一种基于先验局部统计与动态轮廓模型的人体器官重建方法

摘要

本发明公开了一种基于先验局部统计与动态轮廓模型的人体器官重建方法，包括以下步骤：(1)初始化水平集函数；(2)使用高斯滤波约束水平集函数；(3)分别计算C₁和C₂；(4)分别计算和(5)进化水平集函数；(6)如果φ(x)＞0，则设置φ(x)＝1，其余设置φ(x)＝‑1；(7)检查水平集函数的进化过程是否收敛，如果收敛则结束；否则返回步骤(2)。本发明构造了一个新的λ‑SPF函数，适用范围更加广泛，采用了二值选择和高斯滤波约束水平集方法(SBGFRLS)，时间效率相较于其它算法大幅提高。本发明提出的方法兼备分割精度高与速度快的优点，适合用于器官重建的流程中。

主权项

一种基于先验局部统计与动态轮廓模型的人体器官重建方法，其特征在于，包括以下步骤：(1)按下式初始化水平集函数φ：$\phi (x,t=0)=\left\{\begin{array}{cc}1,& x\in {\Omega }_1\\ -1,& x\in {\Omega }_2\end{array}\right.$其中Ω₁是手工标注的轮廓内部区域,Ω₂是余下的轮廓外部区域；(2)根据下式使用高斯滤波约束水平集函数：φ＝φ*G_σ，k其中G_σ，k是标准差为σ的高斯滤波函数，并且只考虑高斯中心处的部分以减少计算量；(3)根据下式分别计算c₁和c₂：$c_1=\frac{{\int }_{\Omega }H\left(\phi \right)I\left(x\right)dx}{{\int }_{\Omega }H\left(\phi \right)dx},$$c_2=\frac{{\int }_{\Omega }(1-H(\phi \left)\right)I\left(x\right)dx}{{\int }_{\Omega }(1-H(\phi \left)\right)dx}$其中c₁和c₂都是常数，它们分别是轮廓内部区域灰度的平均值和轮廓外部区域灰度的平均值；(4)根据下式分别计算和：$C_1^{Loc}\left(x\right)=\frac{K*H\left(\phi \right)I\left(x\right)}{K*H\left(\phi \right)}$$C_2^{Loc}\left(x\right)=\frac{K*(1-H(\phi \left)\right)I\left(x\right)}{K*(1-H(\phi \left)\right)}$其中，和是两个常量，是轮廓内部区域的局部权重灰度平局值，是轮廓外部区域的局部灰度加权平局值；(5)根据下式进化水平集函数：${\phi }_t=\lambda -SPF\left(x\right)·LIDF\left(x\right)|▿\phi |,x\in \Omega .;$(6)如果φ(x)＞0，则设置φ(x)＝1，其余设置φ(x)＝‑1；(7)检查水平集函数的进化过程是否收敛，如果收敛则结束；否则返回步骤(2)。