[发明专利]基于亚像素的血管分割方法及其分割系统

说明书

技术领域

本发明涉及血管分割技术领域，尤其涉及一种基于亚像素的血管 分割方法及其分割系统。

背景技术

近年来，随着生物医学成像技术及医学影像设备的迅猛发展，医 学图像的分辨率逐日提高，使得医学影像成为医学技术当中发展最为 迅速的领域之一。因此，医学图像处理技术在医学科研和临床实践的 作用、影响极其重要。医学图像分割是图像分割技术在医学领域的重 要应用，是医学图像处理中重要的一部分，能够给医生提供重要的临 床参考价值。在医学图像分割中，血管分割一直是研究的热点。

随着人类生活水平的提高，心脑血管疾病成为人类的头号死因， 对血管疾病的早期定量诊断和风险评估对延长人类预期寿命，提高人 类的身体抵抗力，起着非常关键的作用。X射线血管造影(X-Ray Angiogram,XRA)是通过造影剂显示血管的一种方法。从经过CT扫描 得到的造影图像中准确分割出血管树是进行可视化三维血管重建及 血管疾病诊断和治疗的重要前提，也是进行辅助诊断和外科手术的重 要保障。CT血管图像进行分割必须根据CT图像的特点寻求最佳的 可行方法，以提高医生诊断识别的正确率。鉴于血管复杂的形态结构， 以及成像环境中存在的噪音、造影剂衰减和分布不均匀等情况，导致 图像中常存血管目标模糊和局部形态特异等各种问题，从而无法对目 标对象(特别是血管细小末梢)进行准确分割。

因此，有必要提供一种新的基于亚像素的血管分割方法及其分割 系统来解决上述问题。

发明内容

本发明需要解决的技术问题是提供一种基于亚像素的血管分割 方法及其分割系统，其可以对血管进行准确分割。

本发明提供了一种基于亚像素的血管分割方法，包括以下步骤：

S1、对CT扫描获取的Dicom文件序列通过高位截取、反变换和 调窗处理三个环节进行预处理，将所述Dicom文件序列转换为计算 机通用的Bmp文件序列；

S2、对所述Bmp文件序列使用Canny算法进行粗边缘检测，并 生成粗边缘检测结果；

S3、将所述粗边缘检测结果生成链表记录下来，并保留原始灰度；

S4、使用Zernike矩对记录下来的所述粗边缘检测结果进行亚像 素的边缘定位以获取边缘坐标；

S5、根据所述边缘坐标使用漫水填充算法将血管区域填充，并通 过阈值分割获取三维血管结构；

S6、通过鼠标在所述三维血管结构中点击获取初始种子点，采用 26邻域对所述三维血管结构进行区域生长分割，实现交互式分割出 指定血管结构。

优选的，在步骤S1中，调窗处理环节将变换公式

和Center＝C/RS-RI,Width＝W/RS-RI Min＝Center-Width,Max＝Center+Width中的输入值划分为三类，划分标 Temp＝1024/(Max-Min)×g_m

准关联图像的截距和斜率，分别为Pixel_In≤Min、Pixel_In≥Max和 Other，其中，C为窗位，W为窗宽，RS、RI分别为斜率和截距，g_m为显示器的最大显示值，Pixel_In为输入的图像数据原始值，Pixel_Out 为输出的显示灰度值。

优选的，在步骤S2中，对于Canny算法中的阈值选取，结合Otsu 算法，自适应的获取高低阈值，将Canny算法得到的非极大值抑制图 像N(x,y)中的像素划分为N₁、N₂和N₃三个类别，根据三个类别的灰 度值期望，定义类间方差σ²(k,t)，根据公式获 得两个最佳阈值k^*和t^*，其中，N₁代表非极大值抑制图像N(x,y)中的 非边缘点，N₂代表非极大值抑制图像N(x,y)中需要判断边缘点的点， N₃代表非极大值抑制图像N(x,y)中的边缘点。

优选的，在步骤S4中，选取Zernike矩的7X7模板进行亚像素 边缘定位。

优选的，在步骤S6中，通过鼠标在指定血管中选取表现特征明 显的点作为用来进行方向引导的初始种子点，将初始种子点与其邻域 的体像素点之间的灰度差作为新种子点的判断依据一；将各相邻初始 种子点之间的单位向量与初始种子点到其邻域点方向的单位向量的 数量积作为新种子点判断依据二；根据判断依据一和判断依据二实现 交互式分割指定血管结构。

本发明还提供了一种基于亚像素的血管分割系统，包括：