[發明專利]一種基于三維Zernike矩的腎臟動脈CT造影圖像血管分割方法

在審

• 申請號: 201610341794.7
• 申請日: 2016-05-20
• 公開（公告）號: CN105787958A
• 公開（公告）日: 2016-07-20
• 發明（設計）人: 楊冠羽;丁皓;顧金金;舒華忠
• 申請（專利權）人: 東南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 楊曉玲

1.一種基于三維Zernike矩的腎臟動脈CT造影圖像血管分割方法，其特征在于： 包括如下步驟：

步驟1：利用固定閾值區域生長方法及動脈主分支中軸線末端延伸方法獲取包含血 管腔的預測體素點集合；

步驟2：提取步驟1中預測體素點的局部幾何結構特征，并基于三維Zernike矩理 論計算預測體素點的向量化局部幾何結構特征描述子；

步驟3：利用支持向量機的學習分類模型對步驟2得到的向量化局部幾何結構特征 描述子進行區域類型識別，進而確定各個預測體素點的類型；所述類型包括血管腔類型 和血管腔類型以外的其他背景組織類型；

步驟4：對步驟3得到的預測體素點分類結果進行后處理，保留血管腔類型的預測 體素點，并通過固定閾值區域生長提取與血管腔類型的預測體素點連通的體素點，得到 完整的腎臟動脈血管分割結果。

2.根據權利要求1所述的基于三維Zernike矩的腎臟動脈CT造影圖像血管分割方 法，其特征在于：所述步驟1具體包括如下步驟：

(11)在腎臟動脈CT造影圖像中選取主動脈入口的種子點進行固定閾值T₁的區域 生長算法獲取腎臟動脈主要血管分支，并提取相應血管中軸線；

(12)利用腎臟掩膜濾除腎臟動脈CT造影圖像中的背景部分，通過固定閾值T₂的 區域生長算法獲取包含血管腔的圖像區域，并濾除步驟(11)中已經獲得的腎臟動脈主 要血管分支；

(13)通過延伸步驟(11)中獲取的腎臟動脈主要血管分支中軸線獲取血管末梢延 伸區域，以彌補步驟(12)中由于造影劑在末梢分布不均造成的斷裂遺漏情況，并與步 驟(12)中獲得的圖像區域合并，得到包含血管腔的預測體素點集合。

3.根據權利要求1所述的基于三維Zernike矩的腎臟動脈CT造影圖像血管分割方 法，其特征在于：所述步驟2具體包括如下步驟：

(21)對于第i個預測體素點v_i，提取以v_i為中心半徑為R的球體局部區域，以v_i的 灰度值I(v_i)為基準，下降k個百分比獲取閾值通過固定閾值的區 域生長算法獲取球體局部區域的幾何結構；k取值為球體局部區域中心體素點灰度的 +5％或球體局部區域中心體素點灰度的-5％；

(22)將步驟(21)中獲得的幾何結構映射到分辨率為2R+1的單位球中，并計算 階數為n的三維Zernike矩設定截斷階數為N，n∈[0,N]、l∈[0,n]、m∈[-l,l]且 n-l為偶數；將匯總為2l-1維向量并對Ω_nl求二階范式得 到具有空間旋轉不變性的描述子||Ω_nl||；將不同(n,l)確定的||Ω_nl||構成向量化局部幾何結 構特征描述子，以向量化局部幾何結構特征描述子表示預測體素點v_i的局部幾何結構特 征。

4.根據權利要求1所述的基于三維Zernike矩的腎臟動脈CT造影圖像血管分割方 法，其特征在于：所述步驟3具體包括如下步驟：

(31)利用已知的分別屬于血管腔類型和其他組織背景類型的體素點的向量化局部 幾何結構特征描述子作為訓練數據，并利用可支持向量機的機器學習算法對訓練數據進 行學習獲取分類模型；

(32)利用步驟(31)中獲得的分類模型對步驟2中獲得的預測體素點的向量化局 部幾何結構特征描述子進行類別判定，得到各個預測體素點的類型。

5.根據權利要求1所述的基于三維Zernike矩的腎臟動脈CT造影圖像血管分割方 法，其特征在于：所述步驟4具體過程為：根據步驟3中獲得的各個預測體素點的類型 對預測體素點進行分類處理，保留類別為血管腔類型的預測體素點，剔除血管腔類型以 外的其他背景組織類型的預測體素點，并利用固定閾值區域生長算法將保留的血管腔類 型的預測體素點和步驟1中提取的腎臟動脈主要血管分支進行連接，獲取完整的腎臟動 脈血管分割結果。