基于先驗(yàn)形狀水平集的OCT醫(yī)學(xué)圖像分割.pdf

1、心臟的發(fā)育過程中是由一個(gè)小心血管開始的，通過研究小心血管的發(fā)育過程，可以幫助醫(yī)學(xué)研究者分析先天性心臟病的形成原因，光學(xué)相干層析技術(shù)（ Optical Coherence Tomography, OCT）由于具有高分辨率、非侵入、無(wú)損傷以及實(shí)時(shí)成像等特點(diǎn)，已經(jīng)廣泛應(yīng)用于生物醫(yī)學(xué)以及醫(yī)療診斷領(lǐng)域。目前科研人員主要通過該成像技術(shù)對(duì)心臟的發(fā)育過程進(jìn)行成像并研究，這將為先天性心臟病的形成提供一定的數(shù)據(jù)支持。要分析心管發(fā)育過程，一般要對(duì)OCT圖像中

2、的心管目標(biāo)進(jìn)行準(zhǔn)確、精細(xì)的分割，從而獲得精準(zhǔn)的數(shù)據(jù)，為后期目標(biāo)的三維重建和可視化提供數(shù)據(jù)基礎(chǔ)。
　　在圖像分割方面，國(guó)內(nèi)外學(xué)者研究了多種分割算法，其中基于活動(dòng)輪廓模型的圖像分割方法，由于能夠自適應(yīng)目標(biāo)拓?fù)浣Y(jié)構(gòu)變化，而被廣泛應(yīng)用于醫(yī)學(xué)圖像分割。但是它也存在自身的缺陷,如基于邊界的活動(dòng)輪廓模型，由于利用了邊界附近圖像梯度的局部信息,因此對(duì)初始輪廓和噪聲都很敏感；基于區(qū)域的活動(dòng)輪廓模型利用了全局信息,對(duì)初始輪廓的敏感性較低,但該模型也有

3、自身的缺點(diǎn),圖像中目標(biāo)灰度均值和背景灰度均值相差不大時(shí)，分割效果不佳。所以使用活動(dòng)輪廓模型分割方法應(yīng)用于OCT心管圖像分割也存在很多困難，首先是OCT圖像含有大量斑點(diǎn)噪聲，圖像質(zhì)量差，其次是OCT圖像中心管目標(biāo)邊緣較弱，部分圖像中存在邊緣“缺失”。最后是心血管在OCT圖像中并不是獨(dú)立存在的一個(gè)組織結(jié)構(gòu)，在心管周圍還有其他組織，所以只是單獨(dú)分割出心管是十分困難的。使用傳統(tǒng)的水平集活動(dòng)輪廓模型方法分割目標(biāo)時(shí)，盡管能實(shí)現(xiàn)拓?fù)浣Y(jié)構(gòu)的變化，但是要

4、分割存在“缺失”并和其他組織連接在一起的心管，幾乎還是不可能的。為了解決這個(gè)問題我們主要從以下三方面做了研究：
　　1)OCT圖像的特點(diǎn)，我們首先研究分析了 OCT成像系統(tǒng)的原理，并從理論和實(shí)驗(yàn)兩方面，分析證明了OCT圖像中斑點(diǎn)噪聲在空域和對(duì)數(shù)域的分布模型。OCT噪聲模型的研究可以使我們更加清楚的了解OCT圖像的特性。
　　2)分析了傳統(tǒng)的水平集分割方法，將基于邊緣信息的GAC模型和基于區(qū)域信息的CV模型相結(jié)合，使得區(qū)域和邊

5、界特征同時(shí)影響曲線演化，提高了水平集分割模型的分割精度。
　　3)研究基于先驗(yàn)形狀約束的活動(dòng)輪廓分割模型，主要包括先驗(yàn)形狀的表達(dá)方式以及形狀能量項(xiàng)的構(gòu)造，由于傳統(tǒng)的基于先驗(yàn)形狀信息的分割方法要求先驗(yàn)形狀信息必須與目標(biāo)輪廓有相同的位置、大小、角度,這在實(shí)際應(yīng)用中很難滿足。本文研究了基于仿射變換將先驗(yàn)形狀對(duì)齊配準(zhǔn)，并通過PCA方法提取有效先驗(yàn)形狀模板，將先驗(yàn)形狀信息融合到傳統(tǒng)水平集分割模型中，并考慮了模板的形變。在先驗(yàn)形狀信息的約束下