[发明专利]一种基于统计学模型和多尺度滤波的脑血管图像分割方法

说明书

本发明提出了一种基于统计学模型和多尺度滤波的脑血管图像分割方法，属于医学计算及图像处理技术领域。所述分割方法将统计模型和多尺度滤波的相结合，以在高层与低层模型相结合提取脑血管图像并分割，包括：S1，数据预处理，得到去噪后脑部区域图像；S2，拟合S1图像背景及血管类的高斯模型，搭建FMM；S3，设置FMM初始值，估计参数及计算低层能量函数；S4，对图像进行分割；S5，结合脊线性质对种子点进行筛选，在3D空间中提取血管中心线，沿远端血管中心线进行膨胀，对低层模型进行补充。所述方法提高了远端血管图像的分割精度，能实现在较为粗糙的血管图像分割结果下得到精准的血管中心线提取。

技术领域

本发明涉及一种基于统计学模型和多尺度滤波的脑血管图像分割方法，属于医学计算及图像处理技术领域。

背景技术

血管狭窄、动脉瘤和血管畸形等脑血管疾病是威胁人类健康的重大疾病。随着我国老龄化速度加快，老年脑血管病人数量也在逐年上升，及早发现脑血管形态变化，对脑血管疾病进行有效预防和诊断极为重要。基于脑血管影像的血管数字化分割提取是其中的关键技术。

脑血管病指的是在大脑中部分血管由于病理原因无法正常运作，使得脑组织缺血而受损的疾病，比较典型的有免疫机制相关的血管炎、肿瘤压迫等导致的血栓、高血压造成的纤维蛋白坏死等，这些疾病大多能够引发病患脑部组织出现缺血或出血，最终导致患者死亡或残疾。据调查，这些疾病的临床患者以中老年人居多，且大多是急性发病。“中风”就是一种脑血管病，临床称之为脑卒中。临床将该疾病划分为两类：出血性卒中与缺血性卒中。调查发现，该类疾病是导致我国成年人残疾甚至死亡的最常见原因。该疾病具有发病率高、复发率高、致残率以及死亡率较高的特点，会对病人家庭造成较重的经济负担，其症状常表现为瘫痪、言语认知出现障碍以及抑郁症等。患病率以及发病率相比于2015年也在持续上升，对于人类的健康造成了巨大的威胁。上文提到的两种脑卒中，治疗方式并不相同。考虑到当前有效治疗方式的缺乏，预防是最为合适的应对措施。由此，对于缺血性卒中等脑血管疾病的相应治疗措施而言，是否能够将完整血管进行三维可视化显得至关重要。

目前基于深度学习方法进行的血管图像分割已经取得了较好的效果，但其依赖大量的标注数据进行训练，同时需要标准的数据采集规范，限制了模型在临床上的推广应用。而统计分析模型依据像素灰度建立有限混合模型，提取血管过程中无需标注数据，对于小样本的医学数据具有优势，但受其模型限制对于微小血管图像分割效果不理想。本申请致力于解决上述问题。

发明内容

本发明的目的是为解决由于依据像素灰度建立有限混合模型的统计分析模型对于高强度区域能有效分割，但对于低强度的小血管图像分割的效果较差这一技术缺陷，提出了一种基于统计学模型和多尺度滤波的脑血管图像分割方法，该方法基于脊线的3D中心线提取，将统计模型和多尺度滤波相结合，通过高层与低层模型相结合实现对脑血管图像提取，具体为：利用统计学模型在高强度像素点上分割提取，结合脊线性质对种子点进行筛选；应用脊线性质，在3D空间中提取血管中心线，沿远端血管中心线进行膨胀，对低层模型结果进行补充，实现了多尺度滤波的脑血管图像分割。

为了达到上述目的，本发明采取如下技术方案。

所述脑血管图像分割方法，包括如下步骤：

步骤1：数据预处理，得到去噪后脑部区域图像，具体为：采集大脑部分血管原始图像、并对得到的血管三维图像进行去噪，得到去噪后血管三维图像，并根据去噪后血管三维图像构建血管三维图像的灰度的分布直方图；具体为：

步骤1.1：通过TOF-MRA及SNAP-MRA采集出大脑部分血管的原始图像；

其中，TOF-MRA，即飞行时间磁共振血管成像；SNAP-MRA即非对比增强血管与斑块内出血同时成像；血管三维图像即颅骨剥离后的脑部区域图像；

步骤1.2：使用FSL软件的bet命令对步骤1.1采集的原始图像进行颅骨剥离，将原始数据去除眼球脂肪等不相干的图像，得到血管三维图像；