CN114240964B - 一种心脏磁共振图像心肌区域分割方法及*** - Google Patents
一种心脏磁共振图像心肌区域分割方法及*** Download PDFInfo
- Publication number
- CN114240964B CN114240964B CN202111501431.2A CN202111501431A CN114240964B CN 114240964 B CN114240964 B CN 114240964B CN 202111501431 A CN202111501431 A CN 202111501431A CN 114240964 B CN114240964 B CN 114240964B
- Authority
- CN
- China
- Prior art keywords
- level set
- function
- image
- segmented
- segmentation result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 129
- 230000002107 myocardial effect Effects 0.000 title claims abstract description 66
- 230000000747 cardiac effect Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 20
- 210000001174 endocardium Anatomy 0.000 claims abstract description 55
- 239000010410 layer Substances 0.000 claims description 77
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000009792 diffusion process Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002708 enhancing effect Effects 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 7
- 239000002355 dual-layer Substances 0.000 claims description 5
- 210000004165 myocardium Anatomy 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 77
- 238000003384 imaging method Methods 0.000 description 4
- 210000005240 left ventricle Anatomy 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000005241 right ventricle Anatomy 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种心脏磁共振图像心肌区域分割方法及***，该方法通过在待分割图像的底层图像中选择待分割的心脏区域，并在心腔中任选一点作为初始点；然后基于所述初始点确定初始水平集函数，并通过所述双层保凸水平集分割模型驱动所述初始水平集函数向心内膜的轮廓处移动，从而确定心内膜分割结果，并基于心内膜分割结果和能量函数确定心外膜分割结果；然后基于心内膜分割结果和心外膜分割结果确定底层图像的心肌区域，确定下一层图像的初始点，从而确定出下一层图像的心肌区域分割，直到待分割图像的所有层图像中的心肌区域全部分割完成；最后输出待分割图像的心肌区域分割结果，实现了更加准确快速地在心脏磁共振图像中分割出心肌区域。
Description
技术领域
本发明属于磁共振图像技术领域，具体涉及一种心脏磁共振图像心肌区域分割方法及***。
背景技术
心血管疾病是一种致命性疾病，其死亡率居于各类疾病之首，而心脏病远高于其他类型的心血管疾病，位列世界致死因素之首。
心脏磁共振是一种无创的检查方法，对病人没有电离辐射，不需使用含碘的对比剂，成像序列和成像参数多，可以得到各种不同对比度的心脏图像，对软组织的密度分辨率和空间分辨率高，可以清楚地显示心肌的结构，成像方向灵活，可以得到心脏的短轴位、长轴位、四腔心位、三腔心位、左室流出道位和右室流出道位等各种方位的心脏图像。
