基于ct造影成像的活體動(dòng)物下肢血管分割方法
【專利摘要】本發(fā)明涉及一種基于CT造影成像的活體實(shí)驗(yàn)動(dòng)物下肢血管分割方法。現(xiàn)有分割方法在小動(dòng)物下肢血管分割中不適用。本發(fā)明得到活體小動(dòng)物下肢區(qū)域的CT成像，去除下肢區(qū)域骨骼，進(jìn)行稀疏加權(quán)和多尺度線性濾波，經(jīng)歸一化處理后進(jìn)行Coarse到Fine血管分割。本發(fā)明的活體動(dòng)物下肢血管分割方法可以完成活體動(dòng)物下肢血管的全自動(dòng)分割，并且本發(fā)明利用了CT圖像的稀疏加權(quán)和多尺度線性濾波后的兩種圖像信息，彌補(bǔ)了傳統(tǒng)基于灰度信息或者單一信息分割方法的不足，然后利用Coarse到Fine的分割方法，從而既節(jié)省時(shí)間，有能有效的完成血管的分割。
【專利說明】基于CT造影成像的活體動(dòng)物下肢血管分割方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于醫(yī)學(xué)影像處理【技術(shù)領(lǐng)域】，具體涉及一種基于CT造影成像的活體動(dòng)物 下肢血管分割方法。

【背景技術(shù)】
[0002] 血管分割是解決醫(yī)學(xué)影像數(shù)據(jù)處理問題、協(xié)助影像診斷和完善圖像配準(zhǔn)的關(guān)鍵技 術(shù)之一。血管分割技術(shù)主要分為模式識(shí)別技術(shù)，包括多尺度方法，基于骨架的方法、區(qū)域增 長(zhǎng)方法、基于山脊的方法、基于微分幾何的方法、匹配濾波方法和數(shù)學(xué)形態(tài)學(xué)方法；基于模 型的方法，包括可變形模型、參數(shù)模型和廣義圓柱方法；基于跟蹤的方法和基于人工智能的 方法等。目前這些血管分割技術(shù)已經(jīng)廣泛應(yīng)用于神經(jīng)血管結(jié)構(gòu)的提取、視網(wǎng)膜血管分割、冠 狀動(dòng)脈提取、乳房X射線照片血管提取、人類氣道樹分割、腹主動(dòng)脈提取、肝臟血管提取、神 經(jīng)通道分割等。在實(shí)驗(yàn)醫(yī)學(xué)領(lǐng)域，鼠類動(dòng)物的下肢血管是重要的血管干預(yù)研究模型。然而， 上述圖像分割方法僅適用于人體較大的解剖學(xué)尺度，并不適用于實(shí)驗(yàn)動(dòng)物尤其是小動(dòng)物下 肢血管的分割。
[0003] 由于CT血管造影后的動(dòng)物下肢血管通常對(duì)比度較差，并且血管網(wǎng)絡(luò)復(fù)雜，很難采 用標(biāo)記起始點(diǎn)的半自動(dòng)分割方法，例如基于骨架的方法、區(qū)域增長(zhǎng)方法、基于山脊的方法、 基于微分幾何的方法、基于模型的方法和基于跟蹤的方法。動(dòng)物在不同年齡、不同體重間的 個(gè)體差異也會(huì)嚴(yán)重影響其下肢血管的粗細(xì)程度，因此以往基于血管粗細(xì)先驗(yàn)信息的匹配濾 波方法和數(shù)學(xué)形態(tài)學(xué)方法通常分割效果不佳。除此之外，血管的CT值分布有很好的聚類特 性，然而背景的灰度值分布卻非常廣泛，其灰度值橫跨空氣到骨骼灰度，所以人工智能方法 例如模糊C均值聚類方法通常會(huì)失敗。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種基于CT造影成像的活體動(dòng)物下肢血管分割方法，克服 傳統(tǒng)CT圖像分割方法在實(shí)驗(yàn)動(dòng)物下肢血管分割中不適用的缺陷。
[0005] 本發(fā)明所采用的技術(shù)方案是：
[0006] 基于CT造影成像的活體動(dòng)物下肢血管分割方法，其特征在于：
[0007] 由以下步驟實(shí)現(xiàn)：
[0008] (1)活體動(dòng)物下肢區(qū)域的CT成像：
[0009] 利用X光探測(cè)器采集活體動(dòng)物下肢區(qū)域多個(gè)角度的投影數(shù)據(jù)；
[0010] 利用濾波反投影方法對(duì)投影數(shù)據(jù)進(jìn)行重建，得到活體動(dòng)物下肢區(qū)域的CT數(shù)據(jù)；
[0011] (2)骨骼去除：
[0012] 對(duì)重建后的活體動(dòng)物下肢區(qū)域的CT數(shù)據(jù)進(jìn)行閾值分割，保證分割后的數(shù)據(jù)中包 括完整的骨密質(zhì)，所述骨密質(zhì)為骨豁的外輪廓；
[0013] 對(duì)骨密質(zhì)做圖像填充處理得到骨骼；
[0014] 逐漸對(duì)骨骼進(jìn)行膨脹處理，使得膨脹后的骨骼在視覺上恰好與CT重建后的骨骼 完全重疊；
[0015] 將膨脹后的骨骼所對(duì)應(yīng)的坐標(biāo)點(diǎn)置為空氣的灰度值，得到活體動(dòng)物下肢區(qū)域骨骼 去除的CT圖像；
[0016] ⑶稀疏加權(quán)：
[0017] (3a)計(jì)算骨骼去除的CT圖像每個(gè)灰度級(jí)體素所占體素總數(shù)的比例Q1;
[0018]

