68] Fwaii (X) =11(X) -μ(X)I-11(X) - V (X)I (5)
[0069] 采用差的絕對值可減少每次演化速度函數(shù)的變化范圍，使曲線能正常收斂到外輪 廓的邊緣。
[0070] 與普通窄帶水平集不同，固定窄帶不僅可W減少水平集演化過程中重新初始化的 計算量，而且可W避免水平集函數(shù)在演化過程中受窄帶外其他無關(guān)信息的干擾。當確定目 標輪廓在初始輪廓附近時，可W使用水平集固定窄帶，其表達式為
[007引式中BWw訪腹主動脈瘤外輪廓附近一定寬度的固定窄帶，由式（7)求得。在固定 窄帶的約束下，外輪廓的演化被確保在一個環(huán)狀的區(qū)域內(nèi)進行，不易受到復雜的周圍組織 的干擾。在提高分割精度的同時，可降低運算的復雜度。
[0074] 2)提出基于上下文窄帶約束的分割方法實現(xiàn)外輪廓精細分割，上下文信息不受特 定幾何形狀和內(nèi)腔分割結(jié)果的影響，對外輪廓的變化有很強的適應(yīng)能力，因而可W優(yōu)化初 步分割結(jié)果，實現(xiàn)外輪廓精確分割；
[0075] 2. 1)構(gòu)建腹主動脈瘤外輪廓的采樣窄帶
[0076] 與水平集窄帶方法不同，上下文約束時采用的窄帶需要確保窄帶中屯、線的內(nèi)外有 相同的采樣點，從而使窄帶上的輪廓線可w通過權(quán)重和梯度確定外輪廓所在的位置。上下 文約束采樣窄帶有兩種。一種是徑向采樣窄帶，它是W外輪廓初步分割結(jié)果為中屯、線，W外 輪廓區(qū)域中屯、為圓屯、的徑向采樣而得。另一種是法向采樣窄帶，它同樣是W外輪廓初步分 割結(jié)果為中屯、線，但是W外輪廓的法線方向采樣而得。
[0077] 兩種采樣窄帶針對不同的應(yīng)用場景。徑向采樣窄帶適合于邊緣相對平滑且曲率變 化小的輪廓，法向采樣窄帶適合于邊緣波動明顯且曲率變化大的輪廓。結(jié)合腹主動脈瘤外 輪廓的特點，采用徑向采樣窄帶。
[0078] 為方便處理，將環(huán)狀的徑向采樣窄帶按圖2所示進行"拉直"處理。設(shè)V,是W12 點鐘作為起點的初步分割外輪廓向量。那么窄帶就像由V，的起點剪開，拉伸后形成矩形區(qū) 域。形成的矩陣NRi, ,的列數(shù)與V,的維數(shù)相同。設(shè)窄帶的寬度為2Ww+l，初始化外輪廓區(qū)域 的中屯、為（x^y。)，與向量V,相對應(yīng)的中屯、線上的點為^,，7,)，那么
[0087] 利用式（13)可W獲得采樣窄帶上的點對應(yīng)于原CTA圖像上的CT值，得到形變后 的采樣窄帶W用于后續(xù)分割；
[0088] 2. 2)在采樣窄帶中精確分割腹主動脈瘤外輪廓。
[0089] 盡管CTA圖像上腹主動脈瘤的外輪廓可能并不完整，但是其外輪廓客觀存在，并 符合形變血管的幾何特性。因此在精細分割過程中，主動脈瘤外輪廓邊緣缺失部位可W用 運個原則進行"補全"。窄帶外輪廓分割方法實現(xiàn)如下：
[0090] 2. 2. 1)在窄帶中屯、線附近捜索梯度大的邊緣作為候選點，捜索窄帶NR的每一列。 如果在一列中沒有可靠的邊緣，那就設(shè)置當前列沒有候選點。
[0091] 2. 2. 2)遍歷窄帶上每一列中的候選點，去除窄帶中孤立于相鄰兩列的候選點。運 樣在窄帶中得到不連續(xù)的邊緣線段。
[0092] 2. 2. 3)對窄帶中邊緣線段的位置信息進行統(tǒng)計，去除與相鄰邊緣線段趨勢差異很 大且偏離窄帶中屯、的邊緣線段。剩下的邊緣線段可W認為是主動腹外輪廓中可W檢測到的 可靠輪廓。
[009引 2. 2. 4)連接可靠的邊緣并映射回原圖，得到更新后的可靠邊緣點。原圖中，所得的 點圍成的區(qū)域的輪廓線就是所求的腹主動脈瘤外輪廓。
[0094] 采樣窄帶中，外輪廓的精細分割過程如圖3所示。
[0095] 3)利用CTA圖像序列的空間連續(xù)性，將精確分割結(jié)果用于相鄰切層初步分割時水 平集初始化，既解決了圖像序列分割時迭代初始化，又使初始輪廓盡可能接近分割目標，提 高分割效率。
[0096] 利用CTA圖像序列空間的連續(xù)性，將當前切層的外輪廓分割結(jié)果經(jīng)平滑處理后作 為相鄰切層水平集分割的初始輪廓，并W此構(gòu)建水平集窄帶BWwe，解決了分割過程中連續(xù)初 始化，實現(xiàn)連續(xù)分割。W此，筆者提出醫(yī)學圖像序列中腹主動脈瘤外輪廓自動分割算法。算 法具體分為W下步驟：
[0097] 3. 1)初始化CTA圖像序列：包括載入圖像序列，選取合適的窗寬、窗位W去除與分 割目標大部分無關(guān)的CT值，便于CTA圖像的顯示和初始輪廓的標記，然后任意選擇序列中 的一層，手動標記出瘤體外輪廓的大致位置作為分割的初始輪廓。
