[發明專利]一種基于結構化信息極大分解的肌肉損傷超聲造影圖像分割方法

有效

• 申請號: 201510019412.4
• 申請日: 2015-01-14
• 公開（公告）號: CN104732517B
• 公開（公告）日: 2017-10-03
• 發明（設計）人: 陳東太郎;徐琪;曾衛明
• 申請（專利權）人: 上海海事大學
• 主分類號: G06T7/136
• 分類號: G06T7/136;A61B8/00
• 代理公司: 上海三和萬國知識產權代理事務所(普通合伙)31230
• 代理人: 陳偉勇

1.一種基于結構化信息極大分解的肌肉損傷超聲造影圖像分割方法，其特征是所述方法包括如下步驟：

步驟1：信號強度峰值時圖像幀的選取；

首先對原始肌肉損傷超聲造影圖像選取一個時間窗口；選取的方法為觀察圖像的灰度值強度，記錄灰度值強度最強的時刻為t_max，以t_max為中心時刻，選取區間為共計時間t秒的窗口，共計影像m幀；保留窗口內的所有圖像，舍去其余的圖像，得到能量值較高的肌肉損傷圖像；

步驟2：結構化紋理特征的提取；

使用局部二值模式方法對于對步驟1所得的圖像進行結構化紋理替換，從而產生圖像的紋理特征；

步驟3：基于結構化信息極大的獨立成分分析；

對步驟2替換后的結構化紋理影像進行獨立成分分析，使用基于信息極大準則的獨立成分分析方法，得到圖像的獨立分量；具體步驟如下：

步驟3.1：混合信號進行成分個數的估計；

對步驟2產生的結構化紋理特征圖像，進行基于拉普拉斯近似的源信號成分個數估計，從步驟2產生的結構化紋理特征圖像T中，得到源信號的成分個數n；

步驟3.2：獨立成分的分解；

利用步驟3.1得出的源信號成分個數n，對結構化紋理特征圖像T進行分解，得到相應的n個獨立成分；

結構化紋理特征圖像T分解為兩個矩陣，T＝AS，矩陣A表示混合矩陣，矩陣S表示源信號；公式中，T＝{T₁(x,y),T₂(x,y),...,T_i(x,y),...,T_m(x,y)}，T_i(x,y)為第i幀的局部二值模式圖像，m為步驟1中采樣的幀數；

假定x是線性混合模型的輸入，而所述線性混合模型具有如下形式：

yi=φi(wiTx)+nn]]>

其中，φ_i為某標量函數，w_i為權重向量；nn為加性高斯白噪聲；與之相對應的輸出熵為：

H(y)=H(φ1(w1Tx),φ2(w2Tx),...,φn(wnTx))]]>

利用熵變換的經典式，可得：

H(φ1(w1Tx),φ2(w2Tx),...,φn(wnTx))=H(x)+E{log|∂F∂W(x)}]]>

其中，表示混合模型所定義的函數，計算其導數，得到目標函數：

E{log|∂F∂W(x)}=ΣiE{logφn′(wnTx)}+log|detW|]]>

求解上述目標函數，將結構化紋理特征圖像T作為輸入，得到解混矩陣W，W可以表示為W＝[w₁,w₁,...,w_n]^T；之后通過S＝WT，計算得到n個獨立的成分信號；

步驟4：肌肉損傷區域邊界的確定；

基于信息熵的分類方法，將獨立的成分依據信息熵進行分類；其次基于并集圖像的圖像分割方法，對肌肉損傷的區域進行分割，并確定損傷肌肉的邊緣；具體步驟如下：

步驟4.1：獨立成分的分類；

以步驟3得到的n個成分信號，利用損傷肌肉、微氣泡、噪聲分布在不同的信息熵中的先驗知識，將n個獨立的成分信號分為三個集合，分別為肌肉組織成分集、微氣泡成分集和噪聲成分集；第一步，先計算信息熵：

H(Sk)=Σi=0,j=0255PijlogPij]]>

其中0≤i,j≤255，

其中，i為像素點Pixel(x,y)的像素值，j為其八鄰域像素點的均值；f(i,j)為像素點(i,j)概率密度函數，I_h為圖像的長度，I_w為圖像的寬度；

第二步，使用如下基于信息熵的分類方法將n個獨立的成分分為三個集合：

S_MT＝{S_k|H(S_k)＜ε₁}

S_MB＝{S_k|ε₁≤H(S_k)≤ε₂}

S_Noise＝{S_k|ε₂＜H(S_k)}

其中，S_MT為肌肉組織成分集，S_MB為微氣泡成分集，S_Noise噪聲成分集，ε₁為微氣泡成分集S_MB信息熵的最小閾值，ε₂為微氣泡成分集S_MB信息熵的最大閾值；

步驟4.2：損傷肌肉邊界的確定；

取步驟4.1所得的微氣泡成分集S_MB，使用基于并集圖像的分割方法，采用如下區域分割的準則，確定損傷肌肉邊界：

Boundary(SMB)={q(x,y)|q=∪i=1KSMBi,θ≤q(x,y)}]]>

其中，K為集合S_MB中的信號個數；i為集合中成分信號的標號，為S_MB集合中的第i個信號；并集圖像是指將多個信號求并集所獲得的圖像，為微氣泡的成分集S_MB的并集圖像，圖像大于等于閾值θ所組成的二值圖像q(x,y)就是最終的分割邊界Boundary(S_MB)。

2.如權利要求1所述基于結構化信息極大分解的肌肉損傷超聲造影圖像分割方法，其特征為步驟2包括如下步驟：

步驟2.1：標記信息的產生；

局部二值模式算子定義為在3×3大小的窗口內部，將周圍八鄰域的像素值與中心像素值進行比較，產生對應的標記信息；如下公式所示：

Pir(x,y)=1ifPi(x,y)≤Po(x,y)0ifotherwise]]>

其中，以中心像素點o為閾值，與周圍八鄰域中的每個像素點i進行比較，若周圍八鄰域中第i個像素值P_i(x,y)小于等于中心像素值P_o(x,y)，則該像素點的位置P_i^r(x,y)被標記為1，否則標記為0；

步驟2.2：結構化特征紋理的計算；

將步驟2.1產生標記信息在中心像素點的位置上產生一個新的八比特無符號數；生成的方法如下所示：

T(x,y)=Σi=1nPir(x,y)2i-1]]>

其中，P_i^r(x,y)為步驟2.1所產生的標記信息，T(x,y)為轉化后的八比特無符號數，其值域范圍為[0,255]；T(x,y)稱為該坐標(x,y)下的局部二值模式值，用以反映該坐標(x,y)鄰近區域的紋理特征。