[发明专利]一种心室膜自动分割方法

权利要求书

1.一种心室膜自动分割方法，其特征在于：其方法步骤如下：

步骤1、读取心脏左心室MRI图像；

步骤2、对获得的心脏左心室MRI图像进行预处理；

(1)滤波去噪

选用双边滤波法处理图像，双边滤波引入的图像像素空间信息仍是高斯函数，用图像像素点间的欧式距离表示，如下式：

式(1)中：σ_d是图像空间域标准差。结合图像灰度信息，则可得双边滤波器公式：

其中，k₂用来调节像素点权值系数，

s(f(ε),f(x))用以度量像素点间的灰度关系

(2)帧差法裁剪图像

选用两帧差法对图像进行处理，两帧差法的具体流程如下：得到人体心室不断进行收缩或舒张变换的序列图像，选取同一序列图像中首末两帧图像第1帧和n帧，第1帧和n帧进行运算得到差分图像，通过提取分析差分图像中的连通区域信息，设置图像的裁剪范围，得到包含心脏左心室的裁剪序列图

步骤3、心室膜定位；

(1)自适应阀值分割法

采用基于图像斜率差分布的阈值分割法。利用图像直方图斜率变化，自适应确定阈值分割图像，具体步骤为：

1)首先对图像灰度值在区间[1,255]进行重排列，其标准化直方图P(x)由下列公式计算：

其中，N_i表示像素值i出现的频率，而N_j表示像素值j在区间[1,255]内出现的最大频率。

2)对归一化直方图分布进行频域滤波，对P(x)进行离散傅里叶变换转换到频域，用F(K)(K＝1,...,255)表示P(x)经过傅里叶变换后的标准化直方图分布：

基于大量图像的试错分析实验，为得到较好实验结果选择低频区间范围为[1 10]，利用带宽为10的低通滤波器F′(K)(K＝1,...,255)对P(x)进行滤波，保留低频部分，消除其余高频分量[67]，

在频域对直方图进行滤波后，将其转换到空间域：

为了计算斜率差，需要计算出空间域直方图P′(x)上每个点的两个方向的斜率，一个是该点的左侧，另一个位于该点的右侧。它们通过用线性方程拟合同一方向的N个相邻点来计算：

y_i＝ax_i+b (9)

[a,b]^T＝(B^TB)^-1B^TY (10)

Y＝[y₁,y₂,...,y_N] (12)

计算i点的斜率差s(i)：

s(i)＝a₂(i)-a₁(i)；i＝N+1,...,255-N (13)

用离散函数s(i)代表点的斜率差分布函数，并求解s(x)导数为零的方程：

得到具有最大差异的斜率差分布，取得极大值时的N_p个凸峰P_i，i＝1,...,N_v和取得极小值时的N_v个凹谷V_i，i＝1,...,N_v。选择当斜率差函数取绝对值最大值点作为阈值点

步骤4、改进LSF模型；

增强距离正则化

定义新双阱势函数NDWP为：

则双阱势函数有两个最小值分别是和

NDWP扩散率：

偏微分方程：

且

证明了势函数的扩散速率是有界的，得到一个NDWP的距离正则化项，LSF的演化是一个梯度流，它可以使能量函数最小化；且对LSF的梯度模进行约束，避免传统水平集曲线演化中的重新初始化，由图5得：

当r₃＞r₂＞0，曲线正向扩散，越扩散越小，曲线运动到NDWP需要的迭代次数明显少于DWP模型方法；

当r₂＜r₃＜0，曲线反向扩散，越扩散越大，NDWP模型方法分割效率高于DWP分割方法；

当曲线正向扩散，越扩散越小，曲线演化的结果是区域内距模型方法等值线较近，模型扩散速率对曲线演化影响较小；

总之，曲线扩散向着使或的方向进行

构建AGVF模型

利用扩散矩阵改进各向同性GVF模型，构造扩散矩阵，定义结构四通道张量J[70]：：

对各个通道进行非线性处理，

分解非线性结构张量，由于J是正定对称阵，利用(J-λE)x＝0，其中E为单位矩阵，x是非零向量，得到法线和切线方向对应特征值λ₁,λ₂。

再利用λ₁,λ₂，

得相应特征向量μ₁,μ₂

根据特征值对其进行重新定义，即

式中C₁∈(0,1),C₂＞0常数。定义扩散矩阵

则推出各向异性扩散方程为：

同理推出：

为使变分水平集模型更好的收敛到图像边缘凹陷处，在式(28)中加入各向异性函数和得AGVF模型能量泛函：

由根据上述扩散矩阵构造过程推出D。令U＝U_i，当AGVF能量函数取极小值时，推导出AGVF模型的计算方法为：

式(30)看出，AGVF模型考虑了图像区域和边缘多层信息，在同质区域，AGVF作用外力驱使模型曲线不断演化；在异质区域，减弱了图像梯度对模型演化的影响。创建了一定距离指向目标边缘的向量场，增大了模型演化曲线的捕捉范围

异质边缘能量控制项

异质灰度不均匀图像模型描述为：

I＝bJ+n (31)

其中，I是待分割图像；b是造成图像强度不均匀的偏置场，且b是缓慢渐变的；J是图像反射常量，在同质区域内相等；n是附加噪声；由图像偏置场是渐变的可知，在异质区域边缘像素点灰度值的变化缓慢，为增大突变像素点对比度，采用拉普拉斯模板通过与图像卷积运算，抑制同质区域像素点变化，增大异质边缘像素灰度值间差异。

则异质边缘能量控制项函数为：

式中：第一项是分割图像背景区域能量函数，第二项是前景区域能量函数，为拉普拉斯模板,c₁,c₂为模型演化曲线内外像素灰度均值。

步骤5、实验结果与分析

(1)分割过程及结果

1)读取DICOM格式心脏图像，如图7(a)；

2)采用双边滤波对图7(a)进行去噪，如图7(b)；

3)利用提出的阈值分割法，处理图7(b)，得二值图像图7(c)

4)利用改进Hough变换圆检测法处理图7(c)，完成对心室内膜的定位，如图7(d)。

5)利用DLSRE模型以定位心室膜为初始轮廓，分割左心室内外膜边缘轮廓；

6)当模型能量函数最小，则迭代结束，分割完成；否则能量函数驱使曲线演化，直至模型能量函数最优；最后，得到心室膜轮廓图7(e),内外膜三维能量图7(f)。