[发明专利]基于自适应表面形变模型的CT图像肝脏分割方法

权利要求书

1.基于自适应表面形变模型的CT图像肝脏分割方法，其特征在于，主要包括以下步骤：

第一步：利用各向异性扩散滤波对原始图像进行预处理，并得到初始边界图像；

第二步：模型初始位姿设定：输入肝脏的原始图像，并初始化成基于简单形变模型的球形描述模型，用于表示肝脏组织的初始表面；

第三步：模型内、外力计算：获得原始CT图像的梯度图并利用梯度计算模型的外力，并利用初始化的球形描述模型内部关系获得形变模型的内力；

其中，根据图像的梯度和边界信息计算模型的梯度力F_gradient和边界力F_edge，从而构建模型的外力F_external＝F_gradient+F_edge；其中，模型的梯度力F_gradient的计算公式如下：

其中，是一个在[0,1]内的权重系数，P_i是模型中的一个顶点，G_i是包含顶点P_i的m×m×m区域的中心点，是P_i点处的法线方向；其中权重系数使模型某点的梯度力F_gradient随着此点与二值图像I^binary(x,y,z)的边界距离增大而增大，计算公式如下：

其中，K是一个大于0的常量，f为根据原始图像的二值图像I^binary(x,y,z)得到的边界图，其计算公式如下：

其中，是梯度算子，是方差为σ的高斯核函数；

第四步：构建内外力的约束模型：利用原始图像的灰度直方图获得包含有分割目标区域的二值图像，并利用此二值图像约束模型的外力；

第五步：三角网格的自适应分解：在模型形变过程中，计算三角网格的面积，如果大于某一个阈值，则在三角网格的重心插入新的模型顶点，将原始的三角网格分解为三个面积较小的三角网格；

第六步：模型的迭代形变：设定迭代次数，进行模型的迭代形变，使其有效逼近目标区域，并得到最终分割结果。

2.如权利要求1所述的基于自适应表面形变模型的CT图像肝脏分割方法， 其特征在于，所述第三步中，模型的边界力F_edge的计算公式如下：

其中，是一个在[0,1]内的权重系数，P_i是模型中的一个顶点，E_i-P_i是与法向量共线的向量。

3.如权利要求2所述的基于自适应表面形变模型的CT图像肝脏分割方法，其特征在于，权重系数使模型某点的边界力F_edge随着此点与二值图像I^binary(x,y,z)的边界距离增大而减小，计算公式如下：

其中，K是一个大于0的常量，f为根据原始图像的二值图像I^binary(x,y,z)得到的边界图，其计算公式如下：

其中，是梯度算子，是方差为σ的高斯核函数。

4.如权利要求1所述的基于自适应表面形变模型的CT图像肝脏分割方法，其特征在于，所述第三步中，根据模型某顶点与其邻域的位置关系计算模型的切向力F_tangent和法向力F_normal，从而构建模型的内力F_internal＝F_tangent+F_normal。