自动初始化的局域活动轮廓模型心脑血管分割方法

摘要

本发明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。

主权项

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O_k；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：$\begin{array}{c}E={\int }_{{\Omega }_x}\delta \left(\phi \right(x\left)\right){\int }_{{\Omega }_y}{K}_{\sigma }(x,y)·\left(H\right(\phi \left(y\right)){\left(I\right(y)-f_{in}(x\left)\right)}^2\\ +(1-H(\phi \left(y\right)\left)\right)\left(I\left(y\right)-f_{out}\left(x\right){)}^2\right)dydx\end{array}---\left(4\right)$其中，x为活动轮廓线Γ:{x|φ(x)＝0}上一点，O_k以点x为中心，δ(φ(x))为函数H(x)的一阶导数，H(x)用于指定小邻域O_k与活动轮廓线Γ相交的内部区域；I(y)为内部区域中y点处的图像灰度，φ(y)是I(y)对应的水平集函数；f_in(x)为活动轮廓线Γ与小邻域O_k相交的内部区域均值，可借助高斯核函数K_σ(x,y)得到内部区域均值f_in(x)，f_out(x)为活动轮廓线Γ与小邻域O_k相交的外部区域均值；(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其中LRF表示局域拟合(local region fitting，LRF)，g表示梯度(gradient)；(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其中：表示管状结构度量；σ表示多尺度下的尺度因子；R_σ(x)表示在σ时的管状结构度量；σ_min和σ_max分别表示设定的最小尺度和最大尺度；α_σ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：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。