国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種新的基于變分能量的肝臟分割方法

      文檔序號(hào):8431472閱讀:215來(lái)源:國(guó)知局
      一種新的基于變分能量的肝臟分割方法
      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明是關(guān)于醫(yī)學(xué)圖像處理領(lǐng)域,特別涉及一種新的基于變分能量的肝臟分割方 法。
      【背景技術(shù)】
      [0002] 目前,肝臟疾病是臨床上發(fā)病概率比較高的疾病,直接威脅到人們的生命。所以肝 臟疾病的準(zhǔn)確診斷具有重要的醫(yī)學(xué)意義,而肝臟提取和定量分析對(duì)肝臟疾病的診斷起到了 決定性的作用。CT機(jī),即計(jì)算機(jī)斷層掃描機(jī),是獲得肝臟影像圖片的常用設(shè)備。它利用人 體器官對(duì)X射線的吸收能力各異的特性,攝取被檢查部位的一系列平面灰度斷層圖像,醫(yī) 生則通過(guò)連續(xù)地查看這些圖像來(lái)判斷病灶的病變位置、特征、大小、同周?chē)M織之間的關(guān)系 等。但僅靠一系列灰度圖像很難準(zhǔn)確地診斷疾病以及制定恰當(dāng)?shù)闹委煼桨?,而直接在CTA 圖像上,即CT血管造影圖像上,人工描繪肝臟輪廓又是非常耗時(shí)、缺乏魯棒性的,所以急需 建立好的肝臟分割模型。非人工的肝臟分割方法有半自動(dòng)和全自動(dòng)兩大類(lèi)方法。半自動(dòng)方 法需要人機(jī)交互,全自動(dòng)方法則不需要任何人工干預(yù),然而半自動(dòng)方法在臨床應(yīng)用上依然 具有優(yōu)勢(shì),特別是處理像肝臟這樣形變各異的臟器。上述兩類(lèi)方法的典型代表有基于灰度 的方法、概率圖譜方法、水平集方法、區(qū)域增長(zhǎng)方法、Active Shape model等,這些方法各有 優(yōu)缺點(diǎn),但共有的問(wèn)題是:(1)無(wú)法完全將肝臟同周?chē)尺B組織分割開(kāi);(2)無(wú)法正確地分 割含灰度病變的肝臟。為解決問(wèn)題(1)彭佳林在其專(zhuān)利《CTA圖像中肝臟血管增強(qiáng)及肝臟 與血管同時(shí)分割的方法》中提出了混合變分模型,該模型利用由初始化區(qū)域估計(jì)得到的灰 度信息和區(qū)域信息來(lái)分割肝臟,很好地解決了問(wèn)題(1),但依舊解決不了問(wèn)題(2)。另外CTA 圖像的低對(duì)比度、高噪聲、模糊邊界的特性,使得克服問(wèn)題⑵更具難度。

