血管造影圖像分割.pdf

1、血管影像是基于計算機輔助的心腦血管疾病診斷與介入治療、手術(shù)導航及術(shù)后觀察的重要手段。在血管分析系統(tǒng)中，血管影像的分割是對血管的形狀、尺度等定量描述的前提，分割對客觀、準確的定量血管病變程度起關(guān)鍵作用。分割也是血管結(jié)構(gòu)匹配與三維重建的基礎。血管影像的特點是受噪聲影響、血管形態(tài)模糊、背景噪聲和目標混雜，以及目標與背景對比度低，這些都給分割任務帶來困難。 針對X射線成像條件下的血管影像分割問題，考慮到血管影像特殊的圖像性質(zhì)，本論文主要

2、研究了兩個方面的血管影像分割方法：一是數(shù)據(jù)驅(qū)動的方法，即基于模糊形態(tài)學的血管影像分割方法；二是模型驅(qū)動的方法，即建立在隨機幾何框架下點過程模型的血管影像分割方法。 本文回顧了當前主要的血管影像分割方法，分析了各種不同方法的基本原理，并按照貝葉斯原理，將不同的分割方法統(tǒng)一在一個相同的分割目標之中，并將不同的方法聯(lián)系在一個一致的分割過程中。 作為分割的準備，本文研究了兩種不同的血管影像增強方法，即基于背景估計的對比度增強方法

3、和基于形態(tài)度量的非線性擴散增強方法。為了增加血管影像的對比和抑制背景，本文用多尺度形態(tài)學開濾波來估計影像上血管的局部背景，并從原圖像上減去估計的背景來增強血管影像。估計背景的開濾波操作在不同像素點使用可變大小的結(jié)構(gòu)元素，其尺度通過多尺度線性濾波檢測； 另外，本文分析了血管影像的形態(tài)差分性質(zhì)，得到了關(guān)于血管影像的最大形態(tài)差分度量。作為血管影像一種度量，更重要的是區(qū)別血管結(jié)構(gòu)和背景的一種度量，最大形態(tài)差分估計被融入一個由P-M擴散方

4、程擴展得到的具有一般意義的非線性的擴散方程，來實現(xiàn)血管影像的平滑增強。 在血管為噪聲環(huán)境下亮的分段線性的連續(xù)模式假設下，本文研究了提取血管結(jié)構(gòu)的模糊形態(tài)學方法。在多尺度背景估計增強的基礎上，提出的方法利用組合的模糊形態(tài)開及對偶操作匹配和增強血管結(jié)構(gòu)，并且使用旋轉(zhuǎn)的線性結(jié)構(gòu)元素。模糊濾波實現(xiàn)目標區(qū)域內(nèi)平滑，并保持血管與背景的對比。閾值和細化過程在模糊濾波之后得到血管的中線。最后，以獲得的血管中線為先驗標記，血管邊界用分水嶺算法檢測

5、。 為了利用高層的幾何形態(tài)知識達到分割的健壯性，本文研究了隨機幾何框架下的自動血管提取方法。血管的近似中線被建模為一個標值點過程的實現(xiàn)，其中，每個點代表組成近似中線的一個線段，線段的中心位置、長度和方向為點的標值。提出的雙面積模型通過線段的類型和它們之間的交互關(guān)系來定義點集合的勢能，其通過鼓勵線段的連通和局部方向一致來表達線段之間的幾何和拓撲約束，即血管中線的形態(tài)特征。模型的數(shù)據(jù)項考慮了線段對應的血管部分與背景的對比。模擬點過程的