[發明專利]一種基于統計偏微分模型的超聲造影圖像分割方法

有效

• 申請號: 201711347973.2
• 申請日: 2017-12-15
• 公開（公告）號: CN108090909B
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 郭燕麗;房斌;張偉;王翊;譚立文;方可敬;朱連華;劉燈
• 申請（專利權）人: 中國人民解放軍陸軍軍醫大學第一附屬醫院;重慶大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/12;G06T7/13;G06T7/136;G06T7/149
• 代理公司: 重慶市前沿專利事務所(普通合伙) 50211
• 代理人: 顧曉玲

1.一種基于統計偏微分模型的超聲造影圖像分割方法，其特征在于，包括預處理步驟和在線分割步驟，

所述預處理步驟為基于超聲造影圖像，獲取待分割圖像和初始輪廓；

所述在線分割步驟以待分割圖像和初始輪廓為輸入量，獲得能量函數，在能量函數中引入邊緣停止函數以約束長度項，并增加LoG圖像能量函數；對能量函數進行數值求解，完成對單個或多個不同ROI的目標邊緣捕捉并分割；

所述邊緣停止函數為：

其中，為標準差為的高斯核函數與待分割圖像I的卷積運算式，取x為待分割圖像中的點，y為點x的領域內的點；為梯度算子；

所述在線分割步驟的具體執行過程包括：

S10：將待分割圖像與初始輪廓作為RSLGD模型能量函數的輸入量，初始化參數；

其中所述RSLGD模型能量函數為：

其中，φ為水平集函數；u₁為活動輪廓內部區域中的灰度均值函數的簡化描述；u₂為活動輪廓外部區域中的灰度均值函數的簡化描述；為活動輪廓內部區域中的灰度方差函數的簡化描述；為活動輪廓外部區域中的灰度方差函數的簡化描述，表示RSLGD模型的能量函數；表示lgd模型的能量函數；E^RS(φ)表示LoG圖像邊緣信息能量函數；

S20：計算活動輪廓內部區域以及外部區域的平均灰度和方差；

S30：計算水平集函數；

S40：判斷梯度流方程的數值迭代運算是否收斂，若是，則停止迭代，輸出分割后的圖像數列和水平集函數；若不是，令p＝p+1，p為迭代次數，轉入到S20，繼續迭代循環；

S50：將分割后的圖像序列添加到原始圖像序列中。

2.如權利要求1所述的基于統計偏微分模型的超聲造影圖像分割方法，其特征在于，所述E^lgd能量項為：

其中，u₁(x)和u₂(x)分別為活動輪廓的內部區域Ω₁和外部區域Ω₂的灰度均值；和分別為活動輪廓的內部區域Ω₁和外部區域Ω₂的灰度方差；y為x的領域內的點，領域半徑為r；H(φ(y))為利用海氏函數對水平集函數φ(y)的處理結果，K_σ(x-y)為高斯函數，定義為

和分別為Ω₁和Ω₂區域的概率密布函數，分別為：

其中，I(y)為圖像I中點y的灰度值。

3.如權利要求1所述的基于統計偏微分模型的超聲造影圖像分割方法，其特征在于，所述E^RS(φ)能量項為：

E^RS(φ)＝μP(φ)+vL^*(φ)+ωM_Δ(φ)；

其中，所述P(φ)為規則項；M_Δ(φ)為優化后的LoG項圖像能量函數；L^*(φ)為增加了邊緣停止函數的新長度項，定義為：

為先利用海式函數對水平集函數φ(x)進行處理，再求H(φ(x))的梯度圖像；μ，v和ω為權系數。

4.如權利要求3所述的基于統計偏微分模型的超聲造影圖像分割方法，其特征在于，所述規則項P(φ)為：

其中，φ(x)為x的水平集函數。

5.如權利要求3所述的基于統計偏微分模型的超聲造影圖像分割方法，其特征在于，所述LoG項M_Δ(φ)定義為：

M_Δ(φ)＝∫_ΩH(φ)M(x)dx；

其中，M(x)為LoG圖像在點x處的灰度值，定義為：

上式中，β為正數，M為LoG圖像；Δ(G_σ*I)為二階偏微分邊緣檢測算子。