[发明专利]一种MRA图像分割方法、装置及存储介质

说明书

本申请实施例公开了一种MRA图像分割方法、装置及存储介质，其中MRA图像分割方法包括步骤：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。通过上述方法，基于血流的物理描述，因此可以准确处理正常和异常情况，提高了分割使用不同扫描仪获取的MRA图像的准确性。

技术领域

本申请涉及图像处理技术领域，具体涉及一种MRA图像分割方法、装置及存储介质。

背景技术

早期诊断和及时治疗颅内血管疾病的方法是利用无创MRA(Magnetic ResonanceAngiography,磁共振血管造影)进行准确的脑血管分割。当前，从MRA数据中分割血管的技术可以大致分为两类：可变形模型和统计方法。可变形模型：通过优化依赖于图像梯度和表面平滑度的能量函数来迭代地调整血管的初始边界表面。拓扑适应性表面使经典可变形模型在分割颅内脉管系统方面更有效。使用水平集技术实现的测地线活动轮廓为分割MRA图像提供了灵活的拓扑适应性，包括更有效地适应例如由张量特征值表示的局部几何结构。血管表面的快速分割是通过使3D球囊充气的快速行进方法来获得的。动脉和静脉内血液的毛细血管被建模，并用作可变形模型的外力来分割血管。目前已经有几种方法来分割血管，这些方法基于血管骨架的提取和使用多尺度方案来考虑血管大小的多样性。在这些方法中，中心线模型可以通过血管建模方法显式、隐式或通过后处理生成。统计方法：从信号边缘概率分布的特定模式与感兴趣区域相关联的意义上说,MRA图像是多模态的。边缘分布分别使用静止CSF（脑脊液）和骨骼、脑组织（白质和灰质）和动脉的两个高斯和一个均匀或赖斯分量的混合物建模。均匀成分假定血流是严格层流的。使用传统的EM算法识别（估计）混合物。

但是，由于血流速度和粘度、血管直径和扫描仪灵敏度的变化，传统模型不能准确显示所有信号的变化。

发明内容

本申请实施例的目的在于提供一种MRA图像分割方法、装置及存储介质，用以解决现有技术中的从MRA数据中分割血管的技术，由于血流速度和粘度、血管直径和扫描仪灵敏度的变化，不能准确显示所有信号的变化的问题。

为实现上述目的，本申请实施例提供一种MRA图像分割方法，包括步骤：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。

可选地，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]。

可选地，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)。

可选地，血管子模型的主要成分是离散参数分布，其中，θ = (β,q_max)为其参数，在单位区间上对应整数值q ∈ Q：

。

可选地，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、和，以及所述MRA图像的脑组织，使用逆映射方法生成幻象信号；