【權(quán)利要求】
1.基于CT造影成像的活體動(dòng)物下肢血管分割方法，其特征在于： 由以下步驟實(shí)現(xiàn)： (1) 活體動(dòng)物下肢區(qū)域的CT成像： 利用X光探測(cè)器采集活體動(dòng)物下肢區(qū)域多個(gè)角度的投影數(shù)據(jù)； 利用濾波反投影方法對(duì)投影數(shù)據(jù)進(jìn)行重建，得到活體動(dòng)物下肢區(qū)域的CT數(shù)據(jù)； (2) 骨骼去除： 對(duì)重建后的活體動(dòng)物下肢區(qū)域的CT數(shù)據(jù)進(jìn)行閾值分割，保證分割后的數(shù)據(jù)中包括完 整的骨密質(zhì)，所述骨密質(zhì)為骨豁的外輪廓； 對(duì)骨密質(zhì)做圖像填充處理得到骨骼； 逐漸對(duì)骨骼進(jìn)行膨脹處理，使得膨脹后的骨骼在視覺上恰好與CT重建后的骨骼完全 重疊； 將膨脹后的骨骼所對(duì)應(yīng)的坐標(biāo)點(diǎn)置為空氣的灰度值，得到活體動(dòng)物下肢區(qū)域骨骼去除 的CT圖像； (3) 稀疏加權(quán)： (3a)計(jì)算骨骼去除的CT圖像每個(gè)灰度級(jí)體素所占體素總數(shù)的比例Q1;
其中u為體素，S〇)為體素的灰度值，1為灰度級(jí)，N為體素總數(shù)； (3b)定義稀疏權(quán)重W1 ;
其中Qm為1的中值，a為增強(qiáng)系數(shù)，控制著稀疏權(quán)重I對(duì)稀疏（血管）體素的增強(qiáng)程 度，同時(shí)也控制著％對(duì)非稀疏（背景）體素的衰減程度；系數(shù)
其中丨^為1的 加權(quán)平均值，即
其中G(u)為二維高斯函數(shù)，V?表示卷積，▽ 2為二階導(dǎo)數(shù)算子； (4b)根據(jù)高斯函數(shù)的可分性，將V2G(u)分解為其兩個(gè)一維基函數(shù)的乘積，Hessian矩陣H(u)的計(jì)算由兩個(gè)一維卷積進(jìn)行簡(jiǎn)化計(jì)算； (4c)求Hessian矩陣H(u)的特征值，得到三個(gè)特征值分別為X2，入3，，那么線性 濾波的結(jié)果為V(u);
其中〇 2值為高斯函數(shù)的方差，代表線性濾波的尺度； (4d)選取在不同尺度〇2下最大的線性濾波結(jié)果中的最大值V#(u);
(5) 歸一化處理 對(duì)稀疏加權(quán)圖像Ssw(u)和線性濾波圖像V#(u)按照下式進(jìn)行歸一化處理；
其中，i"G[〇, 1]和j"G[〇, 1]為歸一化處理后的稀疏加權(quán)圖像和線性濾波圖像； (6) Coarse到Fine血管分割： (6a)定義分割目標(biāo)函數(shù)F(i"，j");
其中Q為歸一化的Ssw(u)和V#(u)的全集空間，A為血管空間，補(bǔ)集Q-A為背景 空間，t為分割參數(shù)，取值越大，表示算法對(duì)噪聲的敏感性越強(qiáng)； (6b)定義血管空間A;
其中Hn(u)，n= 1, . . . ,26為體素u的26鄰居體素； (6c)采用Coarse到Fine策略求解目標(biāo)函數(shù)F(i"，j")取最大值時(shí)的分割結(jié)果useg。
2.根據(jù)權(quán)利要求1所述的基于CT造影成像的活體動(dòng)物下肢血管分割方法，其特征在 于： 所述步驟（4b)中根據(jù)高斯函數(shù)的可分性，V2G(u)可以分解為其兩個(gè)一維基函數(shù)的 乘積，那么Hessian矩陣H(u)的計(jì)算可以由兩個(gè)一維卷積進(jìn)行簡(jiǎn)化計(jì)算，按如下步驟進(jìn) 行： (4bl)計(jì)算V2G(u)時(shí)需要用到的三個(gè)基函數(shù)；
〇
3.根據(jù)權(quán)利要求2所述的基于CT造影成像的活體動(dòng)物下肢血管分割方法，其特征在 于： 所述步驟（6c)中采用Coarse到Fine策略求解最優(yōu)分割目標(biāo)函數(shù)F(i",j")，按如下 步驟進(jìn)行： (6cl)分別定義Coarse級(jí)別和Fine級(jí)別的全集空間Q的劃分函數(shù)； Coarse級(jí)別的劃分函數(shù)為；L"+j" =R，其中RG(〇, 2)為Coarse級(jí)別的劃分參數(shù)；Fine級(jí)別的劃分函數(shù)為 其中

(6c2)Coarse級(jí)別求解F(i"，j");
【文檔編號(hào)】G06T7/00GK104484874SQ201410729255
【公開日】2015年4月1日 申請(qǐng)日期:2014年12月4日 優(yōu)先權(quán)日:2014年12月4日
【發(fā)明者】汪靜, 康飛, 張?jiān)氯A, 陳雪利, 李桂玉, 邵亞輝, 楊衛(wèi)東, 李國(guó)權(quán), 王喆 申請(qǐng)人:中國(guó)人民解放軍第四軍醫(yī)大學(xué)