[发明专利]一种自动分割左心室内外膜的方法

权利要求书

1.一种自动分割左心室内外膜的方法，其步骤如下：

1)选取需要处理的左心室MRI图像，并输入图像；

2)图像聚类处理，选用优化Mean Shift聚类算法对左心室MRI图像进行预处理；

由Mean Shift向量的基本形式，在d维空间中n个样本点x_i，i＝1,2,…,n,则：

其中：x表示空间中任选的一点，k表示在这n个样本点x_i中,有k个点落入s_k区域中；

上式中，S_h是一个半径h的球形区域，定义为：

S_h＝(y|(y-x)(y-x)^T≤h²) (2)

其中：y是在一个半径为h的高维球区域s_h,满足公式(2)的集合,x表示空间中样本点；

引入核函数和增加样本权重来解决(1)式中存在问题；在核函数中引入高斯核函数：

得到改进后的Mean Shift聚类算法形式：

其中，G(x)是单位核函数：

其中，H是带宽矩阵，即正定的n×n矩阵；(4)式中ω(x_i)≥0是添加的每个样本的权重；带宽矩阵H为：

其中：h₁,h₂,h_n表示带宽参数；

于是推出Mean Shift概率密度梯度归一化函数：

概率密度函数f(x)在d维空间内n个采样点x_i，i＝1，2，…；n，则f(x)的核密度为：

f(x)的梯度的核密度为：

定义g(x)＝-k′(x)，G(x)＝g(||x||²)，推出：

由上式可得，Mean Shift向量就是右边第一个括号中与概率密度梯度函数成正比；则：

化简上式，令

当且仅当M_h(x)＝0时，得到新的圆心位置：

定义在以x为圆心，h为半径，总的核密度为:

其中，s_h，h_τ分别是半径为h、τ的高维球区域，C为常数，x、x_i为样本点；表示颜色信息，表示空间位置信息；

3)内外膜定位，用改进hough变换圆检测算法，对左心室MRI图像内腔定位，得到左心室MRI图像内外膜分割初始轮廓；

优化Hough变换圆检测算法，在对图像进行找圆定位时，对输入图像进行阈值处理，像素较大点连成区域设为前景区域，累加器先累加前景区域的像素点；利用图像边缘信息进行约束，沿着梯度方向的像素点首先进行投票；

4)用双水平集模型分割左心室MRI内外膜；

用基于ODRLSE模型的0水平集和k水平集融合的双水平集模型，同时分割左心室MRI图像内外膜；双水平集模型的能量函数公式为：

其中：μ、λ、α均是大于零的常数；模型距离正则项,是模型边缘约束项,是模型演化速度控制项；保持双水平集模型演化过程中曲线的正则性；融合AGVF约束0水平集和k水平集朝着内外膜边缘及边缘凹陷处演化；约束模型曲线朝目标边缘速率；

定义如下：

其中：p为势函数，p:[0,∞)→R，表示模型轮廓，λ₁、λ₂、α₁、α₂均是大于零的常数；且δ和H分别为狄拉克函数和赫维赛德函数：

和

其中：ε设置的常数；

边缘指定符公式为：

式中：G_σ为标准偏差σ的高斯核函数，I的定义在整个图像区域；

双水平集模型将水平集演化导出为梯度流，用优化距离正则化项和外部能量来最小化能量泛函，从而驱动水平集向内外膜边缘位置移动；

5)对双水平集模型能量函数公式进行收敛性检查，若达到能量最小，分割结束；否则，重复步骤4)；

6)得到左心室MRI图像分割内外膜轮廓分割效果图。