然而，由于心脏生理结构的复杂性，在心脏磁共振图像那个对心脏的分割和功能分析存在较多难题，例如：
1、图像灰度不均匀，由于射频场的不均匀性，导致心脏磁共振图像的灰度产生不均匀现象，使信号发生了混淆，表现为图像中同一个器官或组织的像素灰度会发生缓慢平滑的变化。
2、部分容积(Partial Volume，PV)效应，由于病人***的移动、心脏的周期性运动或变化、病人的呼吸运动、扫描层厚度的影响等，使得一个像素的数值成为一个小区域的累加值，造成心脏磁共振图像中各个软组织之间边界模糊或不连续。
3、图像噪声，心脏磁共振图像成像过程中因为受仪器设备等物理因素影响，图像中经常会带有噪声，造成分割精度降低。
在具体工作场景中，分割通常是由专家手动分割完成的，这一过程耗时耗力，而且最终的分割结果不便于修改与复制，主观性较强。
因此，如何快速准确地在心脏磁共振图像中分割出心肌区域，精确地分割心室与心肌，确定心内膜和心外膜的位置，是本领域技术人员亟待解决的技术问题。
发明内容
本发明的目的是为了快速准确地在心脏磁共振图像中分割出心肌区域，提出了心脏磁共振图像心肌区域分割方法及***。
本发明的技术方案为：一种心脏磁共振图像心肌区域分割方法，包括以下步骤：
S1、在待分割图像的底层图像中选择待分割的心脏区域，并在心腔中任选一点作为初始点；
S2、基于所述初始点确定双层保凸水平集分割模型的初始水平集函数，其中，所述初始水平集函数包括0-水平集和k-水平集，所述0-水平集表示心内膜轮廓，所述k-水平集表示心外膜轮廓；
S3、通过所述双层保凸水平集分割模型驱动所述初始水平集函数向心内膜的轮廓处移动，从而确定心内膜分割结果，并基于所述心内膜分割结果和能量函数确定心外膜分割结果；
S4、基于所述心内膜分割结果和所述心外膜分割结果确定所述底层图像的心肌区域，并基于所述底层区域的心肌区域和质心的计算方法确定下一层图像的初始点，并根据步骤S2-S4确定出下一层图像的心肌区域分割，直到所述待分割图像的所有层图像中的心肌区域全部分割完成；
S5、输出所述待分割图像的心肌区域分割结果。
进一步地，所述待分割图像是包括舒张期和收缩期两个阶段的空间立体数据，在所述步骤S1之前还包括通过各向异性扩散方法对待分割图像的所有层图像进行平滑和增强的预处理。
进一步地，所述双层保凸水平集分割模型具体如下式所示：
式中，
为数据项，β(κ)为曲率指示函数，
为曲率项，
为对初始水平集函数的偏导数，
为对世间的偏导数，μ为距离正则性
的权重系数，δ为狄拉克函数，
为初始水平集函数，希腊字母卡帕κ为初始水平集函数的曲率。
进一步地，所述双层保凸水平集分割模型还包括凸性约束，具体通过如下公式进行表示：
式中，希腊字母卡帕κ为初始水平集函数
的曲率，div用于计算散度，
用于计算初始水平集函数的梯度。
进一步地，所述步骤S3中并基于所述心内膜分割结果和能量函数确定心外膜分割结果具体包括以下分步骤：
S31、将所述心内膜分割结果输入到所述能量函数中；
S32、通过所述能量函数在预设区间中确定最优解，所述预设区间具体为心肌厚度的上界和下界组成的区间，单位为像素；
S33、通过所述双层保凸水平集分割模型将所述最优解进行迭代更新后确定出心外膜分割结果。
进一步地，所述能量函数具体如下式所示：
式中，k为最优解，
为心内膜轮廓，g为边缘指示函数，x为图像像素值，δ为狄拉克函数，Ω为图像区域。
对应的，本发明还提出了一种心脏磁共振图像心肌区域分割***，所述***包括：
选择模块，用于在待分割图像的底层图像中选择待分割的心脏区域，并在心腔中任选一点作为初始点；
函数模块，用于基于所述初始点确定双层保凸水平集分割模型的初始水平集函数，其中，所述初始水平集函数包括0-水平集和k-水平集，所述0-水平集表示心内膜轮廓，所述k-水平集表示心外膜轮廓；
第一确定模块，用于通过所述双层保凸水平集分割模型驱动所述初始水平集函数向心内膜的轮廓处移动，从而确定心内膜分割结果，并基于所述心内膜分割结果和能量函数确定心外膜分割结果；
第二确定模块，用于基于所述心内膜分割结果和所述心外膜分割结果确定所述底层图像的心肌区域，并基于所述底层区域的心肌区域和质心的计算方法确定下一层图像的初始点，并根据步骤S2-S4确定出下一层图像的心肌区域分割，直到所述待分割图像的所有层图像中的心肌区域全部分割完成；
输出模块，用于输出所述待分割图像的心肌区域分割结果。
进一步地，所述待分割图像是包括舒张期和收缩期两个阶段的空间立体数据，所述***还包括预处理模块，所述预处理模块用于通过各向异性扩散方法对待分割图像的所有层图像进行平滑和增强的预处理，然后由选择模块在预处理后的待分割图像中选择初始点。
与现有技术相比，本发明具备以下有益效果：
