一种医用的心脏CT图像分割方法技术

本发明专利技术公开了一种医用的心脏CT图像分割方法，包括以下步骤：读取DSCT采集的心脏断层图像，将N×N矩阵形式表示的待分割图像转换为以N2个元素表示的一维CT数值数组；对所述一维CT数值数组进行k聚类分析运算，计算图割能量函数所需的数据项和平滑项；构造所述待分割图像所表达的有向图，并根据数据项和平滑项建立能量函数，使用最大流/最小割算法最小化所述能量函数，求取所述有向图的最小割作为所述待分割图像的分割结果。本方法实现了心脏断层CT图像重点区域的精确分割，为重建心脏解剖结构，给与临床直观的参考数据和评价手段提供良好的基础。

【技术实现步骤摘要】

本专利技术涉及一种医学图像处理方法，具体来说涉及一种医用的心脏CT图像分割方法。
技术介绍
随着人类生活水平的提高和预期寿命的延长，心血管疾病成为人类的头号死因， 因此心血管疾病的早期诊断可有效降低病死率。了解心脏结构的影像学表现及其功能数据是正确诊断心脏疾病的重要前提，CT技术的发展，明显提高了时间分辨力，减少了心脏搏动伪影，在显示心脏细微结构方面显示出良好的应用潜力。临床医学图像具有极其繁杂的多样性和复杂性，由于各类成像设备的固有特性， 导致图像存在一定的噪声、场偏移效应和体效应，导致感兴趣目标物体的部分边缘存在局部不清晰，使得医学图像特别是CT图像分割一直是图像分割领域的难题。医学图像分割常用有阈值分割、基于边缘分割、基于区域分割和基于形态学分割等几种方法，但这些方法在分割高噪声、低对比度的心脏图像时难以达到理想的效果。基于广义梯度矢量流Snake模型的心脏MR图像分割方法，实现了 MR左心室图像的精确分割。图割(Graph-Cuts)方法广泛运用于物理、化学、控制论、网络理论、计算机科学等许多领域，2001年BoyKov Y等，提出了最大流/最小割的快速计算方法，实现基于能量最小化进行目标提取的框架。这一方法具有快速、鲁棒、全局最优、抗噪强、扩展性好的特点，不仅可以用于图像分割，也可为其它视觉问题的处理提供统一的思路。k-均值聚类算法由Mac Queen于1967年提出，是聚类分析中一种基本的划分方法，方法简单、收敛速度快、并具有很强的局部搜索力，能有效地处理大数据集。以下内容为现有CT图像分割方法的相关内容CT 值CT值代表X线穿过组织被吸收后的衰减值。为了定量衡量组织对于X光的吸收率，Hounsfield定义了一个新的标度“CT值”。为了表示对他的敬意，后人将CT值的单位定为 “HU” (Hounsfield Unit)。CT值的计算某物质的CT值等于该物质的衰减系数与水的衰减系数之差，再与水的衰减系数之比后乘以1000。即某物质CT值=1000X (u-u水)/u水，其单位名称为HU， CT值不是一个绝对值，而是一个相对值。不同组织的CT值各异，各自在一定范围内波动。 其中骨骼的CT值最高，为1000HU，软组织的CT值为20 70HU，水的CT值为0 (士 10) HU,脂肪的CT值为-50 -100HU以下，空气的CT值为-1000HU.各向异性扩散滤波算法Perona和Malik提出了基于偏微分方法的各向异性扩散方程，即在非线性尺度空间，根据图像不同方向上的梯度确定扩散系数。这一算法在滤除噪声和保留细节方面有了很大的提升，P-M方程表达式为权利要求1.一种医用的心脏CT图像分割方法，其特征在于包括以下步骤(1)读取DSCT采集的心脏断层图像，作为待分割图像；(2)将NXN矩阵形式表示的待分割图像转换为以N2个元素表示的一维CT数值数组；(3)对所述一维CT数值数组进行k聚类分析运算，并得到所述待分割图像中的每个像素对应的聚类号；(4)根据步骤(3)的k聚类分析运算结果，计算图割能量函数所需的数据项和平滑项；(5)构造所述待分割图像所表达的有向图，并根据步骤中的数据项和平滑项建立能量函数，使用最大流/最小割算法最小化所述能量函数，求取所述有向图的最小割作为所述待分割图像的分割结果。2.根据权利要求1所述的医用的心脏CT图像分割方法，其特征在于所述步骤(3)中的k聚类分析运算过程为对待分割图像的一维CT数值数组中的每个数值进行K均值聚类，并根据聚类结果为每个像素标上所属聚类标号，从而得到CT图像中各像素聚类标号， 聚类标号为1 k ；所述K值取为4。3.