一種磁共振延遲增強序列心肌分割方法
【專利摘要】本發(fā)明涉及一種磁共振延遲增強序列心肌分割方法，包括以下幾個步驟：第一步，事先構(gòu)建一組心臟圖譜；第二步，將圖譜與待分割的延遲增強序列圖像配準；第三步，根據(jù)配準后的圖譜信息初始化多組分高斯混合模型中的各參數(shù)；第四步，計算每個像素點屬于各組分的后驗概率；第五步，更新對高斯混合模型中各組分參數(shù)的估計值；第六步，演化耦合水平集模型中的兩條輪廓；第七步，重新估計每一分類的先驗概率；第八步，重復(fù)四到七步直至算法收斂，對耦合水平集模型中的內(nèi)輪廓求取凸包進行插值得到最終分割結(jié)果。與現(xiàn)有技術(shù)相比，本發(fā)明具有不需要依賴其他序列信息、實現(xiàn)方便、應(yīng)用靈活等優(yōu)點。
【專利說明】一種磁共振延遲増強序列心肌分割方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種圖像處理【技術(shù)領(lǐng)域】，尤其是涉及一種基于多組分高斯混合模型和 耦合水平集的磁共振延遲增強序列心肌分割方法。

【背景技術(shù)】
[0002] 隨著核磁共振技術(shù)的發(fā)展，其對心臟的成像質(zhì)量和成像速度都得到了極大的提 升，在相關(guān)的醫(yī)學(xué)臨床實踐和研宄中得到了越來越廣泛的應(yīng)用。其中，延遲增強序列通過給 心肌梗塞病人注射造影劑，可以使心肌梗死區(qū)域的信號增強，直觀地看到梗死區(qū)域的位置、 大小，其可靠性已經(jīng)得到驗證。為了利用延遲增強序列定量地對病人心肌活性進行分析，制 定相應(yīng)的治療計劃，通常首先需要對心肌進行分割。然而，目前有關(guān)延遲增強序列處理的研 宄大量集中在已知心肌輪廓的基礎(chǔ)上，如何區(qū)分梗死區(qū)和正常心肌。利用了包括閾值法、區(qū) 域增長法、分水嶺算法、高斯混合模型、水平集方法等多種方法以期更好地區(qū)分梗死區(qū)。而 實際上，臨床上目前主要還是依靠醫(yī)生手動勾勒出心肌輪廓，耗費大量的時間，并且不同醫(yī) 生勾勒的差異也會給定量的分析比較帶來困難。因此，開發(fā)可用于延遲增強序列的自動的 心肌算法具有重要意義。
[0003] 磁共振圖像中的心肌分割的困難通常包括心臟形狀變化大、心臟邊緣模糊以及可 能存在運動造成的偽影等。除此之外，延遲增強序列本身的特點，又給分割增加了如下三點 挑戰(zhàn)：
[0004] 1)由于梗死區(qū)域的存在，心肌的灰度分布是不均勻的，而很多分割算法都是基于 目標區(qū)域灰度均勻的假設(shè)構(gòu)建的；
[0005] 2)心肌梗死區(qū)域的灰度、大小、分布等都存在很大的不確定性，任何先驗的假設(shè)都 可能使算法失去一般性；
[0006] 3)心肌的灰度分布與周圍組織重疊。例如，正常心肌的灰度可能與肝或肺重疊，而 梗死區(qū)域的灰度與血池常常非常相似。
[0007] 經(jīng)過對現(xiàn)有文獻的檢索發(fā)現(xiàn)，現(xiàn)有的延遲增強序列心肌分割大多使用了磁共振電 影序列及其分割結(jié)果作為先驗信息。然后直接通過圖像配準或構(gòu)建三維模型將先驗信息匹 配到延遲增強序列，在此基礎(chǔ)上再構(gòu)建模型進行更精細的優(yōu)化得到最終的分割結(jié)果。這些 算法大多存在兩類問題：一是電影序列的心肌分割雖然已經(jīng)有了大量的研宄，但其作為先 驗信息，任何分割錯誤會被引入到后續(xù)的分割過程中，因此分割過程比較繁瑣，通常需要人 工監(jiān)督。二是優(yōu)化模型比較粗糙或加入了一定的先驗假設(shè)，難以適應(yīng)心肌梗塞病人的各種 復(fù)雜情形。


【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種不需要依賴其 他序列信息、實現(xiàn)方便、應(yīng)用靈活、穩(wěn)定可靠、適用于實際臨床的基于多組分高斯混合模型 和耦合水平集的磁共振延遲增強序列心肌分割方法。
[0009] 本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：
[0010] 一種磁共振延遲增強序列心肌分割方法，其特征在于，包括以下步驟：
[0011] 第一步，構(gòu)建一組心臟短軸圖像圖譜，包含心臟的灰度圖像以及相應(yīng)的左心室血 池、心肌、背景的分割結(jié)果；
[0012] 第二步，通過圖像配準，將圖譜中灰度圖像匹配到待分割的延遲增強序列圖像，同 時將相同的圖像配準作用于圖譜中的分割結(jié)果，將分割結(jié)果也匹配到待分割的延遲增強序 列圖像；
[0013] 第三步，構(gòu)建多組分高斯混合模型，將待分割的延遲增強序列圖像像素分為三類： 左心室血池、心肌以及背景；每一類像素的灰度分布用多個組分去模擬，每一組分為一個高 斯模型；根據(jù)配準后的圖譜信息初始化多組分高斯混合模型中的各參數(shù)，包括各組分的均 值、方差，各組分的混合比例以及各分類的先驗概率；
[0014] 第四步，利用期望最大化算法迭代求解多組分高斯混合模型的參數(shù)，取所有像素 點的灰度值及所屬組分作為完全數(shù)據(jù)；依據(jù)目前對參數(shù)的估計，在已知每個像素點灰度值 的基礎(chǔ)上，計算每個像素點屬于各組分的后驗概率；
[0015] 第五步，依據(jù)上一步得到的后驗概率，通過最大化似然函數(shù)的條件期望，更新對高 斯混合模型中各組分參數(shù)的估計值；
[0016] 第六步，基于圖像灰度信息、后驗概率信息以及心肌厚度約束，構(gòu)建包含耦合水平 集內(nèi)外兩條輪廓的能量函數(shù)，通過最小化能量函數(shù)演化兩條輪廓；
[0017] 第七步，基于演化后的耦合水平集模型中兩條輪廓的位置，重新估計每一像素屬 于每一分類的先驗概率；
[0018] 第八步，重復(fù)四到七步直至算法收斂，對耦合水平集模型中的內(nèi)輪廓求取凸包，并 進行插值得到最終分割結(jié)果。
[0019] 所述的第四步中第（t+Ι)次循環(huán)的后驗概率piC(t+1)計算公式為：
[0020]