(1)本发明在待分割图像的底层图像中选择待分割的心脏区域，并在心腔中任选一点作为初始点；然后基于所述初始点确定初始水平集函数，并通过所述双层保凸水平集分割模型驱动所述初始水平集函数向心内膜的轮廓处移动，从而确定心内膜分割结果，并基于所述心内膜分割结果和能量函数确定心外膜分割结果；然后基于所述心内膜分割结果和所述心外膜分割结果确定所述底层图像的心肌区域，并基于所述底层区域的心肌区域和质心的计算方法确定下一层图像的初始点，从而确定出下一层图像的心肌区域分割，直到所述待分割图像的所有层图像中的心肌区域全部分割完成；最后输出所述待分割图像的心肌区域分割结果，实现了更加准确快速地在心脏磁共振图像中分割出心肌区域，且不需要大量的训练数据以及专业的心脏区域标注结果。
(2)本发明通过各向异性扩散方法对待分割图像进行预处理，这种预处理方式克服了高斯滤波的缺陷，可以在保留图像边缘细节特征的同时去除噪声的干扰，平滑图像，增强图像边缘的对比度。
附图说明
图1所示为本发明实施例提供的一种心脏磁共振图像心肌区域分割方法的流程示意图；
图2所示为本发明实施例提供的一种心脏磁共振图像心肌区域分割***的结构示意图；
图3所示为本发明实施例中待分割图像每一层图像的质心点及自动得到的心肌区域。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例1：
本申请实施例提出了一种心脏磁共振图像心肌区域分割方法，如图1所示，该方法包括以下步骤：
步骤S1、在待分割图像的底层图像中选择待分割的心脏区域，并在心腔中任选一点作为初始点。
在本申请实施例中，所述待分割图像是包括舒张期和收缩期两个阶段的空间立体数据，在所述步骤S1之前还包括通过各向异性扩散方法对待分割图像的所有层图像进行平滑和增强的预处理。
具体的，可采集正常人或心脏疾病患者的心脏磁共振图像，这一图像数据是包括舒张期和收缩期两个阶段的空间立体数据，然后通过各向异性扩散方法对待分割图像的所有层图像进行平滑和增强的预处理，然后第一个处理该数据也即待分割图像的底层图像。
首先在底层图像中选择待分割的心脏区域，选择待分割的心脏区域可由人工手动选择，也可由人工智能程序进行识别划分整个的心脏区域，然后在左心室或右心室的心腔中任选一点作为初始点。
步骤S2、基于所述初始点确定双层保凸水平集分割模型的初始水平集函数，其中，所述初始水平集函数包括0-水平集和k-水平集，所述0-水平集表示心内膜轮廓也即心内膜水平集函数，所述k-水平集表示心外膜轮廓也即心外膜水平集函数。
双层保凸水平集分割模型是本申请提出的模型，其用于对心内膜轮廓和心外膜轮廓进行演化。
用水平集函数的
的0-水平集和k-水平集分别表示心内膜轮廓和心外膜轮廓，如下式所示
在本申请实施例中，所述双层保凸水平集分割模型具体如下式所示：
式中，
为数据项，β(κ)为曲率指示函数，
为曲率项，
为对初始水平集函数的偏导数，
为对世间的偏导数，μ为距离正则性
的权重系数，δ为狄拉克函数，
为初始水平集函数，希腊字母卡帕κ为初始水平集函数的曲率。
具体的，心脏磁共振图像中左心室或右心室心内膜与心外膜的准确分割问题可以用数学语言重新定义为在图像中寻找水平集函数
的0-水平集与k-水平集与真实的心内膜与心外膜的最佳匹配过程，并定义出一个双层水平集函数，其中0-水平集和k-水平集分别向期望得到的心内膜与心外膜同时演化，该双层水平集函数定义为：
其中，
和
分别是0-水平集和k-水平集的加权长度项，
和
分别是0-水平集和k-水平集的加权面积项，
是距离正则项，α0、αk、λo、λk和μ分别是对应项的系数，
为双层保凸水平集分割模型的能量函数。
加权长度项
和
与加权面积项
和
的定义分别为
其中，
式中，g是通过各向异性扩散方法的边缘指示函数，Is表示图像,
表示梯度运算符，H为隶属度函数，dx为一体，加上积分号表示对x求积分，x为图像像素值，k为表示心外膜轮廓也即心外膜水平集函数。
通过链式法则对上述公式实用最速下降法实现最小化过程，得到双层保凸水平集分割模型的演化函数为：
其中，数据项
与距离正则性
分别为：
式中，δ为狄拉克函数，
为对水平集函数求偏导，
为对时间求偏导，
为对能量函数求偏导，
用于计算水平集函数的梯度。
本发明在上述步骤的基础上融入心脏几何结构特征的解剖学只是，以保证最终的分割结果是符合医学解剖学要求的凸的结构，因此，将曲率项融入到演化函数中，即得到：
式中，
为数据项，β(κ)为曲率指示函数，
为曲率项，
为对初始水平集函数的偏导数，
为对世间的偏导数，μ为距离正则性
的权重系数，δ为狄拉克函数，
为初始水平集函数，希腊字母卡帕κ为初始水平集函数的曲率。
