[发明专利]一种TOF影像的全自动血管提取方法

权利要求书

1.一种TOF影像的全自动血管提取方法，其特征在于，包括以下步骤：

S1、结合TOF影像中的脑部特征，基于区域生长和成本最优路径提取脑部区域；

S2、获取种子点集，自动提取血管区域和背景区域，并作为随机游走的起点；

S3、建立空间多尺度的血管影像增强图，将影像中的管状部分进行增强；

S4、建立随机游走图谱，基于所述种子点集和所述血管影像增强图，通过随机游走得到分割后的三维血管结构。

2.根据权利要求1所述的TOF影像的全自动血管提取方法，其特征在于，所述方法还包括在所述步骤S1之前进行的：

使用基于直方图的平板边界伪影减少方法对每个TOF序列切片图像进行预处理。

3.根据权利要求1所述的TOF影像的全自动血管提取方法，其特征在于，所述步骤S1具体包括：

使用区域生长初步分割与脑相邻的低强度组织，所述低强度组织包括颅骨和鼻区域；

建立混合高斯模型模拟TOF切片的灰度直方图的分布，根据最小误差分类从所述混合高斯模型中提取每个切片的单个阈值；

提取的阈值用作区域增长的上限阈值T_U，下限阈值T_L由影像出现的最低强度值定义，得到区域生长的种子生长范围T∈[T_L,T_U]；

从分析图中选取拐点作为区域生长的种子点，完成初始分割，其中拐点表示颅骨和鼻区域；

基于初始分割逐层提取二维支撑点，构建成本最优路径形成闭合曲线。

4.根据权利要求3所述的TOF影像的全自动血管提取方法，其特征在于，所述基于初始分割逐层提取二维支撑点，构建成本最优路径形成闭合曲线具体包括：

计算分割颅骨的重心，从起始坐标开始，以10度的间隔绘制射线；

对于每条射线，取其中与重心的最短距离作为支撑点，最终提取最多36个支撑点P_i；

从起始节点P_i开始，搜索到定义的目标节点P_i+1的最优路径，其中，成本最优路径定义为具有最小成本的路径。

5.根据权利要求1所述的TOF影像的全自动血管提取方法，其特征在于，所述步骤S2具体包括：

结合血管的高亮结构和连通性自动获得种子点集，包括：

从X、Y和Z角度分别进行投影，在Z轴方向上，得到XY平面上的二维投影图I_z(x,y)；其中：

同时，保存每一投影点的Z坐标作为该点的隐变量Z_p，满足：

在I_z(x,y)中，基于灰度界限得到高亮的血管部分区域U_ini，在U_ini中得到连通域集V＝{V₁,V₂,...V_N}，提取其中局部最大值作为种子点，满足：

s＝{(x，y，z)|I＝max{I_{local vector}(x，y)}，z＝z_p}

其中，表示图像区域的大小。

6.根据权利要求1所述的TOF影像的全自动血管提取方法，其特征在于，所述步骤S3具体包括：

利用多尺度空间中TOF影像的Hessian矩阵来计算血管影像增强图，其中提出的长度受限的血管增强函数如下：

其中x为体数据中的体素点，α为管状结构与盘状结构的差异控制参数，β为管状结构与球状结构的差异控制参数，c为高对比度结构与低对比度结构的差异控制参数。

7.根据权利要求1所述的TOF影像的全自动血管提取方法，其特征在于，所述步骤S4具体包括：

建立随机游走图谱，定义G＝(V,E)，其中V表示图谱中顶点的集合，v∈V；E表示图谱中顶点的无向边集合，e_ij表示顶点v_i和v_j的连接关系；选用高斯加权函数作为边权值，如式：

w_ij＝exp(-β(g_i-g_j)²)

其中，g_i表示顶点v_i的灰度值，β参数控制灰度值带来的影响力；

得到边权值计算非标记点游走到种子点的概率大小，并取最大概率作为该点的新标记，最终实现图像的分割；其中建立的调和函数为：

其中，x_s和x_u分别对应标记点和未标记点的概率；求解D[x_u]关于x_u的微分，并通过零点寻找极值点：L_ux_u＝-B^Tx_s，得到概率图谱，取概率最大值的标签为分类结果，实现对脑血管的自动分割。