[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

说明书

本发明公开了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，生成多尺度血管训练集；基于血管轴线的信息块抽取；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；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。本发明的有益效果是：本发明针对病变血管无法精准检测的难点，提出基于块匹配自适应权重稀疏表示检测算法，利用血管信息块中所包含的冗余信息极大地提高了病变血管的检测精度，并采用自适应权重算法和多尺度训练集降低了稀疏表示检测算法的计算量。

技术领域

本发明属于医学技术领域，涉及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。

背景技术

目前，血管分割技术针对复杂环境下的健康血管取得了较高的分割精度，但是面对病变血管时会出现较高的误检率和漏检率，使得检测结果缺乏临床指导意义。包含于多尺度训练集中的冗余信息是自适应权重稀疏表示方法实现病变血管精准检测的关键。然而，稀疏表示方法所带来的巨大计算量严重降低了检测算法的收敛性。

发明内容

本发明的目的在于提供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，本发明的有益效果是：针对CT图像中病变血管无法精准检测的难点，提出基于块匹配自适应权重稀疏表示检测算法，利用血管信息块中所包含的冗余信息极大地提高了病变血管的检测精度，并采用自适应权重算法和多尺度训练集降低了稀疏表示检测算法的计算量。

本发明所采用的技术方案是按照以下步骤进行：

步骤1：生成多尺度血管训练集；

步骤2：基于血管轴线的信息块抽取；

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。

进一步，步骤1是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。

进一步，步骤2是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，从多尺度血管训练集中，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。

进一步，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。多尺度字典学习(步骤3)和稀疏表示优化求解(步骤4)迭代进行。设定一个残差阈值，当信息库中块的稀疏表示残差大于阈值时，该块将被放入字典，实现多尺度字典的更新学习。

进一步，步骤4过程如下：

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：