根据权利要求1所述的医用的心脏CT图像分割方法，其特征在于所述K均值聚类采用Matlab的kmeans函数其中kmeans函数中的像素差异度采用平方欧几里德距离计算；逐个将待分割图像中各像素的CT数值按照平方欧几里德距离结果分配给k个聚类区域中的一个；每迭代计算完一次，kmean函数重新计算聚类中心，直到聚类中心不再变化或达到迭代次数为止，则算法收敛，得到各类的聚类中心和CT图像各像素点所属聚类的标号； 对于每个聚类依次赋予标号1至k，并将待分割图像的每个像素标记为对应的聚类号，则待分割图像被映射到一个标记图上，此标记图即为下一步图割计算所需的有向标号图；所述标记图中的每个像素在1至k之间取值，该值等于该像素对应的聚类号。4.根据权利要求2或3所述的医用的心脏CT图像分割方法，其特征在于所述步骤(4) 中的数据项和平滑项的计算过程为(a)数据项的计算采取对具有相同聚类标号的图像CT值进行协方差矩阵计算；得到从统计意义上反映图像CT值相关性程度的信息，反映的是待分割图像中每个像素归属于某一聚类区域的概率。(b)平滑项采用高斯和索贝尔算子的二维卷积对CT图像进行平滑和边缘检测，计算得到平滑项的结果。5.根据权利要求4所述的医用的心脏CT图像分割方法，其特征在于所述步骤(5)中构造待分割图像表达的有向图的过程所述有向图中的每个顶点对应于所述待分割图像的一个像素点，所述的顶点中包括两个终点顶点以及其余的非终点顶点，其中两个终点分别为源点和汇点；所述有向图中的边包括一组η-连接和一组t-连接，所述的每一组η-连接用于连接一对非终点顶点，对应于有向图中相邻对应像素点的连接；所述每一组t-连接用于连接一个非终点顶点和一个终点；6.根据权利要求5所述的医用的心脏CT图像分割方法，其特征在于所述步骤(5)中最小化步骤中的能量函数的过程为(51)为所述待分割图像所对应的有向图中的每一个η-连接和t-连接均分配一个容量；(52)根据步骤(51)得到的各个连接的容量运用最小割、最大流定理将所述有向图中的顶点划分为子集，每个子集包含一个终点；最终实现待分割图像的目标和背景的分割。7.根据权利要求6所述的医用的心脏CT图像分割方法，其特征在于所述步骤(51)中的η-连接和t-连接的容量为其中，包含源点的t-连接的容量为艮("bkg")，包含汇点的t_连接的容量为艮("obj" )，η-连接的容量为β Bp，q，其中p、q为该连接的两个顶点所对应的像素标号，具体为8.根据权利要求7所述的医用的心脏CT图像分割方法，其特征在于所述步骤中的待分割图像I对应于512X512的矩阵形式，且所述矩阵所对应的一维CT数值数组包括 262144个元素。9.根据权利要求1或8所述的医用的心脏CT图像分割方法，其特征在于所述的步骤 (1)进行之前还包括对待分割图像的去噪滤波和增强预处理。10.根据权利要求9所述的医用的心脏CT图像分割方法，其特征在于所述去噪滤波预处理过程中采用各向异性扩散滤除同质区域的噪声，并采用中值滤波去除脉冲噪声；所述各向异性扩散采用图像在不同方向上梯度的单调函数作为扩散系数。全文摘要本专利技术公开了一种医用的心脏CT图像分割方法，包括以下步骤读取DSCT采集的心脏断层图像，将N×N矩阵形式表示的待分割图像转换为以N2个元素表示的一维CT数值数组；对所述一维CT数值数组进行k聚类分析运算，计算图割能量函数所需的数据项和平滑项；构造所述待分割图像所表达的有向图，并根据数据项和平滑项建立能量函数，使用最大流/最小割算法最小化所述能量函数，求取所述有向图的本文档来自技高网...

【技术保护点】
１．一种医用的心脏ＣＴ图像分割方法，其特征在于包括以下步骤：（１）读取ＤＳＣＴ采集的心脏断层图像，作为待分割图像；（２）将Ｎ×Ｎ矩阵形式表示的待分割图像转换为以Ｎ２个元素表示的一维ＣＴ数值数组；（３）对所述一维ＣＴ数值数组进行ｋ聚类分析运算，并得到所述待分割图像中的每个像素对应的聚类号；（４）根据步骤（３）的ｋ聚类分析运算结果，计算图割能量函数所需的数据项和平滑项；（５）构造所述待分割图像所表达的有向图，并根据步骤（４）中的数据项和平滑项建立能量函数，使用最大流／最小割算法最小化所述能量函数，求取所述有向图的最小割作为所述待分割图像的分割结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈宇珂，
申请(专利权)人：陈宇珂，
类型：发明
国别省市：81