[0098] 3. 2)確定序列中當前層的動態(tài)處理窗口：動態(tài)處理窗口是包含瘤體截面但又遠 小于原始圖像的矩形區(qū)域，其作用是去除無關(guān)區(qū)域，減少處理的復雜度。其大小由實際情況 進行設(shè)定，位置由當前切層的初始輪廓重屯、來確定。
[0099] 3. 3)采用基于窄帶LBF二值水平集方法獲得初步分割結(jié)果，并在此基礎(chǔ)上采用基 于上下文窄帶約束外輪廓分割的方法獲得更可靠的外輪廓。 陽100] 3. 4)采用B樣條的方式去除分割結(jié)果中可能存在的噪點，提高圖像序列連續(xù)分割 的精度。 陽101] 3. 5)W步驟3. 4)的結(jié)果作為圖像序列相鄰層的初始化輪廓，將下一層作為當前 切層，重復步驟3. 2)至步驟3. 4)，直至完成整個序列的腹主動脈瘤外輪廓分割。
【主權(quán)項】
1. 一種結(jié)合上下信息窄帶約束的腹腔主動脈瘤外輪廓分割方法，其特征在于：包括如 下步驟： 1) 利用LBF水平集方法處理腹腔主動脈瘤的初始輪廓，結(jié)合窄帶約束，獲得腹腔主動 脈瘤的初步外輪廓； 2) 提出基于上下文窄帶約束的分割方法實現(xiàn)外輪廓精細分割，過程如下： 2. 1)構(gòu)建腹主動脈瘤外輪廓的采樣窄帶 以外輪廓初步分割結(jié)果為中心線，以外輪廓區(qū)域中心為圓心的徑向采樣； 2. 2)在米樣窄帶中精確分割腹主動脈瘤外輪廓，分割方法實現(xiàn)如下： 2. 2. 1)在窄帶中心線附近搜索梯度大的邊緣作為候選點，搜索窄帶NR的每一列，如果 在一列中沒有可靠的邊緣，那就設(shè)置當前列沒有候選點； 2. 2. 2)遍歷窄帶上每一列中的候選點，去除窄帶中孤立于相鄰兩列的候選點，這樣在 窄帶中得到不連續(xù)的邊緣線段； 2. 2. 3)對窄帶中邊緣線段的位置信息進行統(tǒng)計，去除與相鄰邊緣線段趨勢差異很大且 偏離窄帶中心的邊緣線段，剩下的邊緣線段可以認為是主動腹外輪廓中可以檢測到的可靠 輪廓； 2. 2. 4)連接可靠的邊緣并映射回原圖，得到更新后的可靠邊緣點，原圖中，所得的點圍 成的區(qū)域的輪廓線就是所求的腹主動脈瘤外輪廓。2. 如權(quán)利要求1所述的一種結(jié)合上下信息窄帶約束的腹腔主動脈瘤外輪廓分割方法， 其特征在于：所述腹腔主動脈瘤外輪廓分割方法還包括如下步驟： 3) 利用CTA圖像序列的空間連續(xù)性，將精確分割結(jié)果用于相鄰切層初步分割時水平 集初始化，將當前切層的外輪廓分割結(jié)果經(jīng)平滑處理后作為相鄰切層水平集分割的初始輪 廓，并以此構(gòu)建水平集窄帶BWnb，醫(yī)學圖像序列中腹主動脈瘤外輪廓自動分割算法。算法具 體分為以下步驟： 3. 1)初始化CTA圖像序列：包括載入圖像序列，選取合適的窗寬、窗位以去除與分割目 標大部分無關(guān)的CT值，便于CTA圖像的顯示和初始輪廓的標記，然后任意選擇序列中的一 層，手動標記出瘤體外輪廓的大致位置作為分割的初始輪廓； 3.2)確定序列中當前層的動態(tài)處理窗口 ：動態(tài)處理窗口是包含瘤體截面但又遠小于 原始圖像的矩形區(qū)域，位置由當前切層的初始輪廓重心來確定； 3. 3)采用基于窄帶LBF二值水平集方法獲得初步分割結(jié)果，并在此基礎(chǔ)上采用基于上 下文窄帶約束外輪廓分割的方法獲得更可靠的外輪廓； 3. 4)采用B樣條的方式去除分割結(jié)果中可能存在的噪點，提高圖像序列連續(xù)分割的精 度； 3.5)以步驟3. 4)的結(jié)果作為圖像序列相鄰層的初始化輪廓，將下一層作為當前切層， 重復步驟3. 2)至步驟3. 4)，直至完成整個序列的腹主動脈瘤外輪廓分割。
【專利摘要】一種結(jié)合上下信息窄帶約束的腹腔主動脈瘤外輪廓分割方法，包括如下步驟：1)改進LBF水平集方法用于的外輪廓初步分割，利用LBF在低對比度圖像目標分割中的優(yōu)勢，結(jié)合窄帶約束，獲得初步外輪廓。2)提出基于上下文窄帶約束的分割方法實現(xiàn)外輪廓精細分割；3)利用CTA圖像序列的空間連續(xù)性，將精確分割結(jié)果用于相鄰切層初步分割時水平集初始化。本發(fā)明提供了一種分割精度較高、分割效率較高的結(jié)合上下信息窄帶約束的腹腔主動脈瘤外輪廓分割方法。
【IPC分類】G06T7/00
【公開號】CN105279759
【申請?zhí)枴緾N201510700007
【發(fā)明人】汪曉妍, 鄭煥彰, 祝騁路, 李軍偉, 張劍華, 管秋, 陳勝勇
【申請人】浙江工業(yè)大學
【公開日】2016年1月27日
【申請日】2015年10月23日