[发明专利]一种MRA图像分割方法、装置及存储介质

权利要求书

1.一种MRA图像分割方法，其特征在于，包括以下步骤：

获取MRA图像，建立所述MRA图像数据中的血管信号概率模型；

基于所述血管信号概率模型，利用最大期望算法分割所述MRA图像，得到分割后的血管图像。

2.根据权利要求1所述的MRA图像分割方法，其特征在于，建立所述MRA图像数据中的所述血管信号概率模型的方法包括：

利用公式

获得层流和湍流分量的混合的所述血管信号概率模型，其中，，无条件概率密度，,作为Q元信号的图像强度或灰度级，常数≤ Q-1，β∈ [0,1] 。

3.根据权利要求2所述的MRA图像分割方法，其特征在于，利用最大期望算法分割所述MRA图像的方法包括：

利用公式分割所述MRA图像，其中，csf指所述MRA图像中的脑脊液、骨骼和脂肪，bt指所述MRA图像中的脑组织，bv指所述MRA图像中的血管，是混合权重，α_bv + α_csf + α_bt = 1，三个子模型中的每一个都是一个主要分量与几个交替符号从属分量的线性组合的混合，这些分量被选择为紧密近似经验边际信号分布F_emp = (f_emp(q) : q ∈ Q) 。

4.根据权利要求3所述的MRA图像分割方法，其特征在于，还包括：血管子模型的主要成分是离散参数分布 ，其中，为其参数，在单位区间上对应整数值q ∈ Q：。

5.根据权利要求4所述的MRA图像分割方法，其特征在于，还包括：

创建三个三维模型，用来模拟血管系统中存在的分叉、零曲率和高曲率；

基于三个所述三维模型，从代表血管、脑脊液的信号中计算经验类分布p(q|bv)、p(q|csf) 和 p(q|bt) ，以及所述MRA图像的脑组织，使用逆映射方法生成幻象信号；

计算总分割误差，所述总分割误差是通过错误体素相对于三维模型中体素总数的百分比来评估的。

6.一种MRA图像分割装置，其特征在于，包括：

存储器；以及

与所述存储器连接的处理器，所述处理器被配置成：

获取MRA图像，建立所述MRA图像数据中的血管信号概率模型；

基于所述血管信号概率模型，利用最大期望算法分割所述MRA图像，得到分割后的血管图像。

7.根据权利要求6所述的MRA图像分割装置，其特征在于，所述处理器还被配置成：

建立所述MRA图像数据中的所述血管信号概率模型的方法包括：

利用公式

获得层流和湍流分量的混合的所述血管信号概率模型，其中，，无条件概率密度，,作为Q元信号的图像强度或灰度级，常数≤ Q-1，β∈ [0,1] 。

8.根据权利要求7所述的MRA图像分割装置，其特征在于，所述处理器还被配置成：

利用最大期望算法分割所述MRA图像的方法包括：

利用公式分割所述MRA图像，其中，csf指所述MRA图像中的脑脊液、骨骼和脂肪，bt指所述MRA图像中的脑组织，bv指所述MRA图像中的血管，是混合权重，α_bv + α_csf + α_bt = 1，三个子模型中的每一个都是一个主要分量与几个交替符号从属分量的线性组合的混合，这些分量被选择为紧密近似经验边际信号分布F_emp = (f_emp(q) : q ∈ Q) 。