[发明专利]基于径向函数表示的CT图像序列肺动脉形态变化检测方法

说明书

基于径向函数表示的CT图像序列肺动脉形态变化检测方法属于医学图像处理技术领域。本发明针对已经分割出的肺动脉目标序列，利用径向函数表示方法求取单个肺动脉目标的径向函数曲线，对于整个CTPA图像序列的肺动脉目标，就会有一族曲线与之对应；对该曲线族求取方差，得到方差函数曲线；求取方差曲线最大值所对应的角度，由此得到CTPA图像序列中肺动脉形态变化最为显著的角度方向。

技术领域

本发明涉及一种计算机断层扫描肺动脉血管造影(CTPA)图像序列肺动脉形态变化检测方法，属于医学图像处理技术领域。

背景技术

CTPA图像肺动脉自动分割是肺动脉疾病计算机辅助诊断的关键环节，对于肺动脉类疾病的早发现、早诊断与早治疗具有重要意义。肺动脉树具有复杂的解剖结构，具体表现为从血管主干出发逐渐分为叶、段和亚段等分支结构；这就导致在CTPA图像序列中，不同层级的肺动脉形态差异较大，可能会出现相邻两张图片中肺动脉的形态发生突变的情况，这给肺动脉分割带来了极大的困难。

目标跟踪法是一类基本的CTPA图像肺动脉分割方法，主动轮廓模型作为基于目标边缘轮廓的目标跟踪法，利用了图像的边缘信息和图像序列上下层间的关系信息，它能使曲线收敛到目标凹陷边缘处，适用于肺动脉这类不规则图形的检测分割。但当图像序列中相邻肺动脉发生形态突变时，主动轮廓模型有时不能准确达到目标形态突变后肺动脉的边缘，造成漏检或跟踪目标的丢失。因此，对于利用目标跟踪法初步分割出的目标进行形态变化的检测，确定出图像序列中目标形态变化显著的方向，是一项亟待解决的问题。

星凸形随机超曲面模型(RHM)能够对任意星凸形目标进行建模，现多用于利用雷达等传感器进行的扩展目标的跟踪，但是在医学图像序列目标跟踪领域的应用还较为罕见。利用RHM对目标进行建模的过程中，需将星凸形用径向函数表示，径向函数可分解为傅里叶级数，而形状的粗略轮廓可由傅里叶级数的低频谐波描述，形状的细节信息则由傅里叶级数的高频谐波表示，即径向函数能够反映目标的形状。对于CTPA图像肺动脉目标而言，利用这种径向函数表示方法来描述其形状是可行的。

发明内容

本发明的目的在于解决传统图像跟踪及分割算法在CTPA图像序列肺动脉分割中的上述技术问题，本方法结合目标的径向函数表示方法提供了一种CTPA图像序列肺动脉形态变化检测方法。

为实现上述目的，本发明采用的技术方案为一种基于径向函数表示的目标形态变化检测方法，该方法包括利用径向函数表示方法对于从各单张CTPA图像中初步分割出的肺动脉进行径向函数描述，得到径向函数曲线；对于整个图像序列则得到一簇径向函数曲线族，然后对曲线族求取方差，得到方差曲线；之后求取方差曲线的最大值所对应的角度，以确定目标序列形态变化最为显著的方向。

对于一个星凸形目标而言，其形心到边缘点的连线l与水平轴之间的夹角与l的长度r呈一一对应的关系；而一个目标的边缘是由一系列边缘点连接而成的，因此，以为横坐标，r为纵坐标，每个目标都会对应一个曲线；对于一个图像序列而言，其各张图像的目标都分别对应一个曲线，整个图像序列中的目标就会对应一族曲线

每给定一个特定的角度曲线族都会对应一组R_i值，这组R_i值的方差代表了在角度所确定的方向下，来自图像序列的不同目标间边缘点到形心距离的差异程度，方差越大说明在角度所确定的方向下目标形态变化越大。基于此，对曲线族求方差，得到方差曲线之后求取方差曲线的最大值对应的横坐标角度值即为图像序列中目标形态变化最为显著的方向。

附图说明

图1是本发明的基于径向函数表示的CTPA图像序列肺动脉形态变化检测方法流程图。

图2是本发明中待分析的CTPA图像序列肺动脉目标，白线表示肺动脉的边缘。

图3是本发明中目标径向函数表示示意图。

图4是本发明对图2序列中各目标进行径向函数表示形成的曲线族。