【權(quán)利要求】
1. 一種磁共振延遲增強序列心肌分割方法，其特征在于，包括以下步驟： 第一步，構(gòu)建一組心臟短軸圖像圖譜，包含心臟的灰度圖像以及相應(yīng)的左心室血池、心 肌、背景的分割結(jié)果； 第二步，通過圖像配準，將圖譜中灰度圖像匹配到待分割的延遲增強序列圖像，同時將 相同的圖像配準作用于圖譜中的分割結(jié)果，將分割結(jié)果也匹配到待分割的延遲增強序列圖 像； 第三步，構(gòu)建多組分高斯混合模型，將待分割的延遲增強序列圖像像素分為三類：左心 室血池、心肌以及背景；每一類像素的灰度分布用多個組分去模擬，每一組分為一個高斯模 型；根據(jù)配準后的圖譜信息初始化多組分高斯混合模型中的各參數(shù)，包括各組分的均值、方 差，各組分的混合比例以及各分類的先驗概率； 第四步，利用期望最大化算法迭代求解多組分高斯混合模型的參數(shù)，取所有像素點的 灰度值及所屬組分作為完全數(shù)據(jù)；依據(jù)目前對參數(shù)的估計，在已知每個像素點灰度值的基 礎(chǔ)上，計算每個像素點屬于各組分的后驗概率； 第五步，依據(jù)上一步得到的后驗概率，通過最大化似然函數(shù)的條件期望，更新對高斯混 合模型中各組分參數(shù)的估計值； 第六步，基于圖像灰度信息、后驗概率信息以及心肌厚度約束，構(gòu)建包含耦合水平集內(nèi) 外兩條輪廓的能量函數(shù)，通過最小化能量函數(shù)演化兩條輪廓； 第七步，基于演化后的耦合水平集模型中兩條輪廓的位置，重新估計每一像素屬于每 一分類的先驗概率； 第八步，重復(fù)四到七步直至算法收斂，對耦合水平集模型中的內(nèi)輪廓求取凸包，并進行 插值得到最終分割結(jié)果。
2. 根據(jù)權(quán)利要求1所述的一種磁共振延遲增強序列心肌分割方法，其特征在于，所述 的第四步中第（t+1)次循環(huán)的后驗概率pie(t+1)計算公式為：
其中，SMw分別是上一次循環(huán)中對分類L的先驗概率和組分C的混合比例 的估計，4>ie(t)是依據(jù)上一次循環(huán)估計的參數(shù)，計算得到的像素i的灰度值屬于組分C的高 斯概率。
3. 根據(jù)權(quán)利要求2所述的一種磁共振延遲增強序列心肌分割方法，其特征在于，所述 的第五步中第（t+1)次循環(huán)各參數(shù)的估計式為：
其中，YiR表像素i的灰度值，N為像素總數(shù)，ye(t+1)、〇e(t+1)分別代表第（t+1)次循環(huán) 時對應(yīng)于組分C的高斯分布的均值和標準差，SJt+1)代表第（t+1)次循環(huán)時組分C的混合 比例。
4. 根據(jù)權(quán)利要求1所述的一種磁共振延遲增強序列心肌分割方法，其特征在于，所述 的第六步中的耦合水平集模型中的兩條輪廓演化所依據(jù)的公式為：
其中，人和U為代表權(quán)重的可調(diào)參數(shù)，（^和（J)2分別為內(nèi)外輪廓的水平集函數(shù)，Piw 代表像素i屬于分類LV的后驗概率，piMy。代表像素i屬于分類Myo的后驗概率，pib代表像 素i屬于分類b的后驗概率，容=1/(1+丨卩<1<T|2)，G。為高斯核函數(shù)，Y為所有像素點的 灰度值，U1,U2為依賴兩輪廓間相對距離的參數(shù)。
5. 根據(jù)權(quán)利要求1所述的一種磁共振延遲增強序列心肌分割方法，其特征在于，所述 的第七步中第（t+1)次循環(huán)時先驗概率3Ta(t+1)估計式為：
其中，0,為歸一化項，a為可調(diào)節(jié)參數(shù)，為第（t+1)次循環(huán)時像素i到由耦合水 平集的兩條輪廓圍成的相應(yīng)點集的歐氏距離。
【文檔編號】G06T7/00GK104504695SQ201410785473
【公開日】2015年4月8日 申請日期:2014年12月16日 優(yōu)先權(quán)日:2014年12月16日
【發(fā)明者】莊嚇海, 劉潔, 顧力栩 申請人:上海交通大學(xué)