具体而言，轮廓曲线在κ<0处，曲线表现为扩张，反之，当轮廓曲线在κ≥0处，轮廓曲线收缩。换言之，曲线的凹凸性可以通过对水平集函数添加曲率约束项来刻画。
在本申请实施例中，所述双层保凸水平集分割模型还包括凸性约束，具体通过如下公式进行表示：
式中，希腊字母卡帕κ为初始水平集函数
的曲率，div用于计算散度，
用于计算初始水平集函数的梯度。
对曲线上的每一点，若该点处曲率κ>0，则该处曲线为凸；若该点处曲率κ<0，则该处曲线为凹。根据心脏解剖学几何特征，需对水平集函数施加约束使其曲率为正，保证最终分割结果为凸。
步骤S3、通过所述双层保凸水平集分割模型驱动所述初始水平集函数向心内膜的轮廓处移动，从而确定心内膜分割结果，并基于所述心内膜分割结果和能量函数确定心外膜分割结果。
通过所述初始水平集函数也即上述步骤便能得到左心室或右心室的保持凸性的心内膜分割结果
然后基于该心内膜分割结果和能量函数确定心外膜分割结果。
在本申请实施例中，所述步骤S3中并基于所述心内膜分割结果和能量函数确定心外膜分割结果具体包括以下分步骤：
S31、将所述心内膜分割结果输入到所述能量函数中；
S32、通过所述能量函数在预设区间中确定出最优解，所述预设区间具体为心肌厚度的上界和下界组成的区间，单位为像素；
S33、通过所述双层保凸水平集分割模型将所述最优解进行迭代更新后确定出心外膜分割结果。
具体的，获得准确的心内膜分割结果后，在心内膜分割结果
的基础上，通过如下能量函数E在[kmin,kmax]区间中自动搜索k来获得想要的最优k值，
式中，E为自动选取k-水平集中最优k值的能量函数，k为最优解，
为心内膜水平集函数，g为边缘指示函数，dx为一体，加上积分号表示对x求积分，Ω为图像区域，x为图像像素值，δ为狄拉克函数。kmin和kmax分别是心肌厚度的上界和下界(以像素为单位)。
而上述只能实现与心外膜轮廓总体上的大致拟合，需要将最优解代入到双层保凸水平集分割模型中进行迭代更新，使得水平集函数的k-水平集通过变形最终达到理想的心外膜轮廓边界，得到左心室或右心室的心外膜的分割结果
步骤S4、基于所述心内膜分割结果和所述心外膜分割结果确定所述底层图像的心肌区域，并基于所述底层区域的心肌区域和质心的计算方法确定下一层图像的初始点，从而确定出下一层图像的心肌区域分割，直到所述待分割图像的所有层图像中的心肌区域全部分割完成。
具体的，当获取底层图像的心肌区域后，会根据质心的计算原理自动计算下一层的初始点位置，并由此初始点得到水平集函数的初始轮廓，进一步演化迭代，直到在目标边界处停止，也即按照上述步骤进行心肌区域分割，直到待分割图像的所有层图像中的心肌区域全部分割完成，如图3所示。
步骤S5、输出所述待分割图像的心肌区域分割结果。
实施例2：
本申请实施例提供了一种心脏磁共振心肌区域分割***，如图2所示，该***包括：
选择模块，用于在待分割图像的底层图像中选择待分割的心脏区域，并在心腔中任选一点作为初始点；
在本申请实施例中，所述待分割图像是包括舒张期和收缩期两个阶段的空间立体数据，所述***还包括预处理模块，所述预处理模块用于通过各向异性扩散方法对待分割图像的所有层图像进行平滑和增强的预处理，然后由选择模块在预处理后的待分割图像中选择初始点。
函数模块，用于基于所述初始点确定双层保凸水平集分割模型的初始水平集函数，其中，所述初始水平集函数包括0-水平集和k-水平集，所述0-水平集表示心内膜轮廓，所述k-水平集表示心外膜轮廓；
第一确定模块，用于通过所述双层保凸水平集分割模型驱动所述初始水平集函数向心内膜的轮廓处移动，从而确定心内膜分割结果，并基于所述心内膜分割结果和能量函数确定心外膜分割结果；
在本申请实施例中，所述第一确定模块，具体用于：
将所述心内膜分割结果输入到所述能量函数中；
通过所述能量函数在预设区间中确定出最优解，所述预设区间具体为心肌厚度的上界和下界组成的区间，单位为像素；
通过所述双层保凸水平集分割模型将所述最优解进行迭代更新后确定出心外膜分割结果。
第二确定模块，用于基于所述心内膜分割结果和所述心外膜分割结果确定所述底层图像的心肌区域，并基于所述底层区域的心肌区域和质心的计算方法确定下一层图像的初始点，并根据步骤S2-S4确定出下一层图像的心肌区域分割，直到所述待分割图像的所有层图像中的心肌区域全部分割完成；
输出模块，用于输出所述待分割图像的心肌区域分割结果。
本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，执行计算机程序时实现如本发明实施例1-实施例4中所述的任意一种牙齿点云配准方法的部分或全部步骤。
