分割心脏磁共振图像中左心室的系统和方法技术方案

提出了一种用于分割感兴趣的左心室磁共振图像的方法。该方法包括根据感兴趣的磁共振图像中像素密度直方图来确定左心室的近似轮廓（１０２）和心肌响应图像（１０４）。根据多个能量函数来确定左心室的多个候选闭合轮廓（１０６）。该方法通过对多个磁共振图像的扩展来确定模板（１０８），并根据候选轮廓和模板之间的匹配技术来确定心内膜和心外膜（１１０）。如果不存在模板（１０８），该方法就根据图形切割来确定心内膜轮廓（１１２），且根据单个图像的候选轮廓的样条拟合来确定心外膜（１１４）。（*该技术在2022年保护过期，可自由使用*）

【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
专利
本专利技术涉及医学成像，更具体地来说，涉及从四维MR数据(时间和空间上的二维图像)中提取心肌图像。现有技术的讨论心血管疾病是美国的主要致死病因。随着生活方式的改变，死亡率一直逐年在下降，而下降也归因于不断开发新疾病诊断技术。这些技术的其中之一就是磁共振成像(MRI)，它提供随时变的三维心脏图像。为了协助疾病诊断，让医生感兴趣的是识别心室、心内膜和心外膜以及测量心动周期内心室血容积(射血分数)和心壁厚度特征的变化。左心室尤其受到关注，因为它将含氧血液泵入到整个身体中相隔较远的其他组织。对医学图像的分析已经作了大量研究。对这些图像进行分割一直是挑战性的。在90年代早期，研究人员就意识到可以利用MR图像的心壁运动来表征有意义的功能改变。S.R.Fleagle、D.R.Thedens、J.C.Ehrhardt、T.D.Scholz以及D.J.Skorton提出的一种系统(见“根据自旋回声共振图像自动标识左心室边界”，Investigative Radiology，26295-303，1991)，在用户利用(例如)鼠标指定左心室腔体中心以及感兴趣区域时采用最小成本路径图搜索法描绘心肌组织的边界。D.Geiger、A.Gupta、L.A.Costa和J.Vlontzos的“检测、跟踪和匹配可变形轮廓的动态编程”(IEEE Trans.PAMI，17(3)294-302，1995)一文采用动态编程方法对用户指定的轮廓进行精细化处理。A.Goshtasby和D.A.Tumer的“对心脏的渐变MR图像分割以提取左右心室”(IEEE Trans.Medical Imaging，14(1)56-64，1995)提出了一种结合了密度阈值处理的两步骤法，用以根据图像和局部梯度来恢复血液显示，以利用弹性曲线来强化边缘轮廓。J.Weng，A.Singh和M.Y.Chiu的“根据心血管MR和CT图像的基于学习的心室检测”(IEEE Trans.MedicalImaging，16(4)378-391，1997)根据学习阶段估计的参数对图像应用阈值，以进行近似分割。但是，尚未知有系统或方法，可提供对心脏图像进行分析的自适应技术。因此，需要一种结合了可变形模板中的边缘、区域和形状信息的心脏分割法。专利技术概述根据本专利技术实施例，提出一种方法用于对感兴趣的左心室磁共振图像分割。该方法包括在不存在形状扩展(shape propagation)的情况下，根据对候选心内膜轮廓的图形切割(graph cut)和对候选心外膜的样条拟合来确定心肌轮廓。该方法还包括将多个形状约束应用于候选心内膜轮廓和候选心外膜轮廓以确定心肌轮廓，其中通过对包括感兴趣磁共振图像的序列化的多个磁共振图像的形状扩展来确定模板；该方法还包括将多个形状约束应用于候选心内膜轮廓和候选心外膜轮廓以确定心肌轮廓，其中通过对包括感兴趣磁共振图像的序列化的多个磁共振图像的形状扩展来确定模板。根据本专利技术实施例，提供一种用于对感兴趣的左心室磁共振图像进行分割的方法，它包括根据感兴趣磁共振图像的像素密度直方图来确定心肌响应图像。该方法包括根据被赋予了多个置信度值的多个能量函数来确定多个候选轮廓。该方法还包括将多个形状约束应用于候选心内膜轮廓和候选心外膜轮廓以确定心肌轮廓。心肌轮廓基于包括感兴趣磁共振图像的序列化的多个磁共振图像，其中心肌轮廓包含心内膜轮廓和心外膜轮廓。该方法根据在图像的灰度概图(gray level profile)中解释为左心室的多个横截面的交点的多个点来确定左心室的近似轮廓对。