本发明专利技术提供了一种自动初始化的局域活动轮廓模型心脑血管分割方法，包括下列步骤：根据医学影像数据中血管的管状特征对三维血管进行各向异性滤波得到初始轮廓线；构造局域能量函数；通过梯度下降法最小化局域能量函数，获得对应的梯度下降流；然后，依据医学影像数据中的血管形状度量构造血管矢量场；最后联合梯度下降流和血管矢量场，得到血管演化方程。本发明专利技术根据血管形状自动设置初始轮廓线；分割精确，效率高，鲁棒性强。
【技术实现步骤摘要】
本专利技术涉及计算机应用
，特别涉及一种利用局域活动轮廓模型和血管矢量场进行血管分割的方法，主要用于医学教学和计算法辅助诊疗等领域。
技术介绍
当前，心脑血管疾病已成为人类健康的“第一杀手”。全世界每年死于心脑血管疾病的人数高达1500万人，中国心脑血管疾病患者已超过2. 7亿，每年死于心脑血管疾病近300万人，占总死亡数量的51%。而幸存下来的患者75%不同程度丧失劳动能力，40%重残。心脑血管疾病主要是由血管狭窄、动脉瘤和动静脉畸形引起。获取血管的三维形态信息对于该类疾病的辅助诊疗具有重要作用，如组织的定量分析、计算机辅助诊断、病灶定位、解剖结构研究及计算机引导手术等。为此，通常需要对医学影像数据集进行分割，以获得精确的血管组织信息。心脑血管相比其它血管，有其自身特点，如拓扑结构的复杂性，灰度的动态变化性及部分血管结构的细小微弱性等，这些都增加了心脑血管分割的难度。基于血管造影图像的心脑血管分割已成为国际上计算机科学、信息学、生物医学工程等相关领域的研究热点。近年来，基于几何活动轮廓模型在图像分析中获得了广泛的应用，由于同一类的目标形状上具有一定的相似性，通过在一定条件下控制变形得到另一个目标形状，从而进行分类、形似度比较等分析。如果把形变面放入图像中，由图像的各种特征，如灰度、形状、梯度等，控制目标的形变，使之形状向图像中的目标变化，从而提取出图像的特定目标。Farag等人提出了基于水平集方法的血管树三维分割方法，实现了从MRA数据集中抽取3D脑血管，该方法属于有监督的分类方法，需要事先知道分类的类数及每类的概率分布。通常，不同器官、不同数据的概率分布模型建立比较困难。Gao等人提出一种全自动的TOF-MRA图像脑血管分割方法。首先构造有限混合模型，估计多个分量的分布参数，然后在原始数据空间中对脑血管进行粗分割；接下来，借助统计信息通过对能量函数中的速度项和区域项进行修改，从而实现脑血管的精细分割。但上述算法都没有结合血管自身的几何特征。Hernandez和Frangi提出了非参数测地线活动区域模型的脑动脉分割方法。在图像的高阶特征空间中，应用K-N近邻非参数估计方法对血管几何特征的联合分布进行估计，然后将分布信息嵌入能量函数中，为了对参数进行估计，K-N近邻法需要一定数量的样本进行学习。针对血管组织灰度分布不均的问题，尤其是细小血管，难以准确分割。当前方法在轮廓线演化过程中，通常图像域中所有像素参与运算，运算量大。此外，传统的基于几何活动轮廓模型的血管分割方法容易陷入局部极小值，对初始轮廓线的设置要求较为严格。我们首先将几何活动轮廓模型局域化，然后借助构造的血管矢量场对血管进行精确分割。该方法的特点在于对血管造影体数集进行血管滤波增强，获得血管的大致轮廓，以此作为初始轮廓线，在血管矢量场的辅助下，通过局域能量的最小化实现血管的精确分割；无需手工设置轮廓线，自动化程度高；分割精确，效率高，鲁棒性强。
技术实现思路
本专利技术的目的就是克服现有技术中的不足，提供一种自动设置初始轮廓线的，高效、精确、鲁棒性强的局域活动轮廓模型心脑血管分割方法。为实现上述目的，本专利技术的技术方案是利用血管的形状特征设置初始轮廓线，局域化几何活动轮廓模型，借助血管矢量场实现血管组织的精确分割。一种，包括下列步骤(I)血管形状滤波及初始轮廓线设置根据医学影像数据中血管的管状特征，借助Hessian矩阵，获取血管中心线方向和横切面方向，对三维血管进行各向异性滤波；通过阈值法和边缘检测算子提取血管轮廓作为初始轮廓线；(2)构造局域能量函数定义活动轮廓线r : {x| 4) (X) =0}上各点的小邻域Ok ;通过局域加权函数对活动轮廓线的点进行加权拟合，同时结合加权因子构造局域能量函数权利要求1.