[发明专利]一种自动分割左心室内外膜的方法

摘要

本发明公开了一种自动分割左心室内外膜的方法，其步骤如下：1）选取需要处理图像；2）选用优化Mean Shift聚类算法对左心室图像进行预处理；3）用改进hough变换圆检测算法，对左心脏内腔定位，得到内外膜分割初始轮廓；4）用双水平模型分割图像内外膜；5）双水平集模型能量函数公式收敛性检查；6）得到分割内外膜轮廓分割效果图。本发明解决了人为设置分割初始位置问题，提高了内外膜的分割精度，降低了模型分割内外膜的时间，得到无边缘泄露且正则性良好的符合临床定义的内外膜轮廓。

主权项

1.一种自动分割左心室内外膜的方法，其步骤如下：1)选取需要处理的左心室MRI图像，并输入图像；2)图像聚类处理，选用优化Mean Shift聚类算法对左心室MRI图像进行预处理；由Mean Shift向量的基本形式，在d维空间中n个样本点xi，i＝1,2,…,n,则：上式中，Sh是一个半径h的球形区域，定义为：Sh＝(y|(y‑x)(y‑x)T≤h2)   (2)引入核函数和增加样本权重来解决(1)式中存在问题；在核函数中引入高斯核函数：得到改进后的Mean Shift聚类算法形式：其中，G(x)是单位核函数：其中，H是带宽矩阵，即正定的n×n矩阵；(4)式中ω(xi)≥0是添加的每个样本的权重；带宽矩阵H为：于是推出Mean Shift概率密度梯度归一化函数：概率密度函数f(x)在d维空间内n个采样点xi，i＝1,2,…,n，则f(x)的核密度为：f(x)的梯度▽f(x)的核密度为：定义g(x)＝‑k′(x)，G(x)＝g(||x||2)，推出：由上式可得，Mean Shift向量就是右边第一个括号中与概率密度梯度函数成正比；则：化简上式，令当且仅当M_h(x)＝0时，得到新的圆心位置：定义在以x为圆心，h为半径，总的核密度为:其中，表示颜色信息，表示空间位置信息；3)内外膜定位，用改进hough变换圆检测算法，对左心室MRI图像内腔定位，得到左心室MRI图像内外膜分割初始轮廓；优化Hough变换圆检测算法，在对图像进行找圆定位时，对输入图像进行阈值处理，像素较大点连成区域设为前景区域，累加器先累加前景区域的像素点；利用图像边缘信息进行约束，沿着梯度方向的像素点首先进行投票；4)用双水平集模型分割左心室MRI内外膜；用基于ODRLSE模型的0水平集和k水平集融合的双水平集模型，同时分割左心室MRI图像内外膜；双水平集模型的能量函数公式为：其中：模型距离正则项,是模型边缘约束项,是模型演化速度控制项；保持双水平集模型演化过程中曲线的正则性；融合AGVF约束0水平集和k水平集朝着内外膜边缘及边缘凹陷处演化；约束模型曲线朝目标边缘速率；定义如下：且δ和H分别为狄拉克函数和赫维赛德函数：和边缘指定符公式为：式中：Gσ为标准偏差σ的高斯核函数，I的定义在整个图像区域；双水平集模型将水平集演化导出为梯度流，用优化距离正则化项和外部能量来最小化能量泛函，从而驱动水平集向内外膜边缘位置移动；5)对双水平集模型能量函数公式进行收敛性检查，若达到能量最小，分割结束；否则，重复步骤4)；6)得到左心室MRI图像分割内外膜轮廓分割效果图。