[發(fā)明專利]基于CT造影成像的活體動物下肢血管分割方法

有效

• 申請?zhí)枺?/td>: 201410729255.1
• 申請日: 2014-12-04
• 公開（公告）號: CN104484874A
• 公開（公告）日: 2015-04-01
• 發(fā)明（設計）人: 汪靜;康飛;張月華;陳雪利;李桂玉;邵亞輝;楊衛(wèi)東;李國權;王喆
• 申請（專利權）人: 中國人民解放軍第四軍醫(yī)大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 西安新思維專利商標事務所有限公司 61114
• 代理人: 李罡

1.基于CT造影成像的活體動物下肢血管分割方法，其特征在于：

由以下步驟實現(xiàn)：

(1)活體動物下肢區(qū)域的CT成像：

利用X光探測器采集活體動物下肢區(qū)域多個角度的投影數(shù)據(jù)；

利用濾波反投影方法對投影數(shù)據(jù)進行重建，得到活體動物下肢區(qū)域的CT數(shù)據(jù)；

(2)骨骼去除：

對重建后的活體動物下肢區(qū)域的CT數(shù)據(jù)進行閾值分割，保證分割后的數(shù)據(jù)中包括完整的骨密質(zhì)，所述骨密質(zhì)為骨骼的外輪廓；

對骨密質(zhì)做圖像填充處理得到骨骼；

逐漸對骨骼進行膨脹處理，使得膨脹后的骨骼在視覺上恰好與CT重建后的骨骼完全重疊；

將膨脹后的骨骼所對應的坐標點置為空氣的灰度值，得到活體動物下肢區(qū)域骨骼去除的CT圖像；

(3)稀疏加權：

(3a)計算骨骼去除的CT圖像每個灰度級體素所占體素總數(shù)的比例Q_l；

Ql=|{υ|S(υ)=l}N,l=1,...,L;]]>

其中υ為體素，S(υ)為體素的灰度值，l為灰度級，N為體素總數(shù)；

(3b)定義稀疏權重Wl；

W_l＝P_l·exp(-α(Q_l-Q_m))，l＝1，...，L；

其中Q_m為Q_l的中值，α為增強系數(shù)，控制著稀疏權重W_l對稀疏(血管)體素的增強程度，同時也控制著W_l對非稀疏(背景)體素的衰減程度；系數(shù)其中l(wèi)_m為l的加權平均值，即

lm=Σl=1LQl·l,l=1,...,L;]]>

(3c)稀疏加權后的圖像為S_SW(υ)；

SSW(υ)=Wl·S(υ)=llm·exp(-α(Ql-Qm))·S(υ),l=1,...,L;]]>

(4)多尺度線性濾波：

(4a)計算骨骼去除的CT圖像每個體素的Hessian矩陣；

H(υ)=▿2G(υ)⊗S(υ);]]>

其中G(υ)為二維高斯函數(shù)，▽表示卷積，▽²為二階導數(shù)算子；

(4b)根據(jù)高斯函數(shù)的可分性，將▽²G(υ)分解為其兩個一維基函數(shù)的乘積，Hessian矩陣H(υ)的計算由兩個一維卷積進行簡化計算；

(4c)求Hessian矩陣H(υ)的特征值，得到三個特征值分別為λ₁,λ₂,λ₃,，那么線性濾波的結果為V(υ)；

其中σ²值為高斯函數(shù)的方差，代表線性濾波的尺度；

(4d)選取在不同尺度σ²下最大的線性濾波結果中的最大值V^*(υ)；

V*(υ)=maxσ2{V(υ)};]]>

(5)歸一化處理

對稀疏加權圖像S_SW(υ)和線性濾波圖像V^*(υ)按照下式進行歸一化處理；

iυ=SSW(υ)-min(SSW(υ))max(SSW(υ))-min(SSW(υ))jυ=V*(υ)-min(V*(υ))max(V*(υ))-min(V*(υ));]]>

其中，i_υ∈[0,1]和j_υ∈[0,1]為歸一化處理后的稀疏加權圖像和線性濾波圖像；

(6)Coarse到Fine血管分割：

(6a)定義分割目標函數(shù)F(i_υ,j_υ)；

F(i_υ，j_υ)＝|{(i_υ，j_υ)∈Ω|(i_υ，j_υ)∈Λ}|-τ|{(i_υ，j_υ)∈Ω|(i_υ，j_υ)∈Ω-Λ}|；

其中Ω為歸一化的S_SW(υ)和V^*(υ)的全集空間，Λ為血管空間，補集Ω-Λ為背景空間，τ為分割參數(shù)，取值越大，表示算法對噪聲的敏感性越強；

(6b)定義血管空間Λ；

Λ={(iυ,jω)∈Ω|126Σn=126GSW(Hn(υ))≥lm};]]>

其中H_n(υ)，n＝1，...，26為體素υ的26鄰居體素；

(6c)采用Coarse到Fine策略求解目標函數(shù)F(i_υ,j_υ)取最大值時的分割結果υ_seg。