[發明專利]基于幀間形狀約束的GCV模型分割主動脈瓣超聲圖像序列方法

有效

• 申請號: 201310522101.0
• 申請日: 2013-10-29
• 公開（公告）號: CN103606145A
• 公開（公告）日: 2014-02-26
• 發明（設計）人: 顧力栩;董斌;郭怡婷;王兵
• 申請（專利權）人: 河北大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;A61B8/00
• 代理公司: 石家莊國域專利商標事務所有限公司 13112
• 代理人: 蘇艷肅

技術領域

本發明涉及醫學超聲圖像分割方法，具體的說是一種基于幀間形狀約束的GCV模型分割主動脈瓣超聲圖像序列方法。

背景技術

在我國，主動脈瓣膜類疾病是一種最常見也是最復雜、危險的心血管疾病，嚴重危害著人類的身體健康。主動脈瓣位于左心室流出道末端與主動脈交界處，其作用就像一個“單向閥門”，防止血液回流，保證心臟泵血功能正常良好。由于B超安全無創、簡單便宜、可重復進行的特點，目前在臨床診斷中已經廣泛使用超聲心動圖觀察主動脈瓣的形狀和位置。其超聲圖像中主動脈瓣的準確分割不僅可以輔助醫生臨床診斷，同時也是圖像引導非介入瓣膜類手術的基礎。但是，由于其超聲圖像具有低對比度、存在大量斑點超聲和主動脈瓣不斷進行開閉運動的特點，目前在臨床診斷中，主要是憑借擁有大量臨床經驗的醫生對主動脈瓣超聲圖像進行一張一張的手動分割，這不僅大大增加了醫生的工作量，而且對于臨床經驗比較欠缺的醫生而言，進行手動分割也是一項比較不容易完成的工作。

為解決手動分割存在的種種不便，目前在國內外已經有不少學者提出了多種超聲圖像的自動或半自動分割的方法。如在國內，2005年，尚葉峰等人提出了基于區域形狀先驗的測地主動輪廓分割超聲圖像中心臟瓣膜的方法；在國外，2006年，Sebastien?Martin等人提出一種基于主動輪廓模型分割超聲圖像中三尖瓣的半自動方法。但是現有的這些方法，主要都是針對超聲心動圖中的長軸圖像的，使用這些方法對主動脈瓣超聲圖像進行分割時，由于超聲圖像邊緣模糊且有大量噪聲，弱邊緣處存在大量溢出，從而使得分割結果不夠精確、可信。基于現有方法存在的問題，研究者試圖對超聲短軸圖像的主動脈瓣分割進行分割，但目前關于超聲短軸圖像分割方法的研究還很少。

發明內容

本發明的目的是提供一種基于幀間形狀約束的GCV模型分割主動脈瓣超聲圖像序列方法，以解決現有技術存在的針對超聲長軸圖像進行主動脈瓣超聲圖像分割時存在不完整和嚴重溢出的問題。

本發明的目的是按如下的技術方案實現的：

一種基于幀間形狀約束的GCV模型分割主動脈瓣超聲圖像序列方法，其包括以下步驟：

a）獲取一組連續的主動脈瓣超聲圖像序列，數量為M，并提取每一幀圖像的扇形區域，非扇形區域的閾值為255；然后對每一幀圖像進行維納濾波；

b）進行維納濾波后，計算每一幀圖像的梯度矢量流場；并且在各圖像上均隨機定義一個初始演化曲線；

通過計算各所述初始演化曲線法向量方向與各所述梯度矢量流場方向夾角的余弦值，將梯度矢量流場作為能量約束項加入到CV模型框架，得到各圖像的GCV模型；

c）在第1幀圖像上手動定義四個點，然后利用B樣條插值形成閉合曲線，將該閉合曲線作為初始約束形狀；然后利用形狀比較函數將該初始約束形狀作為能量約束項加入到第1幀圖像的GCV模型中，然后最小化該GCV模型的能量泛函，得到第1幀圖像的主動脈瓣分割結果；

d）對第m幀圖像的主動脈瓣分割結果進行滾球法濾波，得到的結果作為第m+1幀圖像的非初始約束形狀，然后利用形狀比較函數將該非初始約束形狀作為能量約束項加入到第m+1幀圖像的GCV模型中，然后最小化該GCV模型的能量泛函，得到第m+1幀圖像的主動脈瓣分割結果；其中，1≤m≤M-1。