[发明专利]一种基于保持形状凸性水平集模型的分割方法

说明书

一种基于保持形状凸性水平集模型的分割方法，首先获取待分割图像，对待分割图像进行粗分割得到二值图像，再利用二值图像构建初始水平集函数并准确分割出目标边界。本发明提出使用保持形状凸性水平集模型的方式提取边界，可以保证水平集曲线在水平集函数迭代演化过程中保持凸性，利用构建的演化公式迭代更新水平集函数并提取0水平集得到边界分割曲线，构建的演化方程能够在曲线演化过程中避免曲线边界的泄漏，具有保持面积的倾向；针对双层边界的目标对象，本发明还将演化公式进行转换构建了双水平集函数的演化公式，利用双水平集函数的演化公式迭代更新水平集函数并提取0水平集和k水平集能够得到内外两条边界分割曲线。

技术领域

本发明属于医学影像技术领域，涉及一种基于保持形状凸性水平集模型的分割方法，能够分割目标对象的单边界和内外双边界，尤其适用于短轴磁共振图像的左心室分割。

背景技术

心血管疾病是目前为止全球死亡率最高的疾病之一。因此，心血管相关疾病的研究及心脏疾病的早期诊断对人类健康具有至关重要的作用。随着医学影像数据采集手段的不断进步，医学影像数据的类型也越来越丰富。心脏磁共振图像作为临床上评价心脏形态结构与生理功能的金标准，相比于其他医学影像手段，具有极佳的软组织对比度，能清晰显示心脏内的各个腔室和心肌组织，提供丰富的心脏三维、四维信息。医学图像分割是医学影像分析的基础，借助计算机自动化、半自动化的提取医学图像中的病灶区，从而对其进行定性定量分析，以帮助医生做出疾病诊断、可视化治疗和预后评估等。由于医学图像分割的应用具有实时性，其结果会影响医生对病情的诊断，因此算法的准确性非常重要。

近年来，越来越多的全自动或半自动分割算法被提出，这些算法是建立在现有的算法基础上，如基于种子点的区域分割法、边缘检测法、形变模型等方法等，操作者或可以通过一些简单的人工干预，以提高分割的准确性。但是，左心室的分割仍旧是一个棘手的问题。左心室内膜上存在乳头肌和肌小梁，它们和心肌层的灰度相似，这是影响左心室心内膜准确分割的一个难点，在水平集模型迭代过程中，很容易陷入局部极小值而收敛在乳头肌附近，而无法靠近准确的心室内膜边缘，0水平集呈现凹性曲线。而且，心外膜的周围组织相对复杂，边界模糊，对轮廓提取造成很大困难。

发明内容

针对上述分割类似左心室这种内膜难以分割和外模边界模糊的目标对象时存在的问题，本发明提出一种分割方法，基于保持形状凸性水平集模型进行分割，能够准确得到边界曲线，且提出保持形状凸性双水平集模型进行内外膜分割，不需要大量的数据集进行模型的训练，分割精度高，具有较高的临床应用价值。

本发明的技术方案为：

一种基于保持形状凸性水平集模型的分割方法，其特征在于，包括如下步骤：

步骤1、获取待分割图像；

步骤2、粗分割待分割图像中的目标对象得到二值图像；

步骤3、分割目标对象得到目标对象的边界分割曲线，具体方法为：

3.1、利用步骤2得到的二值图像构建初始水平集函数φ₀：

c为常数，前景表示目标区域；

设置水平集方法参数α、λ、β，其中-5≤α≤0，0≤λ≤8，β≥0；

3.2、构建水平集函数的演化公式，包括如下步骤：

(a)、计算曲率κ：

其中，φ表示水平集函数，表示梯度算子，div表示散度算子；

根据曲率κ引入一个关于曲率的符号函数S(κ)：

对符号函数S(κ)做高斯卷积得到平滑后的符号函数S(κ)′：