[发明专利]一种脑血管分割方法、系统及电子设备

说明书

本申请涉及一种脑血管分割方法、系统及电子设备。该方法包括：对原始血管图像数据进行多尺度滤波增强处理，得到增强后的血管图像数据以及对应的方向向量场；建立有限混合模型，并估计所述有限混合模型的相关参数，得到类条件概率P(y|x)；计算所述血管图像数据的初始标记场，并将所述初始标记场与对应的方向向量场结合构成新的马尔可夫随机场；根据马尔可夫随机场与Gibbs分布的等价性得到类先验概率P(x)，基于类条件概率P(y|x)和类先验概率P(x)，通过最大后验概率和条件迭代模式得到所述血管图像数据的血管分割结果。本申请能够提取出更为有效的血管候选空间，提取出低对比度下的血管结构，使得所得血管网络更加完整。

技术领域

本申请属于医学图像处理技术领域，特别涉及一种脑血管分割方法、系统及电子设备。

背景技术

截止目前，已有大量的脑血管分割方法被提出，而且部分方法成功应用于临床诊断。现有脑血管分割方法分为基于骨架和非骨架两类。前者通过先探测血管中心线分割和重建血管，而后者则直接提取三维血管。报道较多的是基于非骨架分割方法，包括：尺度分析法、形变模型法、跟踪法、统计模型法以及混合模型法等。

血管的分割问题看作是标记问题，将造影数据中的所有点分为两类，即血管类(L_V)和背景类(L_B)。根据最大后验概率(Maximum a posterioriestimation,MAP)，点i的最终估计类别可由下式得到：

由式(1)可知，要得到点i的类别估计，首先需要计算类条件概率P(y|x)和类先验概率P(x)。求解P(y|x)的过程称为低级处理过程，而高级处理过程用来计算P(x)。在低级处理过程中，现有方法往往通过选择合适的有限混合模型(Fast Multiple Method，FMM)对原始数据的灰度直方图进行拟合，并且通过最大期望算法(Expectation MaximizationAlgorithm，EM)估计模型中的相关参数，从而得到类条件概率。