[发明专利]一种基于形状先验的全自动医学图像分割方法和设备

权利要求书

1.一种基于形状先验的全自动医学图像分割方法，其特征在于，包括以下步骤：

(1)选取待处理的三维OCT图像，将原始OCT数据转换到直角坐标系下，提取灰度值最大的部分作为参考图像；

(2)根据三维OCT图像进行导管外壁的检测，并生成导管外壁面；

(3)将导管外壁面作为曲线和形状先验的初始化，融入到变分框架中，得到基于形状先验的几何活动轮廓模型；

(4)求解活动轮廓模型，根据得到的分割曲线进行形状先验的更新，交替进行求解模型和形状先验更新操作，直到达到迭代停止条件，得到分割结果。

2.根据权利要求1所述的基于形状先验的全自动医学图像分割方法，其特征在于，所述步骤(1)中通过两次大津阈值，提取灰度值最大的部分，作为参考图像。

3.根据权利要求1所述的基于形状先验的全自动医学图像分割方法，其特征在于，所述步骤(2)包括：提取三维OCT图像的两个互相垂直的纵截面，分别计算每个纵截面在y轴方向的梯度，对梯度图在x轴方向进行累加；对累加结果的上下部分分别进行聚类，选取两类中取值较大一类，该类里距离图像中心最远的点即为导管外壁所处位置；在每幅纵截面图像中获得两条直线位置，则两个纵截面中获得四条直线位置；将直线坐标对应回到三维图像中，得到三维图像中的四条直线，计算通过这四条直线的圆柱面，得到一个标准圆柱面，即为导管外壁面。

4.根据权利要求1所述的基于形状先验的全自动医学图像分割方法，其特征在于，所述步骤(3)中基于形状先验的几何活动轮廓模型使用如下总能量泛函来表示：

E＝E_GAC+E_prior+E_regional (*)

其中，E_GAC为几何活动轮廓线模型的能量，E_prior为形状先验能量，E_regional为区域能量；

所述几何活动轮廓线模型的能量计算公式如下：

其中，α，λ是两个能量项的权重，Φ是水平集函数，H是Heaviside函数，g是一个边界算子；Ω是图像区域，δ是Dirac函数，是梯度算子，是Φ的梯度；

所述形状先验能量计算公式为：

其中，β是形状先验能量的权重，是形状先验的水平集函数，r，c是形状先验的参数，r是半径，c是中心线；

所述区域能量的计算公式为：

E_regional＝γ∫_Ω(I-f₁)²H(Φ)+(I-f₂)²(1-H(Φ))dx

其中，γ是区域能量的权重，I是图像的灰度值，f₁，f₂分别是H为1和H为0区域的图像灰度的平均值。

5.根据权利要求4所述的基于形状先验的全自动医学图像分割方法，其特征在于，所述边界算子具体表达式为：

其中，G_σ为高斯核函数。

6.根据权利要求4所述的基于形状先验的全自动医学图像分割方法，其特征在于，所述步骤(4)中，求解活动轮廓模型包括：采用快速算法对总能量泛函进行求解，所述快速算法采用一个特征函数来表示被分割的区域，该特征函数为：

其中，Γ是图像的分割曲线，Ω_Γ表示曲线Γ的内部区域；

关于Γ的边界积分用特征函数u近似表示为：

或者

其中，*表示卷积计算，n表示空间维度，Rⁿ表示n维度的空间，τ是关于G的参数，G_τ表示为：

则总能量泛函(*)近似表示为如下形式：

其中，是由特征函数表示的形状先验；

求得使E^τ(u)达到极小的u，即是最优的分割结果。