[發(fā)明專利]一種基于統(tǒng)計(jì)偏微分模型的超聲造影圖像分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711347973.2
• 申請(qǐng)日: 2017-12-15
• 公開(kāi)（公告）號(hào): CN108090909B
• 公開(kāi)（公告）日: 2020-09-08
• 發(fā)明（設(shè)計(jì)）人: 郭燕麗;房斌;張偉;王翊;譚立文;方可敬;朱連華;劉燈
• 申請(qǐng)（專利權(quán)）人: 中國(guó)人民解放軍陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院;重慶大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/12;G06T7/13;G06T7/136;G06T7/149
• 代理公司: 重慶市前沿專利事務(wù)所(普通合伙) 50211
• 代理人: 顧曉玲

本發(fā)明公開(kāi)了一種基于統(tǒng)計(jì)偏微分模型的超聲造影圖像分割方法，包括預(yù)處理步驟和在線分割步驟，在預(yù)處理步驟中獲取待分割圖像和初始輪廓；在線分割步驟中以待分割圖像和初始輪廓為輸入量，獲得能量函數(shù)，在能量函數(shù)中引入邊緣停止函數(shù)以約束長(zhǎng)度項(xiàng)，并增加LoG圖像能量函數(shù)，對(duì)能量函數(shù)進(jìn)行數(shù)值求解，快速對(duì)單個(gè)或多個(gè)不同ROI圖像的目標(biāo)邊緣捕捉并分割。對(duì)超聲造影圖像中ROI進(jìn)行分割，通過(guò)觀察整個(gè)序列的分割結(jié)果，能輔助醫(yī)師獲取病灶區(qū)域及同一水平參照區(qū)，如在肝臟、腎臟等腹部實(shí)質(zhì)器官和乳腺、甲狀腺等淺表器官中腫塊的時(shí)間強(qiáng)度曲線，從而分析得到定量的指標(biāo)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種超聲造影圖像分割方法，特別是涉及一種基于統(tǒng)計(jì)偏微分模型的超聲造影圖像分割方法。

背景技術(shù)

圖像的分割技術(shù)在醫(yī)學(xué)超聲造影圖像的定性和定量分析中占據(jù)著十分重要的地位。在臨床超聲造影應(yīng)用中，超聲醫(yī)師往往是通過(guò)主觀分析不同的感興趣區(qū)域(Region ofInterest，ROI)動(dòng)態(tài)圖像的灌注強(qiáng)度、均勻度、灌注方式(彌漫性增強(qiáng)/向心性增強(qiáng))來(lái)判斷病灶的血供情況。然而，超聲造影得到的結(jié)果是一個(gè)視頻或Dicom序列，且存在噪聲，灰度分布不均，目標(biāo)對(duì)象的輪廓模糊等問(wèn)題，超聲醫(yī)師難以進(jìn)行主觀分析。

發(fā)明內(nèi)容

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題，特別創(chuàng)新地提出了一種基于統(tǒng)計(jì)偏微分模型的超聲造影圖像分割方法。

為了實(shí)現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了一種基于統(tǒng)計(jì)偏微分模型的超聲造影圖像分割方法，包括預(yù)處理步驟和在線分割步驟，

所述預(yù)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(shù)，在所述能量函數(shù)中引入邊緣停止函數(shù)以約束長(zhǎng)度項(xiàng)，并增加LoG圖像能量函數(shù)；對(duì)能量函數(shù)進(jìn)行數(shù)值求解，完成對(duì)單個(gè)或多個(gè)不同ROI的目標(biāo)邊緣捕捉并分割。

在本發(fā)明的另種優(yōu)選實(shí)施方式中，所述能量函數(shù)為：

其中，φ為水平集函數(shù)；u₁為活動(dòng)輪廓內(nèi)部區(qū)域中的灰度均值函數(shù)的簡(jiǎn)化描述；u₂為活動(dòng)輪廓外部區(qū)域中的灰度均值函數(shù)的簡(jiǎn)化描述；為活動(dòng)輪廓內(nèi)部區(qū)域中的方差函數(shù)的簡(jiǎn)化描述；為活動(dòng)輪廓外部區(qū)域中的方差函數(shù)的簡(jiǎn)化描述。

在本發(fā)明的再種優(yōu)選實(shí)施方式中，所述邊緣停止函數(shù)為：

其中，為標(biāo)準(zhǔn)差為的高斯核函數(shù)與待分割圖像I的卷積運(yùn)算式，取x為待分割圖像中的點(diǎn)，y為點(diǎn)x的領(lǐng)域內(nèi)的點(diǎn)；為梯度算子。

在本發(fā)明的再種優(yōu)選實(shí)施方式中，所述E^lgd能量項(xiàng)為：

其中，u₁(x)和u₂(x)分別為活動(dòng)輪廓的內(nèi)部區(qū)域Ω₁和外部區(qū)域Ω₂的灰度均值；和分別為活動(dòng)輪廓的內(nèi)部區(qū)域Ω₁和外部區(qū)域Ω₂的灰度方差；y為x的鄰域內(nèi)的點(diǎn)，鄰域半徑為r；K_σ(x-y)為高斯核函數(shù)，定義為

和分別為Ω₁和Ω₂區(qū)域的概率密度函數(shù)，分別為：

其中，I(y)為圖像I中點(diǎn)y的灰度值。

在本發(fā)明的再種優(yōu)選實(shí)施方式中，所述E^RS(φ)能量項(xiàng)為：

E^RS(φ)＝μP(φ)+vL^*(φ)+ωM_Δ(φ)；