一種磁共振延遲增強序列心肌分割方法
2023-05-30 08:59:46
一種磁共振延遲增強序列心肌分割方法
【專利摘要】本發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,根據配準後的圖譜信息初始化多組分高斯混合模型中的各參數;第四步,計算每個像素點屬於各組分的後驗概率;第五步,更新對高斯混合模型中各組分參數的估計值;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,重複四到七步直至算法收斂,對耦合水平集模型中的內輪廓求取凸包進行插值得到最終分割結果。與現有技術相比,本發明具有不需要依賴其他序列信息、實現方便、應用靈活等優點。
【專利說明】一種磁共振延遲増強序列心肌分割方法
【技術領域】
[0001] 本發明涉及一種圖像處理【技術領域】,尤其是涉及一種基於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】
[0002] 隨著核磁共振技術的發展,其對心臟的成像質量和成像速度都得到了極大的提 升,在相關的醫學臨床實踐和研宄中得到了越來越廣泛的應用。其中,延遲增強序列通過給 心肌梗塞病人注射造影劑,可以使心肌梗死區域的信號增強,直觀地看到梗死區域的位置、 大小,其可靠性已經得到驗證。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 定相應的治療計劃,通常首先需要對心肌進行分割。然而,目前有關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上,如何區分梗死區和正常心肌。利用了包括閾值法、區 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分梗死區。而 實際上,臨床上目前主要還是依靠醫生手動勾勒出心肌輪廓,耗費大量的時間,並且不同醫 生勾勒的差異也會給定量的分析比較帶來困難。因此,開發可用於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:
[0004] 1)由於梗死區域的存在,心肌的灰度分布是不均勻的,而很多分割算法都是基於 目標區域灰度均勻的假設構建的;
[0005] 2)心肌梗死區域的灰度、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 梗死區域的灰度與血池常常非常相似。
[0007] 經過對現有文獻的檢索發現,現有的延遲增強序列心肌分割大多使用了磁共振電 影序列及其分割結果作為先驗信息。然後直接通過圖像配準或構建三維模型將先驗信息匹 配到延遲增強序列,在此基礎上再構建模型進行更精細的優化得到最終的分割結果。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後續的分割過程中,因此分割過程比較繁瑣,通常需要人 工監督。二是優化模型比較粗糙或加入了一定的先驗假設,難以適應心肌梗塞病人的各種 複雜情形。
【發明內容】
[0008] 本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種不需要依賴其 他序列信息、實現方便、應用靈活、穩定可靠、適用於實際臨床的基於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] 本發明的目的可以通過以下技術方案來實現:
[0010] 一種磁共振延遲增強序列心肌分割方法,其特徵在於,包括以下步驟:
[0011] 第一步,構建一組心臟短軸圖像圖譜,包含心臟的灰度圖像以及相應的左心室血 池、心肌、背景的分割結果;
[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於圖譜中的分割結果,將分割結果也匹配到待分割的延遲增強序 列圖像;
[0013] 第三步,構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;根據配準後的圖譜信息初始化多組分高斯混合模型中的各參數,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,取所有像素 點的灰度值及所屬組分作為完全數據;依據目前對參數的估計,在已知每個像素點灰度值 的基礎上,計算每個像素點屬於各組分的後驗概率;
[0015] 第五步,依據上一步得到的後驗概率,通過最大化似然函數的條件期望,更新對高 斯混合模型中各組分參數的估計值;
[0016] 第六步,基於圖像灰度信息、後驗概率信息以及心肌厚度約束,構建包含耦合水平 集內外兩條輪廓的能量函數,通過最小化能量函數演化兩條輪廓;
[0017] 第七步,基於演化後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 於每一分類的先驗概率;
[0018] 第八步,重複四到七步直至算法收斂,對耦合水平集模型中的內輪廓求取凸包,並 進行插值得到最終分割結果。
[0019] 所述的第四步中第(t+Ι)次循環的後驗概率piC(t+1)計算公式為:
[0020]
【權利要求】
1. 一種磁共振延遲增強序列心肌分割方法,其特徵在於,包括以下步驟: 第一步,構建一組心臟短軸圖像圖譜,包含心臟的灰度圖像以及相應的左心室血池、心 肌、背景的分割結果; 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於圖譜中的分割結果,將分割結果也匹配到待分割的延遲增強序列圖 像; 第三步,構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;根據配準後的圖譜信息初始化多組分高斯混合模型中的各參數,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,取所有像素點的 灰度值及所屬組分作為完全數據;依據目前對參數的估計,在已知每個像素點灰度值的基 礎上,計算每個像素點屬於各組分的後驗概率; 第五步,依據上一步得到的後驗概率,通過最大化似然函數的條件期望,更新對高斯混 合模型中各組分參數的估計值; 第六步,基於圖像灰度信息、後驗概率信息以及心肌厚度約束,構建包含耦合水平集內 外兩條輪廓的能量函數,通過最小化能量函數演化兩條輪廓; 第七步,基於演化後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於每 一分類的先驗概率; 第八步,重複四到七步直至算法收斂,對耦合水平集模型中的內輪廓求取凸包,並進行 插值得到最終分割結果。
2. 根據權利要求1所述的一種磁共振延遲增強序列心肌分割方法,其特徵在於,所述 的第四步中第(t+1)次循環的後驗概率pie(t+1)計算公式為:
其中,SMw分別是上一次循環中對分類L的先驗概率和組分C的混合比例 的估計,4>ie(t)是依據上一次循環估計的參數,計算得到的像素i的灰度值屬於組分C的高 斯概率。
3. 根據權利要求2所述的一種磁共振延遲增強序列心肌分割方法,其特徵在於,所述 的第五步中第(t+1)次循環各參數的估計式為:
其中,YiR表像素i的灰度值,N為像素總數,ye(t+1)、〇e(t+1)分別代表第(t+1)次循環 時對應於組分C的高斯分布的均值和標準差,SJt+1)代表第(t+1)次循環時組分C的混合 比例。
4. 根據權利要求1所述的一種磁共振延遲增強序列心肌分割方法,其特徵在於,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的公式為:
其中,人和U為代表權重的可調參數,(^和(J)2分別為內外輪廓的水平集函數,Piw 代表像素i屬於分類LV的後驗概率,piMy。代表像素i屬於分類Myo的後驗概率,pib代表像 素i屬於分類b的後驗概率,容=1/(1+丨卩<1<T|2),G。為高斯核函數,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。
5. 根據權利要求1所述的一種磁共振延遲增強序列心肌分割方法,其特徵在於,所述 的第七步中第(t+1)次循環時先驗概率3Ta(t+1)估計式為:
其中,0,為歸一化項,a為可調節參數,為第(t+1)次循環時像素i到由耦合水 平集的兩條輪廓圍成的相應點集的歐氏距離。
【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 優先權日:2014年12月16日
【發明者】莊嚇海, 劉潔, 顧力栩 申請人:上海交通大學