[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有效
申请号: | 201911105440.2 | 申请日: | 2019-11-13 |
公开(公告)号: | CN111126403B | 公开(公告)日: | 2023-10-24 |
发明(设计)人: | 万晓华;吕智龙;张法;王醒策;刘新宇 | 申请(专利权)人: | 中国科学院计算技术研究所 |
主分类号: | G06V10/26 | 分类号: | G06V10/26;G06V10/50;G06V10/764 |
代理公司: | 北京律诚同业知识产权代理有限公司 11006 | 代理人: | 祁建国 |
地址: | 100080 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 磁共振 血管 造影 图像 脑血管 分割 方法 系统 | ||
本发明提出一种基于磁共振血管造影图像的脑血管分割方法和系统.发明目的是解决现有的基于统计模型的MRA图像脑血管分割方法中对细小血管的分割效果较差,血管的连续性不足的问题。针对已有模型中采用的单高斯模型来刻画脑血管灰度值分布的不足,本发明提出采用双高斯模型对脑血管组织进行建模。对MRA图像的整体灰度值分布进行拟合易产生参数漂移的问题,本发明提出细化灰度直方图的拟合区域,重点关注与脑血管分布相关的中高灰度值区域。另外,还引入了三维加权马尔科夫随机场,利用图像的局部邻域信息提高分割结果的连续性。
技术领域
本发明涉及图像处理技术领域,并特别涉及一种基于磁共振血管造影图像的脑血管分割方法和系统。
背景技术
磁共振血管造影(magnetic resonance angiography,MRA)技术是目前临床医学上用于脑血管成像的首要选择。从MRA图像中精确地分割出脑血管的结构对于脑血管疾病的诊断,治疗和评估是至关重要的。但由于脑部医学图像组织构成复杂,组织间的灰度相近,使得该领域图像分割任务具有很大的挑战性。因此有关脑血管的分割方法的一直是研究的重点,其中基于统计模型的分割方法是一种有效的方法。
针对通过时间飞跃法采集得到的MRA图像的特点,即不同组织的灰度值分布范围不同,并根据统计学理论,相同组织具有相同的分布特征。因此,现有的基于统计模型的脑血管分割算法通过有限混合模型对脑部组织的分布进行建模,并对组织的灰度值分布进行拟合,进而根据像素的概率密度区分血管和其他脑组织来实现脑血管分割。已有的有限混合模型对血管组织采用单高斯分布进行建模,对非血管组织采用其他有限混合模型进行建模,并在整体灰度值范围内对MRA图像的灰度值分布进行拟合。同时,一些分割方法也结合马尔科夫随机场来改善分割效果,也取得了一些效果。总体上,已有的基于统计模型的脑血管分割算法可以得到基本的脑血管结构,但对细小血管的分割效果较差,血管的连续性不足。因此改善对细小血管的分割效果,并提高血管分割结果的连续性,是目前亟待解决的问题。
Wilson and Noble(1999)首次提出采用两个高斯分布和一个均匀分布组成的有限混合模型,对脑血管组织的分布采用一个高斯分布进行建模,该模型可以得到基本的脑血管结构,但整体分割结果粗糙。Hassouna等人(2006)进一步提出了三个高斯分布和一个瑞利分布组成的有限混合模型,仍然采用单高斯模型对脑血管分布进行建模,但是对其余脑部组织采用双高斯分布和单瑞利分布进行建模。同时,他们考虑了三维MRA图像中像素点间的邻域关系,建立了三维马尔科夫随机场,并根据Hammersley-Clifford理论,通过Gibbs分布计算得到了分类的先验概率。综合由有限混合模型得到的分类似然概率,和三维马尔科夫随机场得到的分类先验概率,通过最大后验概率估计和条件迭代模型,计算得到最终的脑血管分类结果,并且在细节上表现有所提升。之后,Wen等人(2015)提出可以采用双高斯分布和单瑞利分布的混合高斯模型,并且通过三维马尔科夫随机场加强对混合高斯模型的参数的约,但分割效果不稳定,方法健壮性不足。还有一些其他的统计模型的分割方法中提出了不同有限混合模型,但分割效果提升不大。
目前已有的统计模型的脑血管分割方法的基本全部采用单高斯分布对脑血管进行建模,然而单高斯分布极易忽略血管组织与非血管组织的混合区域,这恰好是灰度值较低的细小血管所处的位置。因此,目前的方法难以分割出细节清楚的微小血管。其次,已有的算法都在力图对MRA图像的整体灰度值分布进行建模,但是由于MRA图像中非血管组织占比接近95%,这导致模型的绝大部分成分关注的是明显与脑血管无关的其他组织,十分容易产生参数估计漂移,影响分割效果。最后,已有的基于马尔科夫随机场改善分割效果的算法对局部邻域信息的刻画不够准确和充分,这也会影响最终的分割效果。
发明内容
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所,未经中国科学院计算技术研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911105440.2/2.html,转载请声明来源钻瓜专利网。