一种超声心动图分割算法制造技术

本发明专利技术涉及一种超声心动图分割算法，首先设计了模糊聚类的方法，结合空间信息实现自适应优化的过程，避免中间的形态学操作，实现了对图像的自动粗分割，降低噪声的影响，并将其结果作为水平集分割操作的控制参数，用于控制水平集的演变过程。然后用水平集法对超声图像进行二次分割，进一步降低噪声的影响并得到相对明朗的轮廓线。由于边界模糊和像素的不均匀性导致的欠分割和分割过度的问题普遍存在且极难避免，最后引入左心室形状的先验知识对ROI区域进行拟合计算约束分割形状的演变，得到预期的平滑闭合轮廓，本发明专利技术极大提高了分割的准确性和鲁棒性。

【技术实现步骤摘要】
一种超声心动图分割算法
本专利技术涉及数字图像处理领域，特别是一种超声心动图分割算法。
技术介绍
由于超声成像设备的成本低和便携性，超声心动图是心脏左心室可视化首选的一种医疗成像方式。通常，心脏病专家对左心室超声成像进行分析并对左心室收缩末期和舒张末期阶段心内膜边界进行分割，然后用它来提供一个心功能的定量分析来诊断心脏病。临床上多采用手动分割的方法，无法用于自动化参数采集,时间耗费长且过程乏味，而所分割结果也会因人而异。另外基于主动轮廓模型的算法是得到研究人员关注的一种方法，许多方法基于该算法理论的基础上进行了改进和应用。
技术实现思路
有鉴于此，本专利技术的目的是提出一种超声心动图分割算法，能够自动分割超声心动左心室，同时具有较好的准确性和鲁棒性。本专利技术采用以下方案实现：一种超声心动图分割算法，具体包括以下步骤：步骤S1：对图像进行模糊聚类操作，通过反复迭代优化目标函数实现模糊C均值聚类；步骤S2：采用水平集方法对步骤S1得到的模糊聚类的结果进行二次分割；步骤S3：设计可变形状限制模型，引入左心室形状的先验知识，对ROI区进行拟合计算约束分割形状的演变，得到预期的平滑闭合轮廓。进一本文档来自技高网...

【技术保护点】
一种超声心动图分割算法，其特征在于：包括以下步骤：步骤S1：对图像进行模糊聚类操作，通过反复迭代优化目标函数实现模糊C均值聚类；步骤S2：采用水平集方法对步骤S1得到的模糊聚类的结果进行二次分割；步骤S3：设计可变形状限制模型，引入左心室形状的先验知识，对ROI区进行拟合计算约束分割形状的演变，得到预期的平滑闭合轮廓。

【技术特征摘要】
1.一种超声心动图分割算法，其特征在于：包括以下步骤：步骤S1：对图像进行模糊聚类操作，通过反复迭代优化目标函数实现模糊C均值聚类；步骤S2：采用水平集方法对步骤S1得到的模糊聚类的结果进行二次分割；步骤S3：设计可变形状限制模型，引入左心室形状的先验知识，对ROI区进行拟合计算约束分割形状的演变，得到预期的平滑闭合轮廓。2.根据权利要求1所述的一种超声心动图分割算法，其特征在于：所述步骤S1具体包括以下步骤：步骤S11：初始化聚类中心：V＝{v1.v2,...vC}；步骤S12：计算隶属函数：其中，vm与vk均为V中元素；N表示图像中所含的像素点数，in为图像中某一具体的像素点，l为模糊加权指数，用于控制分割的模糊程度；步骤S13：更新聚类中心vi：其中，为第n个像素对第m类的隶属度，l为模糊加权指数；步骤S14：判断步骤S...

【专利技术属性】
技术研发人员：黄立勤，魏洪成，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35