[发明专利]低对比度图像的脉管增强的方法及其系统

说明书

技术领域

本发明涉及医学图像处理技术领域，尤其涉及一种低对比度图像的脉管增强的方法及其系统。

背景技术

CTA（Computed tomographic angiography，计算机断层扫描造影增强）和MRI（MagneticResonanceImaging，核磁共振成像）都是较为常用的脉管影像诊断技术，在如血管、胆管及支气管等多种脉管分割上都有着广泛的应用。CTA图像经常带有低对比度、高噪声、边界模糊等影响我们观察和计算机识别的不良因素，MRI图像在进行分割处理时也会受到噪声很大程度的影响，使得在低对比度、高噪声下的脉管分割成为一个较为棘手的难题。由于检查者在进行扫描前被注射了造影剂，而造影剂在血液中的不均匀分布以及血管较为狭窄等因素造成医学图像上脉管的灰度不均甚至断裂等现象，这使得基于灰度值的图像分割算法以及依据理想情况下管状结构特征的分割算法失效。再加上人体脉管的结构复杂，在许多区域的脉管都非常细，传统的去噪方法都容易导致脉管信息的大量缺失，因此，在高噪声、低对比度下的医学图像中直接提取脉管成为值得深入探讨的难题。

目前，比较普遍的脉管增强技术是构造一个以Hessian（海赛）矩阵特征值为变量的特征函数去对我们提取的脉管特征进行判别，该方案首先计算出图像中每一像素点三维邻域内二阶导组成的Hessian矩阵，然后利用特征函数L＝f(λ₁；λ_c)*λ_c对Hessian矩阵的特征值进行判别，判别为正的像素点即处于脉管区域。脉管特征函数的构成多数是以高斯函数为主。例如ITK（ITK全称为Insight Segmentation and Registration Toolkit是美国国家卫生院下属的国立医学图书馆开发的一款医学图像处理软件包,是一个开源的、跨平台的影像分析扩展软件工具。）中使用的血管特征判别函数：

其中λ_c＝min(-λ₂，-λ₃)经过特征函数后，输出为正的结果像素点即为血管所在区域像素点。这是一种适应较为理想状况的脉管增强技术，它的主要缺陷是对于高噪声、低对比度的血管图像较为不敏感，因此提取出的血管分支不够丰富。浙江大学孔德兴等人的中国专利申请号为201210014249.9，发明名称为《CTA图像中肝脏血管增强及肝脏与血管同时分割的方法》的发明专利申请中，其技术方案使用了Hessian矩阵求取出三个方向的特征值，但是其需要计算血管的具体朝向，计算量大，计算速度也慢。

此外，大连海事大学申丽然等人的中国专利申请号为201210132164.0，发明名称为《一种X射线冠脉造影图像血管增强方法》的专利申请中技术方案采用通过判别Hessian矩阵特征值是否满足血管特征的方法去检测血管，但该技术方案仅限于二维平面图像，不适于三维立体图像，而且血管特征判别函数复杂。

综上可知，现有的低对比度图像的脉管增强技术在实际使用上，显然存在不便与缺陷，所以有必要加以改进。

发明内容

针对上述的缺陷，本发明的目的在于提供一种低对比度图像的脉管增强的方法及其系统，以实现对低对比度图像的脉管增强。

为了实现上述目的，本发明提供一种低对比度图像的脉管增强的方法，所述方法包括如下步骤：

去噪步骤：将输入的器官和/或组织的扫描图像进行直方图去噪处理，获取消除所述扫描图像中除脉管之外区域的干扰的去噪图像；

提取脉管步骤：通过特征增强函数增强所述去噪图像中脉管的特征，并输出所述脉管增强结果图；

脉管分割步骤：将提取到的所述脉管增强结果图进行分割处理，获取所述脉管的三维分割图像。

根据所述的方法，所述去噪步骤包括：

在所述器官和/或组织的扫描图像中选择需要分割所述脉管的区域；

根据选定的统计灰度范围对选择的所述区域进行直方图统计；

根据选定半径的灰度邻域以及所述灰度邻域的灰度中心值，将所述灰度范围的所述直方图统计结果分为多份再次进行统计，获得多个统计结果；

对所述多个统计结果求最大值；

根据所述最大值计算所述区域的最大沿度灰度值；

根据所述最大沿度灰度值重设所述区域内所有像素点的灰度值。

根据所述的方法，所述提取脉管步骤包括：