一种，其特征在于，包括下列步骤 (1)血管形状滤波及初始轮廓线设置根据医学影像数据中血管的管状特征，借助Hessian矩阵，获取血管中心线方向和横切面方向，对三维血管进行各向异性滤波；通过阈值法和边缘检测算子提取血管轮廓作为初始轮廓线； (2)构造局域能量函数定义活动轮廓线r: {x I 4) (x) =O}上各点的小邻域Ok ;通过局域加权函数对活动轮廓线的点进行加权拟合，同时结合加权因子构造局域能量函数2.根据权利要求I所述的心脑血管分割方法，其特征在于，步骤(I)中所述的各向异性滤波是基于血管形状特征的。3.根据权利要求I所述的心脑血管分割方法，其特征在于，所述步骤(2)的具体步骤为 ①设OC= R3表示图像域，I: Q — R表示给定的图像，X为活动轮廓线上一点，以点X为中心定义一小邻域Ok,活动轮廓线r与小邻域Ok相交的内部区域均值iiin(x)由内部区域点的灰度I (y)及与X距离的加权获得，该加权值由引入的高斯核函数K。(x，y)得到；外部区域均值Urat(X)也通过高斯核函数K。(x, y)的方法得到4.根据权利要求I所述的心脑血管分割方法，其特征在于，所述步骤(4)的具体步骤为 a.通过对医学影像获得的3D灰度图像的Hessian矩阵H1的特征分析得到局部血管的方向炉和管状结构度量R =Hessian矩阵H1为全文摘要本专利技术提供了一种，包括下列步骤根据医学影像数据中血管的管状特征对三维血管进行各向异性滤波得到初始轮廓线；构造局域能量函数；通过梯度下降法最小化局域能量函数，获得对应的梯度下降流；然后，依据医学影像数据中的血管形状度量构造血管矢量场；最后联合梯度下降流和血管矢量场，得到血管演化方程。本专利技术根据血管形状自动设置初始轮廓线；分割精确，效率高，鲁棒性强。文档编号G06T7/00GK102982547SQ20121050036公开日2013年3月20日 申请日期2012年11月29日 优先权日2012年11月29日专利技术者田沄, 周明全, 武仲科, 赵世凤, 王醒策, 解立志 申请人:北京师范大学本文档来自技高网...
【技术保护点】
一种自动初始化的局域活动轮廓模型心脑血管分割方法，其特征在于，包括下列步骤：（1）血管形状滤波及初始轮廓线设置：根据医学影像数据中血管的管状特征，借助Hessian矩阵，获取血管中心线方向和横切面方向，对三维血管进行各向异性滤波；通过阈值法和边缘检测算子提取血管轮廓作为初始轮廓线；（2）构造局域能量函数：定义活动轮廓线Γ:{x?|φ(x)=0}上各点的小邻域Ok；通过局域加权函数对活动轮廓线的点进行加权拟合，同时结合加权因子构造局域能量函数：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为活动轮廓线Γ:{x?|φ(x)=0}上一点，以点x为中心定义一小邻域Ok，δ(φ(x))为函数H(x)的一阶导数，H(x)用于指定小邻域Ok与活动轮廓线Γ相交的内部区域；（3）获得梯度下降流：通过梯度下降法最小化局域能量函数，获得对应的梯度下降流（4）构造血管矢量场：依据医学影像数据中的血管形状度量构造血管矢量场：V→(x)={V→σ(x)|ασRσ(x)=R(x)},其中：R(x)=maxσmin≤σ≤σmax{ασRσ(x)},ασ为尺度权重，所述矢量场的方向平行于血管方向，大小是和血管相关的函数；（5）得到血管演化方程：联合步骤（3）的梯度下降流和步骤（4）构造的血管矢量场，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))是一表示血管矢量场大小的、关于R(x)的函数。FDA00002491765500014.jpg,FDA00002491765500018.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：田沄，周明全，武仲科，赵世凤，王醒策，解立志，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。