本发明实施例中，计算机可读存储介质包括但不限于U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (3)
1.一种心脏磁共振图像心肌区域分割方法，其特征在于，所述方法包括以下步骤：
S1、在待分割图像的底层图像中选择待分割的心脏区域，并在心腔中任选一点作为初始点；
S2、基于所述初始点确定双层保凸水平集分割模型的初始水平集函数，其中，所述初始水平集函数包括0-水平集和k-水平集，所述0-水平集表示心内膜轮廓，所述k-水平集表示心外膜轮廓；
S3、通过所述双层保凸水平集分割模型驱动所述初始水平集函数向心内膜的轮廓处移动，从而确定心内膜分割结果，并基于所述心内膜分割结果和能量函数确定心外膜分割结果；
S4、基于所述心内膜分割结果和所述心外膜分割结果确定所述底层图像的心肌区域，并基于所述底层区域的心肌区域和质心的计算方法确定下一层图像的初始点，并根据步骤S2-S4确定出下一层图像的心肌区域分割，直到所述待分割图像的所有层图像中的心肌区域全部分割完成；
S5、输出所述待分割图像的心肌区域分割结果；
所述待分割图像是包括舒张期和收缩期两个阶段的空间立体数据，在所述步骤S1之前还包括通过各向异性扩散方法对待分割图像的所有层图像进行平滑和增强的预处理；
所述双层保凸水平集分割模型具体如下式所示：
式中，
为数据项，β(κ)为曲率指示函数，
为曲率项，
为对初始水平集函数的偏导数，
为对时间的偏导数，μ为距离正则性
的权重系数，δ为狄拉克函数，
为初始水平集函数，希腊字母卡帕κ为初始水平集函数的曲率；
所述双层保凸水平集函数还包括凸性约束，具体通过如下公式进行表示：
式中，希腊字母卡帕κ为初始水平集函数
的曲率，div用于计算散度，
用于计算初始水平集函数的梯度；
所述步骤S3中并基于所述心内膜分割结果和能量函数确定心外膜分割结果具体包括以下分步骤：
S31、将所述心内膜分割结果输入到所述能量函数中；
S32、通过所述能量函数在预设区间中确定最优解，所述预设区间具体为心肌厚度的上界和下界组成的区间，单位为像素；
S33、通过所述双层保凸水平集分割模型将所述最优解进行迭代更新后确定出心外膜分割结果；
所述能量函数E如下式所示：
式中，k为最优解，
为心内膜轮廓，g为边缘指示函数，x为图像像素值，δ为狄拉克函数，Ω为图像区域。
2.一种心脏磁共振图像心肌区域分割***，其特征在于，所述***包括：
选择模块，用于在待分割图像的底层图像中选择待分割的心脏区域，并在心腔中任选一点作为初始点；
函数模块，用于基于所述初始点确定双层保凸水平集分割模型的初始水平集函数，其中，所述初始水平集函数包括0-水平集和k-水平集，所述0-水平集表示心内膜轮廓，所述k-水平集表示心外膜轮廓；
第一确定模块，用于通过所述双层保凸水平集分割模型驱动所述初始水平集函数向心内膜的轮廓处移动，从而确定心内膜分割结果，并基于所述心内膜分割结果和能量函数确定心外膜分割结果；
第二确定模块，用于基于所述心内膜分割结果和所述心外膜分割结果确定所述底层图像的心肌区域，并基于所述底层区域的心肌区域和质心的计算方法确定下一层图像的初始点，并确定出下一层图像的心肌区域分割，直到所述待分割图像的所有层图像中的心肌区域全部分割完成；
输出模块，用于输出所述待分割图像的心肌区域分割结果；
所述双层保凸水平集分割模型具体如下式所示：
式中，
为数据项，β(κ)为曲率指示函数，
为曲率项，
为对初始水平集函数的偏导数，
为对时间的偏导数，μ为距离正则性
的权重系数，δ为狄拉克函数，
为初始水平集函数，希腊字母卡帕κ为初始水平集函数的曲率；
所述双层保凸水平集函数还包括凸性约束，具体通过如下公式进行表示：
式中，希腊字母卡帕κ为初始水平集函数
的曲率，div用于计算散度，
用于计算初始水平集函数的梯度；
基于所述心内膜分割结果和能量函数确定心外膜分割结果具体包括以下分步骤：
S31、将所述心内膜分割结果输入到所述能量函数中；
S32、通过所述能量函数在预设区间中确定最优解，所述预设区间具体为心肌厚度的上界和下界组成的区间，单位为像素；
S33、通过所述双层保凸水平集分割模型将所述最优解进行迭代更新后确定出心外膜分割结果；
所述能量函数E如下式所示：
式中，k为最优解，
为心内膜轮廓，g为边缘指示函数，x为图像像素值，δ为狄拉克函数，Ω为图像区域。
