[發明專利]基于概率分布和連續最大流的主動脈瓣超聲圖像分割方法

有效

• 申請號: 201210414494.9
• 申請日: 2012-10-25
• 公開（公告）號: CN102881021A
• 公開（公告）日: 2013-01-16
• 發明（設計）人: 顧力栩;聶媛媛;羅哲
• 申請（專利權）人: 上海交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;A61B8/08
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 趙志遠

技術領域

本發明涉及一種圖像處理技術領域，尤其是涉及一種基于概率分布和連續最大流的主動脈瓣超聲圖像分割方法。

背景技術

醫學超聲成像由于其特有的優點，如實時性、無損傷性、可重復性、靈敏度高、成本低，而受到廣泛的關注。在基于醫學超聲圖像的主動脈瓣的臨床診斷和治療中，根據病人不同的病理情況，需要提取主動脈瓣的信息，其重要的一項手段就是圖像分割。圖像分割結果的好壞直接影響病變組織結構的定位、定量、定性分析，三維重建等后續操作以及圖像引導手術、腫瘤放射治療等所采取治療規劃的準確性。但是，由于主動脈瓣的醫學超聲圖像存在以下特征，使得其分割成為一個困難棘手的問題：1)超聲圖像分辨率、對比度低；2)超聲圖像固有的斑點噪聲的影響；3)超聲圖像回波紋理特性；4)主動脈瓣開放和閉合時造成的三個瓣葉的移動；5)瓣葉和瓣環嚴重鈣化造成的偽影。

在傳統的醫學圖像分割領域里，基于像素灰度的不連續性和相似性，其可以分為基于邊緣檢測的分割方法和基于區域的分割方法。前者在處理超聲圖像獲取邊緣信息時容易產生間斷或者偽邊緣，不能形成理想的閉合曲線，需要進一步處理以獲得目標輪廓。后者中基于區域生長的方法，其分割結果與種子點的選擇有很大關系，同時對噪聲很敏感，容易形成孔狀或不連續的區域。

近年來，隨著新技術的發展，醫學超聲圖像也相繼出現了新的方法，如動態規劃模型、主動輪廓模型、水平集方法等。動態規劃模型是為解決多節段決策問題最優化而提出的。它是將邊緣檢測問題看成一個優化問題，通過求解全局最優解獲得最終的分割結果。但其運算量較大，同時因噪聲影響會產生較多的偽邊緣，從而難以得到較好的結果。主動輪廓模型即snake模型，通過構建合適的內部能量函數和外部能量函數來約束目標輪廓線的運動。其缺點是分割結果對初始曲線的位置和形狀較為敏感，難以分割凹陷區域處的目標，同時容易陷入局部最優解，而無法獲得理想的目標輪廓。水平集方法的核心是把n維曲線描述為(n+1)維的水平集，主要理論基礎是曲線演化理論和零水平集的思想。大部分水平集模型都是通過求解偏微分方程進行數值實現的，這就造成了一個計算量較大的問題，另外難以確定合適的速度函數。

目前，在臨床診斷和治療中，應用較為廣泛的分割方法是基于閾值的分割方法和基于醫生手動分割的方法。閾值分割方法原理簡單、操作方便，但是由于上述的超聲圖像中固有的斑點噪聲和紋理特性的影響，其分割結果十分不佳，難以為臨床治療提供精確有效的指導信息。基于醫生手動分割的方法，由于醫生具有長期的臨床實踐經驗，所分割出來的結果是可以進一步用于臨床診斷治療的，但因其工作量大、耗費時間長，也不具有較好的應用價值。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種穩定可靠，且實現方便，適用于實際臨床的基于概率分布和連續最大流的主動脈瓣超聲圖像分割方法。

本發明的目的可以通過以下技術方案來實現：

一種基于概率分布和連續最大流的主動脈瓣超聲圖像分割方法，其特征在于，包括以下幾個步驟：

第一步，采集人體主動脈瓣短軸的醫學超聲圖像數據，選擇一個連續完整的心動周期，等間隔地提取五幀先驗圖像，其中每幀先驗圖像會代表一個心動周期內的不同相位；

第二步，手動分割上述五幀先驗圖像，并計算每幀分割結果的包圍盒，取其中最大的包圍盒為后續過程使用；

第三步，根據先驗圖像分割結果各自的獨立中心點，計算得到先驗圖像的一個綜合中心點，以像素點的灰度值為橫軸、以像素點與綜合中心點的距離為縱軸，由上述五幀先驗圖像的分割結果構建一個二維灰度-距離直方圖；

第四步，由上述二維灰度-距離直方圖計算獲得綜合概率估計函數，即計算每個像素點在一定的灰度以及與綜合中心點一定的距離條件下屬于前景的條件概率，擁有高灰度值并且距離綜合中心點較近的像素點屬于前景的概率高，反之，擁有高灰度值但距離綜合中心點較遠的像素點屬于背景區域的概率高；

第五步，對上述五幀先驗圖像，分別計算其各自單獨的概率估計函數，即計算每個像素點在一定的灰度以及與自身獨立中心點一定的距離條件下屬于前景的條件概率，同樣，擁有高灰度值并且距離綜合中心點較近的像素點屬于前景的概率高，反之，擁有高灰度值但距離綜合中心點較遠的像素點屬于背景區域的概率高；

第六步，根據上一步已獲得的單獨概率估計函數，對五幀先驗圖像，分別計算其各自最能代表前景和背景的像素灰度值；

第七步，對于當前待分割圖像，利用綜合概率估計函數求取其獨立的概率估計圖，并采用大津算法對概率估計圖進行預處理，保留前景區域；