[发明专利]CTA图像中肝脏血管增强及肝脏与血管同时分割的方法

权利要求书

1.一种CTA图像中肝脏血管增强的方法，其特征在于，包括下述步骤：

(1)对图像进行预处理，并交互地初始化；

(2)确定图像I(x)每个像素点的各向异性特征及特征邻域；

(3)确定图像I(x)每个像素点特征邻域内的灰度分布特征和纹理特征；

(4)根据特征邻域内的灰度分布及纹理特征特征和各向异性特征增强血管；所述步骤(1)的具体过程是：

假设输入图像I(x)是三维灰度图像数据，其中x＝(x₁，x₂，x₃)，定义的区域为

对输入图像I(x)进行高斯平滑和中值滤波、去除噪声，将图像显示窗位调整至[0，N]；人工交互式地确定一块仅包含肝脏实质的区域

以上所述的符号表示集合包含；

所述步骤(2)的具体过程是：

假设图像I(x)是三维图像数据，其中x＝(x₁，x₂，x₃)，定义的区域为

a、计算每一个像素点x为中心，r为半径的球形邻域B(x，r)内灰度值分布的一阶矩

b、计算M¹(r，x)的三个特征值分别是λ₁，λ₂，λ₃，且假定λ₁≥λ₂≥λ₃，相应的特征向量分别是v₁，v₂，v₃；

c、利用一阶矩的特征值确定图像每个像素点的各向异性特征AS：

由于在血管的区域λ₁ ？λ₂，λ₃≈0，而在肝脏等区域λ₁≈λ₂≈λ₃，从而用下面的量表征各向异性特征：

AS=λ2+λ3λ1+λ2+λ3]]>

在血管内部AS≈0；

d、在每一个像素点确定一个椭球形特征邻域D(x，a(x)，b(x)，b(x))，椭球半径长度分别为a2(x)=τβ,b2(x)=τβ,]]>其中β=(1-32AS)×r+32AS,]]>椭球的三条径的方向相应地由v₁，v₂，v₃确定；

以上所述的符号：为向量的张量积，∫_B(x，r)表示在区域B(x，r)内积分，符号表示体积元，M⁰(r，x)表示零阶矩，即重心，符号≈表示近似等于，符号？表示远远大于，τ为常数，r为半径常数，β为包含有特征值信息的半径长度；

所述步骤(3)的具体过程是：

假设图像I(x)是三维图像数据，x＝(x₁，x₂，x₃)，定义的区域为图像灰度范围是[0，N]；

a、提取特征邻域内的灰度分布特征和纹理特征，计算每一个像素点x椭球形邻域D(x，a，b，b)中的累积灰度直方图F_x和初始化区域Ω₀中累积灰度直方图

b、计算任意点x累积灰度直方图F_x与累积直方图之间的Wasserstein距离W··(x)=W(Fx,FΩ00)=∫0N|Fx(z)-FΩ00(z)|dz;]]>为了加速计算，首先计算Ω₀内的灰度平均值m，图像灰度值小于m的直接设

c、计算Ω₀内的最大值从而得到修正的Wasserstein距离

W(x)=0,W··(x)<W··maxW··(x),W··(x)≥W··max,∀x∈Ω]]>

以上所述的符号D(x，a，b，b)为步骤(2)中得到的椭球形特征邻域，相应参数均如步骤(2)中所定义，a，b和b为相应椭球半径长度，Ω₀为步骤(1)中的初始化区域，N为图像最大灰度值；

所述步骤(4)的具体过程是：

假设图像I(x)是三维图像数据，x＝(x₁，x₂，x₃)，定义的区域为

计算Ω₀内W(x)最大值记为Ω/Ω₀内W(x)的均值W_mean，令，

W1(x)=0,W(x)<Wmax0W(x)-Wmax0Wmean-Wmax0,Wmean≥W(x)≥Wmax01,W(x)≥Wmean]]>

增强后的图像为

所述的符号Ω₀表示步骤(1)中定义的初始区域，Ω/Ω₀表示除去Ω₀的图像定义区域，AS为步骤(2)中定义的各向异性特征度量，W(x)为步骤(3)中定义的修正的Wasserstein距离。

2.一种CTA图像中肝脏与血管同时分割的方法，其特征在于，包括下述步骤：

(1)模型初始化；

(2)优化新的变分能量模型，同时分割肝脏和血管；

(3)进行后处理，分别得到肝脏轮廓及血管轮廓；

所述步骤(1)具体过程是：

设输入图像是三维图像数据，x＝(x₁，x₂，x₃)，定义的区域为图像灰度范围是[0，N]；在肝脏区域内部初始化一块区域Ω₀，其边界曲面记为C₀；令P(x)=W··(Fx,FΩ00),]]>其中W‾(Fx,FΩ00)=∫0N|Fx(z)-FΩ00(z)|dz]]>表示任意像素点x的小邻域Ω(x)内累积灰度直方图F_x与Ω₀内累积灰度直方图之间的Wasserstein距离；

所述步骤(2)具体内容是：

设图像是三维图像数据，x＝(x₁，x₂，x₃)，定义的区域为曲面C将图像分为内部肝脏区域Ω_in和外部背景区域Ω_out；

计算初始化区域Ω₀内图像灰度值均值m，标准差为σ.取μ＝m-3.0σ，η＝m+3.5σ；分割模型为以下新的变分能量模型：

所述Ω₀为步骤(1)的初始化区域，P(x)由步骤(1)计算得到，F_x为任意像素点x的小邻域Ω(x)内累积灰度直方图，为步骤(1)中初始化区域Ω₀内累积灰度直方图，是高斯核函数，符号*表示卷积，符号表示梯度，α，γ为常数，用于调节变分模型中的各项权重，常数δ表示高斯函数的窗宽，Ω_in表示曲面C内部包含的区域；符号表示在Ω_in内积分，符号表示在封闭曲面C上进行积分，ds表示曲面积分元，dΩ表示区域积分元；

所述步骤(3)具体过程是：

设图像是三维图像数据，x＝(x₁，x₂，x₃)，定义的区域为由步骤(2)中的方法得到的分割结果为曲面C_optimal，其内部包含的区域为Ω₁，外部为Ω₂，Ω₁∪Ω₂＝Ω；定义如下函数

H(x)=1,x∈Ω10,x∈Ω2]]>

计算Ω₁内图像的灰度值的均值m和方差σ，对二值函数H(x)填洞得到新的二值函数H₁(x)，H₂(x)＝H₁(x)-H(x)，进而得到肝脏区域

Hliver(x)=H1(x),I··(x)>m-σ0,I··(x)≤m-σ,]]>

血管区域

Hvessel(x)=H2(x),I··(x)>m-σ0,I··(x)≤m-σ.]]>