluxAnti-symmetry)算法增强血管及其相应的边界，细化血管中心。所述多尺度算法指针对肝脏主血管和小血管的半径(尺度)差异，选择不同半径的血管滤波器，提取滤波器的最大响应值得到最终结果。所述OOF滤波器指通过最小化球面通量f(x,r,ρ^)=14πr2∫∂Br((▿(Gσ0*I(x+h))·ρ^)ρ^)·n^dA=ρ^TQr,xρ^]]>寻找最佳的投影方向，构建血管增强滤波器，其中，*为卷积运算，Br表示以x为球心，r为半径的球表面，为球表面的外向单位法向量，为球表面上的位置坐标，dA为球表面无穷小的面积分量，是方差为σ0的高斯函数，I(x)为经各向异性滤波后得到的图像，为方向向量，Qr,x为3×3通量矩阵，其第i行、第j列元素为qr,xi,j=14πr2∂i,j(Gσ0(x)*br(x)*I(x))]]>其中，i,j∈{1,2,3本文档来自技高网...

【技术保护点】
一种肝脏CTA序列图像的血管分割方法，其特征在于包括以下步骤：步骤1：对原始三维肝脏图像进行预处理，提高血管的对比度，平滑CTA图像噪声首先，分别调节3D肝脏图像的窗宽/窗位到[400～800]/[200～500]范围，并将灰度值归一化到[0,255]，得到图像I0(x)，其中x为三维空间位置坐标，然后采用各向异性滤波算法去除噪声：∂I(x,t)∂t=div(c(x,t)·▿I)I(x,0)=I0(x)]]>其中，t为扩散时间，I(x,t)为t时刻的图像，div(·)为散度操作，为图像梯度，c(x,t)为非负的单调递减传导系数：c(x,t)=e-(|▿I|/k)2]]>其中，k为扩散门限，k为[50～80]的自然数；步骤2：采用多尺度OOF和OFA算法增强血管及其相应的边界，细化血管中心OOF滤波器通过最小化球面通量f(x,r,ρ^)=14πr2∫∂Br((▿(Gσ0*I(x+h))·ρ^)ρ^)·n^dA=ρ^TQr,xρ^]]>寻找最佳的投影方向，构建血管增强滤波器，其中，*为卷积运算，Br表示以x球心，r为半径的球表面，为球表面的外向单位法向量，为球表面上的位置坐标，dA为球表面无穷小的面积分量，是方差为σ0的高斯函数，I(x)为经各向异性滤波后得到的图像，为方向向量，Qr,x为3×3通量矩阵，其第i行、第j列元素为qr,xi,j=14πr2∂i,j(Gσ0(x)*br(x)*I(x))]]>其中，i,j∈{1,2,3}，br(x)为以x为球心、r为半径的球体阶跃函数，即在该球体内，br(x)取1，否则，br(x)取0；通过对通量矩阵Qr,x的特征值λ1(x,r)、λ2(x,r)、λ3(x,r)和特征向量e1(x,r)、e2(x,r)、e3(x,r)分析，令|λ1(x,r)|≥|λ2(x,r)|≥|λ3(x,r)|，设计OOF血管增强算法fOOF(x,r)＝‑(λ1(x,r)+λ2(x,r))结合OFA算法s(x,r,ρ^)=14πr2∫∂Br(▿(Gσ0*I(x+h))·ρ^)dA]]>构建血管边界检测算法fOFA(x,r)=s2(x,r,e1(x,r))+s2(x,r,e2(x,r))]]>为提高计算效率，所述多尺度OOF和OFA均采用快速傅里叶变换及其反变换进行优化，并对血管中心进行细化，计算过程包括：(1)设置最小半径rmin、最大半径rmax和半径增量rstep，初始化r＝rmin；(2)计算通量矩阵Qr,x的元素i,j∈{1,2,3}，qr,xi,j=FFT-1{FFT(I)4πruiuje-2(πr||u||σ)21||u||2(cos(2πr||u||)-sin(2πr||u||)2πr||u||)}]]>其中，FFT(·)和FFT‑1(·)分别是快速傅里叶变换和反快速傅里叶变换，σ为高斯函数的方差，u为频域的位置矢量；(3)计算通量矩阵Qr,x的特征值λ1(x,r)、λ2(x,r)、λ3(x,r)和特征向量e1(x,r)、e2(x,r)、e3(x,r)；(4)计算半径为r的fOOF(x,r)fOOF(x,r)＝‑(λ1(x,r)+λ2(x,r))(5)计算半径为r的fOFA(x,r)fOFA(x,r)=s2(x,r,e1(x,r))+s2(x,r,e2(x,r))]]>其中，(6)结合OOF和OFA算法，细化血管中心M(x,r)：M(x,r)＝max(0,fOOF(x,r)‑fOFA(x,r))(7)如果r＜rmax，r＝r+rstep，重复(2)至(6)，否则，按照如下公式计算多尺度fOOF(x)，fOFA(x)和M(x)响应：fOOF(x)=maxr∈R(fOOF(x,r))]]>fOFA(x)=maxr∈R(fOFA(x,r))]]>M(x)=maxr∈R(M(x,r))]]>其中，R为半径r的集合；获取以体素x为圆心的最优血管截面半径此时，对应的通量矩阵的特征向量e3的方向即为体素x的切线方向步骤3：根据CTA图像血管特征，自动选取血管中心线种子点并提取相应的中心线，结合血管的几何结构，构建肝脏血管树血管中心线种子点位于血管截面中心，考虑到细化图像中，血管中心的灰度值最大，首先选取M(x)大于阈值tseed的体素作为候选种子点，然后，以每个候选种子点为中心，构建边长为rseed的立方体区域，在该区...

【技术特征摘要】
1.一种肝脏CTA序列图像的血管分割方法，其特征在于包括以下步骤：
步骤1：对原始三维肝脏图像进行预处理，提高血管的对比度，平滑CTA图像噪声
首先，分别调节3D肝脏图像的窗宽/窗位到[400～800]/[200～500]范围，并将灰度值
归一化到[0,255]，得到图像I0(x)，其中x为三维空间位置坐标，然后采用各向异性滤波算
法去除噪声：
∂I(x,t)∂t=div(c(x,t)·▿I)I(x,0)=I0(x)]]>其中，t为扩散时间，I(x,t)为t时刻的图像，div(·)为散度操作，为图像梯度，c(x,
t)为非负的单调递减传导系数：
c(x,t)=e-(|▿I|/k)2]]>其中，k为扩散门限，k为[50～80]的自然数；
步骤2：采用多尺度OOF和OFA算法...

【专利技术属性】
技术研发人员：赵于前，曾业战，廖苗，杨勍，杨少迪，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43