3.如权利要求2所述的心脏磁共振图像心肌区域分割***，其特征在于，所述待分割图像是包括舒张期和收缩期两个阶段的空间立体数据，所述***还包括预处理模块，所述预处理模块用于通过各向异性扩散方法对待分割图像的所有层图像进行平滑和增强的预处理，然后由选择模块在预处理后的待分割图像中选择初始点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111501431.2A CN114240964B (zh) | 2021-12-09 | 2021-12-09 | 一种心脏磁共振图像心肌区域分割方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111501431.2A CN114240964B (zh) | 2021-12-09 | 2021-12-09 | 一种心脏磁共振图像心肌区域分割方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114240964A CN114240964A (zh) | 2022-03-25 |
| CN114240964B true CN114240964B (zh) | 2023-04-07 |
Family
ID=80754408
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111501431.2A Active CN114240964B (zh) | 2021-12-09 | 2021-12-09 | 一种心脏磁共振图像心肌区域分割方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114240964B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109272512A (zh) * | 2018-09-25 | 2019-01-25 | 南昌航空大学 | 一种自动分割左心室内外膜的方法 |
| CN110163877A (zh) * | 2019-05-27 | 2019-08-23 | 济南大学 | 一种mri心室结构分割的方法与*** |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8494236B2 (en) * | 2009-10-07 | 2013-07-23 | Siemens Aktiengesellschaft | System and method for cardiac segmentation in MR-cine data using inverse consistent non-rigid registration |
| CN102289814B (zh) * | 2011-08-30 | 2012-12-26 | 北京理工大学 | 一种心脏核磁共振图像分割方法 |
| CN102509292B (zh) * | 2011-11-03 | 2013-09-25 | 北京理工大学 | 一种心脏核磁共振图像的快速分割方法 |
| CN108230342A (zh) * | 2017-12-29 | 2018-06-29 | 电子科技大学 | 一种基于心脏解剖结构的左右心室水平集分割方法 |
| CN111028254B (zh) * | 2019-12-09 | 2023-03-24 | 上海交通大学医学院附属上海儿童医学中心 | 一种基于心脏电影磁共振图像的左心肌分割方法 |
-
2021
- 2021-12-09 CN CN202111501431.2A patent/CN114240964B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109272512A (zh) * | 2018-09-25 | 2019-01-25 | 南昌航空大学 | 一种自动分割左心室内外膜的方法 |
| CN110163877A (zh) * | 2019-05-27 | 2019-08-23 | 济南大学 | 一种mri心室结构分割的方法与*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114240964A (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9875581B2 (en) | Automated 3D reconstruction of the cardiac chambers from MRI or ultrasound | |
| Jolly | Automatic segmentation of the left ventricle in cardiac MR and CT images | |
| JP5438029B2 (ja) | 短軸遅延強調心臓ｍｒｉの自動三次元セグメント化 | |
