[发明专利]一种基于心脏CT图像和机器学习的心脏左腔区域分割方法

说明书

本发明公开了一种基于心脏CT图像和机器学习的心脏左腔区域分割方法，主要思路是将图像分割和三维网格分割相结合，先通过基于阈值的图像分割将心脏CT图像初始分割，然后通过区域生长等算法得到心脏左腔区域，然后生成心脏左腔区域三维网格，将心脏左腔区域三维网格进行过分割成小片；通过有监督分类将心脏左腔区域三维网格分割成若干个心脏左腔区域亚结构网格；小片特征的选取和组合是本发明的一个创新点，其中，特征向量除了小片的局部特征外，还包含了小片的上下文特征，以及小片的空间信息。本发明不但适用于基于CT心脏图像的分割，帮助医生以对心脏特定的部位进行研究，而且在其他领域中也具有一定的应用价值。

技术领域

本发明涉及图像分割技术领域，特别是一种基于心脏CT图像和机器学习的心脏左腔区域分割方法。

背景技术

由于CT图像具有信噪比较高、空间分辨率较高、成像速度较快、以及检查方便等优点，使得CT图像检查在心血管疾病的临床检查与诊断中非常普遍，占有非常重要的地位。CT图像对人体进行断层扫描，得到的每一幅图像是人体一个方向的一个切面。传统情况下，医生对CT图像进行诊断时，都是从二维的CT图像中观察和分析某个器官。由于心脏的解剖结构非常复杂，医生单纯从二维的CT断层图像中观察病变区域或者心脏的某一个特定的结构会非常不便。随着技术的革新和变迁，计算机辅助诊断技术也在不断的发展，从医学影像中分析得到有用的信息可以为医生提供很好的便利。将心脏CT图像三维重建后，医生通过观察三维图像，不再需要像从前那样通过连续的断层图像和空间想象能力去分析某个心脏特定结构，三维重建后的图像为医生能够直观地、细致地以及更加准确和便捷的地诊断疾病提供了便利。

要从CT影像数据中自动提取心脏结构信息，包括两个方面：一个心脏轮廓的提取，二是对心脏各亚结构的分离。左腔区域亚结构包括左心室、左心房、大血管、左心耳等，这些亚结构对于诊断心脏疾病有重要作用。从CT图像中提取心脏轮廓可以通过图像分割，而进一步分析得到亚结构需要通过三维网格分割。

图像分割在医学图像处理领域中是一项举足轻重的工作，它是为了让图像分割得到有意义的部分，从而方便后续的处理和图像分析。心脏是人体的重要器官，医学图像中关于心脏分割的研究也有很多。由于心脏的形态非常复杂，包含着多个腔室，以及周边特别繁多的血管，因此心脏三维图像分割具有独特的难度。相关研究已经成为了图像处理领域非常热门的方向，已经有非常多的研究人员投入到了这一方向的研究当中。尽管已经有了很多的心脏图像分割算法，但是它们中的很多都是半自动的，要有经验丰富的医生或经过训练的专门人员的干预才能完成分割，例如使用主动轮廓模型来做心脏分割的时候，需要事先确定轮廓线的初始位置。使用这样的算法时，如果需要处理的医学图像的数量很多，医生的工作量就会变得很大。而有一些算法需要借助很多通过手动分割的图像产生的形状模型或者灰度模型，这样的算法一方面计算方法很大，另一方面在有些情况下，并不能得到很好的分割效果。另外，每年产生大量的医学影像数据，使得大数据和机器学习的研究方法也运用到了心脏医学影像当中，然而适合处理大批量的心脏医学影像算法还不是很多。

另一方面，三维网格分割的工作也具有一定的挑战性。尽管已经有了很多网格分割算法，但是这些分割算法大多适用于非常理想化的网格模型，对现实中的实体模型的分割效果并不一定好。由于心脏形态结构的复杂性，心脏网格模型的分割更具有挑战性。目前，还有没有太多针对心脏网格模型进行分割的算法。将心脏网格模型分解成几个有意义的亚结构，可以为医生研究心脏的各个特定结构提供非常大的帮助，具有重要的意义和价值。