      【發(fā)明內(nèi)容】

      [0003] 本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)中的不足,提供一種既適用于健康肝臟,又 適用于存在低灰度或高灰度病變肝臟的肝臟分割方法。為解決上述技術(shù)問(wèn)題,本發(fā)明的解 決方案是:
      [0004] 提供一種新的基于變分能量的肝臟分割方法,用于對(duì)CTA圖像,即計(jì)算機(jī)斷層掃 描血管造影圖像中的肝臟進(jìn)行分割,包括下列步驟:
      [0005] 步驟1:對(duì)CTA圖像進(jìn)行預(yù)處理,交互式獲得初始化區(qū)域;
      [0006] 步驟2:確定圖像中各像素點(diǎn)到各初始化區(qū)域的測(cè)地距離;
      [0007] 步驟3:確定圖像中各像素點(diǎn)的特征鄰域內(nèi)的特征累積分布直方圖以及區(qū)域表征 項(xiàng);
      [0008] 步驟4:優(yōu)化新的變分能量模型,并分割肝臟;
      [0009] 步驟5 :進(jìn)行后處理,得到肝臟的輪廓;
      [0010] 所述步驟1的具體過(guò)程是:
      [0011]假設(shè)輸入的CTA圖像I(x)為三維灰度圖像數(shù)據(jù),圖像I(x)定義域?yàn)镺d5,灰度 范圍為[0, N],像素點(diǎn)為x = (Xp x2, x3);
      [0012] 對(duì)圖像I(x)進(jìn)行Laplace平滑,去除噪聲;然后在肝臟內(nèi)部初始化兩塊區(qū)域 4、#,并計(jì)算兩個(gè)區(qū)域的灰度均值和w::、標(biāo)準(zhǔn)差4和4,取//, = ITOX丨W; -3.2<肩,
      【主權(quán)項(xiàng)】
      1. 一種新的基于變分能量的肝臟分割方法,用于對(duì)CTA圖像,即計(jì)算機(jī)斷層掃描血管 造影圖像中的肝臟進(jìn)行分割,其特征在于,包括下列步驟: 步驟1 :對(duì)CTA圖像進(jìn)行預(yù)處理,交互式獲得初始化區(qū)域; 步驟2 :確定圖像中各像素點(diǎn)到各初始化區(qū)域的測(cè)地距離; 步驟3 :確定圖像中各像素點(diǎn)的特征鄰域內(nèi)的特征累積分布直方圖以及區(qū)域表征項(xiàng); 步驟4 :優(yōu)化新的變分能量模型,并分割肝臟; 步驟5 :進(jìn)行后處理,得到肝臟的輪廓; 所述步驟1的具體過(guò)程是: 假設(shè)輸入的CTA圖像I(X)為三維灰度圖像數(shù)據(jù),圖像I(X)定義域?yàn)镺cI5,灰度范圍 為[〇, N],像素點(diǎn)為 X = (X1, x2, X3);
      對(duì)圖像I(X)進(jìn)行Laplace平滑,去除噪聲;然后在肝臟內(nèi)部初始化兩塊區(qū)域0、Γ|:, 并計(jì)算兩個(gè)區(qū)域的灰度均值》4和4、標(biāo)準(zhǔn)差4和取
      以上所述符號(hào)R3表示三維歐式空間,符號(hào)C表示集合包含于,N表示自然數(shù); 所述步驟2的具體過(guò)程是: 對(duì)圖像I(x)中的每一像素點(diǎn)X,計(jì)算其到每個(gè)初始化區(qū)域的測(cè)地距離Di(X):
      Λ是由所有從像素點(diǎn)t到像素點(diǎn)X的路徑組 成的集合
      β是正參數(shù),取值范圍在〇~1之間,ψ是梯度算子,I I表 示模長(zhǎng),丨ix表示從t到X的路徑上的曲線積分,ds表示曲線積分元,e表示元素屬于,s是 指像素點(diǎn),I (s)是指像素點(diǎn)s的灰度值; 所述步驟3的具體過(guò)程,分別進(jìn)行如下處理: 步驟A :選取圖像I(X)的灰度、紋理、局部灰度標(biāo)準(zhǔn)差作為圖像的聯(lián)合特征來(lái)描述區(qū)域 表征項(xiàng)F1 (X); 步驟B :對(duì)圖像I(X)的每一個(gè)像素點(diǎn)X,計(jì)算以X為中心的小鄰域O(X) RF1(X)的累 積分布直方圖Fx; 步驟C :確定步驟1中形成的初始化區(qū)域〇?,內(nèi)區(qū)域表征的累積分布直方圖Fi, i = 1, 2 ; 步驟D :確定基于區(qū)域CX.的區(qū)域表征項(xiàng)P i= W(F x,F(xiàn)i),i = 1,2, I v 其中,W(Fx,F(xiàn)i)表示F丨之間的Wasserstein距離; 所述步驟4的具體過(guò)程是: 通過(guò)極小化如下的變分能量泛函得到最優(yōu)的分割曲面C%
      ? 所述f(x)為閾值函數(shù),用來(lái)分割出肝臟以及腫瘤的大部分區(qū)域,具體形式如下:
      其中H(X)為Heviside函數(shù)
      其中 D (X) = D2 (X) -D1 (X),Di (i = 1,2)為步驟 2 計(jì)算所得; 所述勢(shì)能函數(shù) P GO = H (D (X)) P1 (X) + (1-H (D (X))) P2 (X),Pi (X) (i = 1,2)為步驟 3 計(jì) 算所得; 上述符號(hào)α,γ為正常數(shù),取值范圍分別為50~80和65~100,用于調(diào)節(jié)變分模型 中各項(xiàng)的權(quán)重;示曲面C的內(nèi)部區(qū)域,這里曲面C表示任意一個(gè)可能的分割曲面,(Τ表 示所有可能的分割曲面中的最優(yōu)分割曲面;£表示在封閉曲面C上的積分;t表示在區(qū)域 Ω 1內(nèi)的積分;ds表示曲面積分元;(1Ω表示區(qū)域積分元; 步驟5的具體過(guò)程,分別進(jìn)行如下處理: 步驟a :用Laplace算子光滑最優(yōu)曲面Cf; 步驟b:記Cf的內(nèi)部和外部區(qū)域分別為Ω ?η、Ω_,則DinU Ω _= Ω,定義如下函數(shù): 計(jì)算Din內(nèi)圖像Ι(χ)的灰度均值Hi1和灰度標(biāo)準(zhǔn)差〇 1;
      , 步驟C :對(duì)二值函數(shù)X (X)填洞得到新二值函數(shù)Xi(X),從而可按如下方式得到肝臟區(qū)
      【專(zhuān)利摘要】本發(fā)明涉及醫(yī)學(xué)圖像處理領(lǐng)域,旨在提供一種新的基于變分能量的肝臟分割方法。該種新的基于變分能量的肝臟分割方法包括步驟:對(duì)CTA圖像進(jìn)行預(yù)處理,交互式獲得初始化區(qū)域;確定圖像中各像素點(diǎn)到各初始化區(qū)域的測(cè)地距離;確定圖像中各像素點(diǎn)的特征鄰域內(nèi)的特征累積分布直方圖以及區(qū)域表征項(xiàng);優(yōu)化新的變分能量模型,并分割肝臟;進(jìn)行后處理,得到肝臟的輪廓。本發(fā)明的模型借助于測(cè)地距離來(lái)自適應(yīng)地選擇由初始化區(qū)域估計(jì)得來(lái)的灰度先驗(yàn)信息和區(qū)域特征先驗(yàn)信息,不僅可以有效地將健康的肝臟分割出來(lái),而且當(dāng)肝臟內(nèi)部含有低灰度或者高灰度病變時(shí),本發(fā)明方法也能準(zhǔn)確地將病變肝臟分割出來(lái)。
      【IPC分類(lèi)】G06T7-00
      【公開(kāi)號(hào)】CN104751457
      【申請(qǐng)?zhí)枴緾N201510122577
      【發(fā)明人】盧方, 彭佳林, 孔德興, 胡佩君, 洪源
      【申請(qǐng)人】浙江德尚韻興圖像科技有限公司
      【公開(kāi)日】2015年7月1日
      【申請(qǐng)日】2015年3月19日
      網(wǎng)友詢(xún)問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1