近似轮廓对根据霍夫变换(Hough transform)阵列来确定，以便选出心肌中心线的中心位置和半径。根据像素密度直方图来确定心肌响应图像的步骤还包括，将高斯混合模型(mixture of Gaussians)与像素密度直方图相拟合来确定血液、肌肉和空气部分。对于每个候选闭合轮廓，该方法还包括在近似轮廓附近定义搜索空间，定义源节点和收缩节点的线，以及定义源节点和汇节点之间的最短路径。该方法包括定义新的源节点和多个汇节点，以及确定新源节点和新汇节点之间的最短路径。利用梯度方向和轮廓方向的矢量积，根据梯度幅度和方向的组合来分别确定候选心内膜轮廓和候选心外膜轮廓。该方法还包括根据输入图像中梯度方向与轮廓方向的正矢量积来确定第一候选心内膜轮廓，以及根据心肌图像的梯度方向与轮廓方向的负矢量积来确定第二候选心内膜轮廓。该方法包括根据输入图像中的梯度幅度来确定第一候选心外膜轮廓，以及根据心肌图像的梯度方向与轮廓方向的正矢量积来确定第二候选心外膜轮廓。该方法确定一对一匹配矩阵，其中，为心内膜轮廓上的点与心外膜轮廓上的点分配多个模板点，这些模板点是通过对多个磁共振图像的扩展来确定的。根据本专利技术实施例，提供一种用于分割感兴趣的左心室磁共振图像的方法。该方法包括根据感兴趣磁共振图像中的像素密度直方图来确定心肌响应图像，根据被赋予了多个置信度值的多个能量函数来确定多个候选轮廓。该方法包括在不存在形状扩展的情况下，根据对候选心内膜轮廓的图形切割(graph cut)和对候选心外膜的样条拟合(spline fitting)来确定心肌轮廓。该方法将多个形状约束应用于候选心内膜轮廓和候选心外膜轮廓以确定心肌轮廓，其中通过对包括感兴趣磁共振图像的序列化的多个磁共振图像的形状扩展来确定模板。心肌轮廓包含心内膜轮廓和心外膜轮廓。该方法根据在图像的灰度概图中解释为左心室的多个横截面的交点的多个点来确定左心室的近似轮廓对，其中该轮廓对包含心内膜轮廓和心外膜轮廓。近似轮廓对根据霍夫变换阵列来确定，以便选出心肌中心线的中心位置和半径。根据像素密度直方图来确定心肌响应图像的步骤还包括将高斯混合模型与像素密度直方图相拟合来确定血液、肌肉和空气部分。对于每个候选闭合轮廓，该方法还包括在心肌响应图像附近定义搜索空间，定义源节点和收缩节点的线，以及定义源节点和汇节点之间的最短路径。该方法包括定义源节点和多个汇节点，以及确定新源节点和新汇节点之间的最短路径。利用梯度方向和轮廓方向的矢量积，根据梯度幅度和方向的组合来分别确定候选心内膜轮廓和候选心外膜轮廓。该方法还包括根据输入图像中梯度方向与轮廓方向的正矢量积来确定第一候选心内膜轮廓，以及根据心肌图像的梯度方向与轮廓方向的负矢量积来确定第二候选心内膜轮廓。该方法包括根据输入图像中的梯度幅度来确定第一候选心外膜轮廓，以及根据心肌图像的梯度方向与轮廓方向的正矢量积来确定第二候选心外膜轮廓。图形切割还包括定义其中每个节点对应于候选轮廓上的候选像素之间的连接分量区域的图形，以及确定中心节点与外部节点之间的最小割截。样条拟合还包括通过候选轮廓的点进行样条拟合。根据本专利技术实施例，提供一种机器可读的程序存储装置，它具体实现了可由所述机器执行，用以分割感兴趣的左心室磁共振图像的方法步骤的指令程序。该方法包括根据感兴趣磁共振图像中的像素密度直方图来确定心肌响应图像，根据被赋予了多个置信度值的多个能量函数来确定多个候选轮廓。该方法包括在不存在形状扩展的情况下，根据对候选心内膜轮廓的图形切割和对候选心外膜的样条拟合来确定心肌轮廓。该方法将将多个形状约束应用于候选心内膜轮廓和候选心外膜轮廓以确定心肌轮廓，其中通过本文档来自技高网...

【技术保护点】
一种用于分割感兴趣的左心室磁共振图像的方法，它包括如下步骤：在不存在形状扩展的情况下，根据对候选心内膜轮廓的图形切割和对候选心外膜的样条拟合来确定心肌轮廓；以及在存在形状扩展的情况下，将多个形状约束应用于所述候选心内膜轮廓和 所述候选心外膜轮廓以确定所述心肌轮廓，其中通过对包括所述感兴趣磁共振图像的序列化的多个磁共振图像的形状扩展来确定模板。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：MP乔利，
申请(专利权)人：西门子共同研究公司，
类型：发明
国别省市：US[美国]