[发明专利]一种基于磁共振血管造影图像的脑血管分割方法和系统

权利要求书

1.一种基于磁共振血管造影图像的脑血管分割方法，其特征在于，包括：

步骤1、获取待脑血管分割的磁共振血管造影图像，对该磁共振血管造影图像的灰度直方图进行分析，得到灰度值的分布特征，根据该分布特征，确定拟合区域；

步骤2、通过粒子群优化算法得到多高斯聚焦模型的参数，并依据该参数使用多高斯聚焦模型对该灰度直方图中的拟合区域进行拟合，得到血管类的第一似然概率和非血管类的第二似然概率，根据该第一似然概率和该第二似然概率对磁共振血管造影图像中各像素点进行最大似然分类，得到初级脑血管分割结果；

步骤3、基于三维加权邻域系统，建立三维马尔科夫随机场，通过该三维马尔科夫随机场执行Gibbs分布，得到分类的先验概率；

步骤4、将该第一似然概率、该第二似然概率和该先验概率输入至最大后验概率估计模型，得到血管类的后验概率和非血管类的后验概率，以该初级脑血管分割结果为初值，根据条件迭代模型，最大化分类的后验概率，直到分类结果不再改变或者达到最大迭代次数，停止迭代，得到最终的脑血管分割结果。

2.如权利要求1所述的基于磁共振血管造影图像的脑血管分割方法，其特征在于，步骤1中该分布特征包括极值点以及百分位点。

3.如权利要求1所述的基于磁共振血管造影图像的脑血管分割方法，其特征在于，该步骤2包括：

步骤201、采用双高斯模型对脑血管组织和非血管组织的灰度值分布分别进行建模，将模型的拟合区域细化该拟合区域，多高斯聚焦模型的概率密度函数如下：

f(x)＝w_G1f_G1(x)+w_G2f_G2(x)+w_G3f_G3(x)+w_G4f_G4(x)

其中x代表图像体素点对应的灰度值，f_G1和f_G2代表脑血管对应的高斯分布函数，f_G3和f_G4代表非血管组织对应的高斯分布函数，w_G1,w_G2,w_G3和w_G4是对应高斯分布函数的权重值；

高斯分布函数f_Gl如下：

其中μ_Gl和σ_Gl分别代表高斯分布函数f_Gl的均值和标准差；

步骤202、由该步骤201中多高斯聚焦模型的概率密度函数，得到模型的参数向量(w_G1,w_G2,w_G3,w_G4,μ_G1,σ_G1,μ_G2,σ_G2,μ_G3,σ_G3,μ_G4,σ_G4)，分别使用V和B代表血管类和非血管类，根据图像体素i对应的灰度值x_i，分别得到该灰度值x_i属于血管类的似然概率p(x|V)和属于非血管类的似然概率p(x|B):

p(x|V)＝w_G1f_G1(x_i)+w_G2f_G2(x_i)；p(x|B)＝w_G3f_G3(x_i)+w_G4f_G4(x_i)

其中，x_i是三维MRA图像中的体素点对应的灰度值。

步骤203、根据最大似然分类，当像素灰度值满足：

w_G1f_G1(x_i)+w_G2f_G2(x_i)w_G3f_G3(x_i)+w_G4f_G4(x_i)

则该像素点属于血管类，对图像所有像素点进行分类判断，得到初步的脑血管分割结果。