[發(fā)明專利]一種基于結(jié)構(gòu)特征優(yōu)化的頸動脈級聯(lián)學(xué)習(xí)分割方法

有效

• 申請?zhí)枺?/td>: 202010040605.9
• 申請日: 2020-01-15
• 公開（公告）號: CN111242958B
• 公開（公告）日: 2022-04-08
• 發(fā)明（設(shè)計）人: 汪曉妍;祝騁路;黃曉潔;顧政;夏明;毛立朝;袁逸雯;陳勝勇
• 申請（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司 33241
• 代理人: 王利強

1.一種基于結(jié)構(gòu)特征優(yōu)化的頸動脈級聯(lián)學(xué)習(xí)分割方法，其特征在于，所述方法包括以下步驟：

步驟1、通過初始分割模型獲得預(yù)分割S:通過頸動脈分割方法獲得預(yù)分割的三維二值圖像；

步驟2、基于分割子區(qū)域的距離來優(yōu)化分割，過程如下：

步驟2.1：對預(yù)分割S提取其區(qū)域范圍信息，優(yōu)化分割結(jié)果，將n個分割區(qū)域分為最大區(qū)域R_max和待判定區(qū)域R_i(i＝1,...,n-1)；

步驟2.2：定義在S中根據(jù)8連通規(guī)則可統(tǒng)計所有的區(qū)域的點集R_i，其中包含體素個數(shù)最多的最大區(qū)域的點集R_m，通過計算其他區(qū)域點集與最大區(qū)域點集的歐氏距離，以最小的歐式距離代表區(qū)域間的距離：

D_i＝min||R_m-R_i||²，i＝{1，...，n-1}

S_n＝{R₀，...R_n-1，R_m}，S_n＝S_n-1∪{R_m}

其中S_n代表內(nèi)腔預(yù)分割的區(qū)域集合，包含n個區(qū)域，除去最大區(qū)域R_m，其余的區(qū)域為待判定區(qū)域R_i的集合S_n-1；

步驟2.3：然后利用距離門限值d_min來篩選預(yù)分割中的異常分割區(qū)域，得到優(yōu)化后的區(qū)域S_opt，

其中對于體素數(shù)量過大的區(qū)域，通過用Marching-Cubes方法構(gòu)建三維表面以簡化計算量；

步驟3、基于中心線端點距離來優(yōu)化分割，過程如下：

步驟3.1：分別對每個預(yù)分割提取其中心線信息，用三維細化方法Lee-1994獲得每個區(qū)域的中心線；

步驟3.2：對優(yōu)化后的區(qū)域的中心線，并找到他們的端點集P_i,對于最大區(qū)域R_m有其骨架的端點集P_m；

步驟3.3：計算待判定端點集P_i到最大區(qū)域端點P_m之間的歐氏距離，并用最大端點距離門限值來進一步篩選距離過大的區(qū)域，從而進一步優(yōu)化分割；

步驟4、基于血管方向和中心線端點向量夾角來優(yōu)化分割，過程如下：

步驟4.1：對優(yōu)化后的區(qū)域，在計算出每個待判定區(qū)域所代表的血管中心線后，利用主成分分析方法PCA來獲得該中心線的大致方向：

U∑V^T＝P(x，y，z)-P′(x′，y′，z′)

上式中，P(x,y,z)代表每個中心線上所有的點集位置構(gòu)成的n×3矩陣，P’(x’,y’,z’)為點集的平均位置，在SVD分解時他們行數(shù)相同，P’(x’,y’,z’)復(fù)制自身來實現(xiàn)，通過SVD分解之后矩陣V的第一行代表該中心線的方向，即血管方向V_c；

步驟4.2：用最大區(qū)域中心線端點和待判定區(qū)域端點定義端點向量集V_ep：

其中E_O和E_M分別為每個待判定中心線端點點集和最大區(qū)域中心線端點集；

步驟4.3：然后用端點向量集和血管方向集，定義中心線端點和最大區(qū)域中心線端點的夾角集A_i：

其中，

N代表端點向量集中的向量個數(shù)，C_opt為優(yōu)化后的中心線集，只要夾角集中有一個角度小于角度門限值θ_thr，該中心線代表的待判定區(qū)域就會保留；

步驟5、利用優(yōu)化后的分割訓(xùn)練新的分割模型：最后利用優(yōu)化后的預(yù)分割結(jié)果，結(jié)合初始圖像進行級聯(lián)分割模型的訓(xùn)練。

2.如權(quán)利要求1所述的一種基于結(jié)構(gòu)特征優(yōu)化的頸動脈級聯(lián)學(xué)習(xí)分割方法，其特征在于，所述步驟1中，分割方法為半自動三維主動輪廓模型方法、基于機器學(xué)習(xí)的分割方法或基于深度學(xué)習(xí)語義分割的方法。