| Van Assen et al. | A 3-D active shape model driven by fuzzy inference: application to cardiac CT and MR | |
| EP3080777B1 (en) | Model-based segmentation of an anatomical structure | |
| US10019804B2 (en) | Medical image processing apparatus, method, and program | |
| RU2522038C2 (ru) | Сегментация при мр-визуализации сердца в проекции по длинной оси с поздним усилением контраста | |
| WO2006085268A1 (en) | Image processing device and method | |
| EP2645329A1 (en) | Method and system for image segmentation | |
| CN109389653B (zh) | 心脏图像重建方法、装置、计算机设备和可读存储介质 | |
| Ecabert et al. | Modeling shape variability for full heart segmentation in cardiac computed-tomography images | |
| CN110288581B (zh) | 一种基于保持形状凸性水平集模型的分割方法 | |
| CN112308845B (zh) | 左心室分割方法、装置及电子设备 | |
| CN114240964B (zh) | 一种心脏磁共振图像心肌区域分割方法及*** | |
| Piazzese et al. | Statistical shape models of the heart: applications to cardiac imaging | |
| US11308660B2 (en) | Motion compensated cardiac valve reconstruction | |
| CN109345606B (zh) | 心脏图像重建方法、装置、计算机设备和可读存储介质 | |
| Goyal et al. | MRI image based patient specific computational model reconstruction of the left ventricle cavity and myocardium | |
| Cai et al. | Dynamic updating atlas for heart segmentation with a nonlinear field‐based model | |
| von Berg et al. | Accurate left atrium segmentation in multislice CT images using a shape model | |
| Jodoin et al. | Left-ventricle segmentation of SPECT images of rats | |
| Ciurte et al. | An efficient segmentation method for ultrasound images based on a semi-supervised approach and patch-based features | |
| Antunes et al. | Cardiac multi-detector CT segmentation based on multiscale directional edge detector and 3D level set | |
| Neubauer et al. | Analysis of four-dimensional cardiac data sets using skeleton-based segmentation | |
| Amirkhizi et al. | Left ventricle segmentation in magnetic resonance images with modified active contour method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |