[发明专利]基于块匹配自适应权重稀疏表示的病变血管精确检测方法

权利要求书

1.基于块匹配自适应权重稀疏表示的病变血管精确检测方法，其特征在于，按照以下步骤进行：

步骤1：生成多尺度血管训练集：将血管结构看作是人体内的线状结构，利用海森矩阵构造基于高斯卷积的多维线状结构滤波器，在传统半自动分割的血管训练集基础上，应用所构造的多维线状结构滤波器，将血管训练集转换成与血管尺度相关的训练集；

步骤2：利用多尺度分阶层血管跟踪算法，提取病变血管的中心轴线，沿轴线截面方向，以血管最大尺度为半径，抽取血管信息块，组建多尺度块信息库，信息块的大小为7×7×7体素，其尺度由抽取的目标血管尺度决定；

步骤3：基于稀疏表示的多尺度字典学习，通过稀疏表示算法，自适应地从块信息库中捕获局部病变血管特征；

步骤4：采用自适应权重稀疏表示分类算法进行病变血管精确检测：

其中p为待检测的目标血管信息块；·表示矩阵元素乘法；w表示块信息库d_s的自适应权重向量；W为权重相关的映射矩阵；a_i和a_j为块信息库d_s中任意两个信息块；λ₁、λ₂和λ₃为非负影响因素参数；为映射矩阵W的正规化，可以减小块信息库d_s中相似信息块的特征距离；根据目标信息块p的稀疏表示残差，定义p和血管的相似度，如下公式所示：

其中β为公式(2)优化所得稀疏表示系数，当目标信息块和血管相似度较高时，认定目标信息块p为血管的一部分，实现目标信息块的分类；待检测的目标信息块p的收集过程和训练集信息块的收集过程一致，即沿血管轴线截面方向，因此，目标信息块构成了一个待检测序列{p₀,...,p_n-1,p_n,...}，由于待检测信息块位置上的临近，临近信息块间的相似性使得p_n-1的稀疏表示参数可以引导p_n的参数优化，因此，公式(2)的优化求解过程分为以下五步：1)在p_n-1的尺度s_n-1附近搜索p_n的最优尺度s_n；2)在参数w_n-1、W_n-1和s_n确定的情况下，优化求解参数β_n，这种情况下，公式(2)转化为简单的传统稀疏表示优化求解问题，可以很容易得到最优解：其中G是关于X_n的对角矩阵；3)在参数W_n-1、β_n和s_n确定的情况下，优化求解参数w_n，这种情况下，公式(2)的拉格朗日函数满足Karush-Kuhn-Tucker同步收敛条件，进而获得w_n的最优解：其中ε_m-l+1为ε的第m-l+1个元素，m为β_n中的元素个数，l为β_n中非零元素个数，为全1矩阵，矩阵大小和权重矩阵wn一致；4)在参数w_n、β_n和s_n确定的情况下，优化求解参数W_n，这种情况下，公式(2)变成无约束最优化问题，可以使用传统的CG Schmidt(2005)优化算子进行求解；5)在参数w_n、W_n和s_n确定的情况下，重复第二步的优化求解过程，优化更新参数β_n。

2.按照权利要求1所述基于块匹配自适应权重稀疏表示的病变血管精确检测方法，其特征在于：所述步骤3过程如下：

其中d_s为尺度为s的块信息库，β为稀疏表示的系数向量，p为训练集中的信息块，d_s和β的优化求解由稀疏表示算法给出，稀疏表示的残差决定信息块的表征性，而表征性高的信息块将被放入多尺度字典，实现病变血管局部特征的捕捉。