[发明专利]一种磁共振延迟增强序列心肌分割方法

摘要

本发明涉及一种磁共振延迟增强序列心肌分割方法，包括以下几个步骤：第一步，事先构建一组心脏图谱；第二步，将图谱与待分割的延迟增强序列图像配准；第三步，根据配准后的图谱信息初始化多组分高斯混合模型中的各参数；第四步，计算每个像素点属于各组分的后验概率；第五步，更新对高斯混合模型中各组分参数的估计值；第六步，演化耦合水平集模型中的两条轮廓；第七步，重新估计每一分类的先验概率；第八步，重复四到七步直至算法收敛，对耦合水平集模型中的内轮廓求取凸包进行插值得到最终分割结果。与现有技术相比，本发明具有不需要依赖其他序列信息、实现方便、应用灵活等优点。

主权项

一种磁共振延迟增强序列心肌分割方法，其特征在于，包括以下步骤：第一步，构建一组心脏短轴图像图谱，包含心脏的灰度图像以及相应的左心室血池、心肌、背景的分割结果；第二步，通过图像配准，将图谱中灰度图像匹配到待分割的延迟增强序列图像，同时将相同的图像配准作用于图谱中的分割结果，将分割结果也匹配到待分割的延迟增强序列图像；第三步，构建多组分高斯混合模型，将待分割的延迟增强序列图像像素分为三类：左心室血池、心肌以及背景；每一类像素的灰度分布用多个组分去模拟，每一组分为一个高斯模型；根据配准后的图谱信息初始化多组分高斯混合模型中的各参数，包括各组分的均值、方差，各组分的混合比例以及各分类的先验概率；第四步，利用期望最大化算法迭代求解多组分高斯混合模型的参数，取所有像素点的灰度值及所属组分作为完全数据；依据目前对参数的估计，在已知每个像素点灰度值的基础上，计算每个像素点属于各组分的后验概率；第五步，依据上一步得到的后验概率，通过最大化似然函数的条件期望，更新对高斯混合模型中各组分参数的估计值；第六步，基于图像灰度信息、后验概率信息以及心肌厚度约束，构建包含耦合水平集内外两条轮廓的能量函数，通过最小化能量函数演化两条轮廓；第七步，基于演化后的耦合水平集模型中两条轮廓的位置，重新估计每一像素属于每一分类的先验概率；第八步，重复四到七步直至算法收敛，对耦合水平集模型中的内轮廓求取凸包，并进行插值得到最终分割结果。