血管造影图像分割

论文摘要

血管影像是基于计算机辅助的心脑血管疾病诊断与介入治疗、手术导航及术后观察的重要手段。在血管分析系统中,血管影像的分割是对血管的形状、尺度等定量描述的前提,分割对客观、准确的定量血管病变程度起关键作用。分割也是血管结构匹配与三维重建的基础。血管影像的特点是受噪声影响、血管形态模糊、背景噪声和目标混杂,以及目标与背景对比度低,这些都给分割任务带来困难。针对X射线成像条件下的血管影像分割问题,考虑到血管影像特殊的图像性质,本论文主要研究了两个方面的血管影像分割方法:一是数据驱动的方法,即基于模糊形态学的血管影像分割方法;二是模型驱动的方法,即建立在随机几何框架下点过程模型的血管影像分割方法。本文回顾了当前主要的血管影像分割方法,分析了各种不同方法的基本原理,并按照贝叶斯原理,将不同的分割方法统一在一个相同的分割目标之中,并将不同的方法联系在一个一致的分割过程中。作为分割的准备,本文研究了两种不同的血管影像增强方法,即基于背景估计的对比度增强方法和基于形态度量的非线性扩散增强方法。为了增加血管影像的对比和抑制背景,本文用多尺度形态学开滤波来估计影像上血管的局部背景,并从原图像上减去估计的背景来增强血管影像。估计背景的开滤波操作在不同像素点使用可变大小的结构元素,其尺度通过多尺度线性滤波检测;另外,本文分析了血管影像的形态差分性质,得到了关于血管影像的最大形态差分度量。作为血管影像一种度量,更重要的是区别血管结构和背景的一种度量,最大形态差分估计被融入一个由P-M扩散方程扩展得到的具有一般意义的非线性的扩散方程,来实现血管影像的平滑增强。在血管为噪声环境下亮的分段线性的连续模式假设下,本文研究了提取血管结构的模糊形态学方法。在多尺度背景估计增强的基础上,提出的方法利用组合的模糊形态开及对偶操作匹配和增强血管结构,并且使用旋转的线性结构元素。模糊滤波实现目标区域内平滑,并保持血管与背景的对比。阈值和细化过程在模糊滤波之后得到血管的中线。最后,以获得的血管中线为先验标记,血管边界用分水岭算法检测。为了利用高层的几何形态知识达到分割的健壮性,本文研究了随机几何框架下的自动血管提取方法。血管的近似中线被建模为一个标值点过程的实现,其中,每个点代表组成近似中线的一个线段,线段的中心位置、长度和方向为点的标值。提出的双面积模型通过线段的类型和它们之间的交互关系来定义点集合的势能,其通过鼓励线段的连通和局部方向一致来表达线段之间的几何和拓扑约束,即血管中线的形态特征。模型的数据项考虑了线段对应的血管部分与背景的对比。模拟点过程的优化问题利用跳转可逆的马尔科夫链蒙特卡洛算法并结合模拟退火策略求解。而且,数据驱动方法被用来加速求解算法过程的收敛。最后,与前面模糊形态学分割的方法类似,血管的边界用带标记的分水岭算法获得。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 医学成像
• 1.2 血管影像
• 1.3 血管影像分割
• 1.4 主要研究内容
• 1.5 课题来源和结构安排
• 2 血管影像分割方法
• 2.1 引言
• 2.2 血管分割方法综述
• 2.3 分割方法的联系
• 2.4 本文分割方法的基础
• 2.5 本章小结
• 3 基于背景估计的影像对比增强
• 3.1 引言
• 3.2 线性滤波与形态学处理
• 3.3 形态学血管增强
• 3.4 基于多尺度 Gabor 滤波的背景估计增强
• 3.5 实验结果
• 3.6 本章小结
• 4 基于形态度量的扩散影像增强
• 4.1 引言
• 4.2 偏微分方程扩散图像处理
• 4.3 基于形态度量的非线性扩散增强
• 4.4 实验结果
• 4.5 本章小结
• 5 模糊形态学血管分割
• 5.1 引言
• 5.2 数据驱动血管分割方法
• 5.3 形态多学尺度增强
• 5.4 模糊形态学滤波
• 5.5 分水岭边界检测
• 5.6 实验结果
• 5.7 本章小结
• 6 血管提取的点过程模型
• 6.1 引言
• 6.2 图像建模与分割
• 6.3 先验模型
• 6.4 数据项
• 6.5 参数估计
• 6.6 本章小结
• 7 点过程的马氏链蒙特卡洛
• 7.1 引言
• 7.2 点过程的模拟
• 7.3 数据驱动方法
• 7.4 实验结果
• 7.5 本章小结
• 8 总结与展望
• 8.1 本文的主要贡献
• 8.2 进一步的研究
• 致谢
• 参考文献
• 附录 1 攻读学位期间发表的论文目录
• 附录 2 参加的科研项目