一种基于动力学统计形状模型的超声图像分割方法

摘要

本发明公开了一种基于动力学统计形状模型的超声图像分割方法，包括以下步骤：1：手动定义超声图像目标区域的中心点；2：建立目标区域轮廓的基于动力学统计形状模型作为目标区域的先验模型；3：计算每个半径的径向特征轮廓模型作为目标区域的似然概率模型；4：根据统计形状模型和径向特征轮廓模型将分割目标区域的过程转化为计算整个轮廓的最大后验概率；5：更新每个角度的半径的长度，形成新轮廓曲线；6：计算新轮廓曲线的最大后验概率，当其最大后验概率的值小于设定的阈值时，回转执行所述的步骤5；7：收敛以后的新轮廓即为目标区域分割的轮廓区域。本发明的方法只需要简单的手动交互即可精确分割2维超声图像中子宫肌瘤的目标区域。

主权项

一种基于动力学统计形状模型的超声图像分割方法，其特征在于，首先定义径向时间序列作为超声图像目标区域形状的参数化表示模型，Q={{r₀,...,r_N‑1},θ,{x_c,y_c}}    （式壹）其中，{x_c,y_c}表示目标区域的中心点的坐标，{r₀,...,r_N‑1}表示中心点到目标区域边缘的半径的欧氏距离，θ表示半径之间的夹角；基于上述定义，本发明的方法包括以下步骤：步骤1：手动定义超声图像目标区域的中心点；步骤2：建立目标区域轮廓的统计形状模型以及相对应轮廓的径向时间序列的先验概率模型；步骤3：计算每个半径的径向特征轮廓模型；步骤4：计算整个轮廓的最大后验概率；步骤5：更新每个角度的半径的长度，形成新轮廓曲线；步骤6：计算新轮廓曲线的最大后验概率，当其最大后验概率的值小于设定的阈值时，回转执行所述的步骤5；步骤7：收敛以后的新轮廓即为目标区域分割的轮廓区域。