申请/专利权人：辽宁师范大学

申请日：2022-02-21

公开（公告）日：2024-04-02

公开（公告）号：CN114565619B

主分类号：G06T7/11

分类号：G06T7/11;G06T7/62

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.06.17#实质审查的生效;2022.05.31#公开

摘要：本发明公开一种结合脑部解剖学特征的颅内血块能量泛函分割方法，步骤如下：输入脑出血CT图像，设置参数对其进行解剖学特征的提取，得到结合解剖学特征后的图像；在结合解剖学特征的图像上提取其影像学特征；基于解剖学和影像学特征，构建相应的能量泛函模型框架；考虑到脑出血血块独特的形状和面积，将形状和面积约束项融合到能量泛函模型框架中，得到更为完整的能量泛函模型；显示分割结果；可以获得更准确的分割结果。

主权项：1.一种结合脑部解剖学特征的颅内血块能量泛函分割方法，其特征在于按照如下步骤进行：步骤1：提取结合解剖学特征的图像输入脑出血CT图像Ix,y，x和y分别为脑出血CT图像Ix,y的像素点；对脑出血CT图像Ix,y进行开运算：设X是R2的一个子集，Dt表示基于一个结构元素B和尺度参数t的膨胀，Et表示基于结构元素B和尺度参数t的腐蚀，则有公式1： 定义基于脑出血CT图像Ix,y的膨胀和腐蚀算子如公式2所示： 式中：sup表示一个集合最小的上界，inf为一个集合最大的下界，根据膨胀和腐蚀的定义，按照公式3得到结合解剖学特征的图像ux,y：||ux,y||B＝supDt,Et3式中：＜,＞为内积，||·||B为Euchild范数；步骤2：在结合解剖学特征的图像ux,y上提取影像学特征设靠近脑出血中心的标定点为k，前后两个相邻的像素分别为k-1和k+1，在标定点k的两侧选择m个像素，形成一个长度为2m+1的向量；结合在标准正态分布下的高斯分布概率密度函数表示向量乘法，得到从近到远的权重值如公式4所示： Hφ是水平集φ的Heaviside函数，表示为定义则脑出血的强度为cpi，i＝1,2，具体定义如公式5所示： 得到的影像学特征表示如公式6所示： 步骤3：构建能量泛函模型基于解剖学和影像学特征，构建相应的能量泛函模型如公式7所示：Efeatures＝∫Ωux,y-Ifφ2dxdy7步骤4：结合形状及面积约束项在结合解剖学特征后的图像ux,y中一个像素周围N×N的窗口里获得Zernike矩，所述Zernike矩是一组具有旋转不变性的正交力矩，p为阶数，q为重复度，r为距离坐标，θ为角坐标，Rpqrxy为径向多项式，将像素映射到单位圆中进行离散表示如公式8所示： 得到如公式9所示的形状约束项ES：ES＝∫ΩZpqφ＞0-Zpqφ＜02dxdy＝∫ΩZpqφ＞0·Hφx,y-Zpqφ＜01-Hφx,y2dxdy9面积约束项EA表示为：EA＝∫φ＞0Hφx,ydxdy10将形状约束项ES和面积约束项EA融入公式7中，得到如公式11所示的最终能量泛函模型Eφ： 步骤5：显示分割结果通过求解公式12梯度下降流方程获得能量泛函的最小化， 式中t代表迭代次数；步骤6：判断能量泛函是否达到最小化，是，将通过能量泛函最小化得到的病灶边缘显示在原始的脑出血CT图像上，得到分割结果；否，返回步骤5。

全文数据：

权利要求：

百度查询： 辽宁师范大学 结合脑部解剖学特征的颅内血块能量泛函分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD