CN113436203A - 一种心室膜自动分割方法 - Google Patents

Abstract

本发明公开了一种心室膜自动分割方法，其步骤如下：读取心脏左心室MRI图像；然后对获得的心脏左心室MRI图像进行预处理；预处理过程中首先对MRI图像进行滤波去噪，然后利用帧差法裁剪图像，然后进行心室膜定位；然后进行改进LSF模型；最后获取实验结果并对实验结果进行分析，本发明针对单一LSF模型，分别提取左心室内膜和外膜，解决现有的技术分割效率低的问题，创造性的提出DLSRE模型，同时提取左心室内膜和外膜轮廓，通过实验证明，本发明提出方法不仅能自动分割出符合解剖学特征的心室膜边缘，且分割精度相对较高。

Description

一种心室膜自动分割方法

技术领域

本发明涉及一种医学图像处理技术领域，具体是一种心室膜自动分割 方法。

背景技术

世界卫生组织(WHO)数据统计显示，每年居民因疾病致死人数中， 心脏疾病导致死亡人数高居榜首，约有1790万人死于心脏功能异常，心 脏疾病患病率及死亡率仍处于上升阶段，每年死于心脏疾病人数高达千万 人，成为全球人口下降的主要原因。

中国心血管疾病患者仍在持续增长阶段，《中国循环杂志》中关于心 血管病的报告，推算出患病人数中冠心病约1100万人，肺原性心脏病约 500万人，心力衰竭约450万人，风湿性心脏病约200万人，先天性心脏 病约200万人，共计心脏病患者逾越2450万人，从2015年，居民因疾病 死亡人数中，心血管疾病死亡人数就超过总死亡人数的40％，远超肿瘤、 中风等其它疾病致死人数，心脏疾病的高死亡率成为社会各界关注的热点， 现在急需临床上有预防、诊断、和治疗心脏疾病的能力，近代医学在心脏 解剖结构的基础上，展开了对心脏疾病的病理探索。

心脏形态结构的深入研究，需要诊断成像设备作为辅助工具，诊断成 像在医学上是一种非常宝贵的设备，这些技术增加了医学研究中正常和病 态解剖的知识，渐渐成为诊断和治疗的关键组成部分，而分割图像是医学 图像处理的重要组成部分，也是利用医学图像辅助分析、诊断、治疗的关 键过渡步，提取出图像感兴趣区域信息，简化图像，使其更容易利用、分 析和后续处理。

心脏左心室膜的分割是用于三维建模和辅助临床医生诊断的重要基 础，通过分割左心室图像，提取左心室心肌信息，可以直接判断病人是否 出现心肌疾病，使医生对疾病有个宏观判断，便于医生制定应对措施，目 前，心脏左心室膜的分割多是资深专家、临床经验丰富医生手动完成，手 动分割虽然精度较高，但随着采集左心室图像数量的增多，人为手动分割 图像费时、费力且受主观性因素影响严重，造成分割结果出现不可控性， 因此，利用优秀的图像处理算法，设计出自动分割心室膜方法，是目前主 流的方向。

但是，传统的Hough变换圆检测自适应定位，定位结果不满足要求， 输入圆心位置后对内腔进行定位，则依然无法避免人为干预分割心室膜初 始位置的选择，这种遍历运算耗时较久，且检测结果定位效果较差。

发明内容

本发明的目的在于提供一种心室膜自动分割方法，以解决上述背景技 术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种心室膜自动分割方 法，其步骤如下：

步骤1、读取心脏左心室MRI图像；

步骤2、对获得的心脏左心室MRI图像进行预处理；

(1)滤波去噪

选用双边滤波法处理图像，双边滤波引入的图像像素空间信息仍是高 斯函数，用图像像素点间的欧式距离表示，如下式：

式(1)中：σ_d是图像空间域标准差。结合图像灰度信息，则可得双 边滤波器公式：

其中，k₂用来调节像素点权值系数，

s(f(ε),f(x))用以度量像素点间的灰度关系

(2)帧差法裁剪图像

选用两帧差法对图像进行处理，两帧差法的具体流程如下：得到人体 心室不断进行收缩或舒张变换的序列图像，选取同一序列图像中首末两帧 图像第1帧和n帧，第1帧和n帧进行运算得到差分图像，通过提取分析 差分图像中的连通区域信息，设置图像的裁剪范围，得到包含心脏左心室 的裁剪序列图

步骤3、心室膜定位；

(1)自适应阀值分割法

采用基于图像斜率差分布的阈值分割法。利用图像直方图斜率变化， 自适应确定阈值分割图像，具体步骤为：

1)首先对图像灰度值在区间[1,255]进行重排列，其标准化直方图 P(x)由下列公式计算：

其中，N_i表示像素值i出现的频率，而N_j表示像素值j在区间[1,255] 内出现的最大频率。

2)对归一化直方图分布进行频域滤波，对P(x)进行离散傅里叶变换 转换到频域，用F(K)(K＝1,...,255)表示P(x)经过傅里叶变换后的标准化直 方图分布：

基于大量图像的试错分析实验，为得到较好实验结果选择低频区间范 围为[110]，利用带宽为10的低通滤波器F′(K)(K＝1,...,255)对P(x)进行 滤波，保留低频部分，消除其余高频分量[67]，

在频域对直方图进行滤波后，将其转换到空间域：

为了计算斜率差，需要计算出空间域直方图P′(x)上每个点的两个方 向的斜率，一个是该点的左侧，另一个位于该点的右侧。它们通过用线性 方程拟合同一方向的N个相邻点来计算：

y_i＝ax_i+b (9)

[a,b]^T＝(B^TB)^-1B^TY (10)

Y＝[y₁,y₂,...,y_N] (12)

计算i点的斜率差s(i)：

s(i)＝a₂(i)-a₁(i)；i＝N+1,...,255-N (13)

用离散函数s(i)代表点的斜率差分布函数，并求解s(x)导数为零的方 程：

得到具有最大差异的斜率差分布，取得极大值时的N_p个凸峰P_i， i＝1,...,N_v和取得极小值时的N_v个凹谷V_i，i＝1,...,N_v。选择当斜率差函数取 绝对值最大值点作为阈值点

步骤4、改进LSF模型；

1)增强距离正则化

定义新双阱势函数NDWP为：

则双阱势函数有两个最小值分别是

和

NDWP扩散率：

偏微分方程：

且

证明了势函数的扩散速率是有界的，得到一个NDWP的距离正则化项， LSF的演化是一个梯度流，它可以使能量函数最小化；且对LSF的梯度模 进行约束，避免传统水平集曲线演化中的重新初始化，由图5得：

(1)当

r₃＞r₂＞0，曲线正向扩散，越扩散

越小，曲线运 动到

NDWP需要的迭代次数明显少于DWP模型方法；

(2)当

r₂＜r₃＜0，曲线反向扩散，越扩散

越大，NDWP 模型方法分割效率高于DWP分割方法；

(3)当

曲线正向扩散，越扩散

越小，曲线演化的结果 是

区域内距模型方法等值线较近，模型扩散速率对曲线 演化影响较小；

总之，曲线扩散向着使

或

的方向进行

2)构建AGVF模型

利用扩散矩阵改进各向同性GVF模型，构造扩散矩阵，定义结构四通 道张量J[70]：

对各个通道进行非线性处理，

分解非线性结构张量，由于J是正定对称阵，利用(J-λE)x＝0，其中 E为单位矩阵，x是非零向量，得到法线和切线方向对应特征值λ₁,λ₂。

再利用λ₁,λ₂，

得相应特征向量μ₁,μ₂

根据特征值对其进行重新定义，即

式中C₁∈(0,1),C₂＞0常数。定义扩散矩阵

则推出各向异性扩散方程为：

同理推出：

为使变分水平集模型更好的收敛到图像边缘凹陷处，在式(28)中加 入各向异性函数

和

得AGVF模型能量泛函：

由

根据上述扩散矩阵构造过程推出D。令U＝U_i，当AGVF 能量函数取极小值时，推导出AGVF模型的计算方法为：

式(30)看出，AGVF模型考虑了图像区域和边缘多层信息，在同质 区域，AGVF作用外力驱使模型曲线不断演化；在异质区域，减弱了图像 梯度对模型演化的影响。创建了一定距离指向目标边缘的向量场，增大了 模型演化曲线的捕捉范围

3)异质边缘能量控制项

异质灰度不均匀图像模型描述为：

I＝bJ+n (31)

其中，I是待分割图像；b是造成图像强度不均匀的偏置场，且b是缓 慢渐变的；J是图像反射常量，在同质区域内相等；n是附加噪声；由图 像偏置场是渐变的可知，在异质区域边缘像素点灰度值的变化缓慢，为增 大突变像素点对比度，采用拉普拉斯模板通过与图像卷积运算，抑制同质 区域像素点变化，增大异质边缘像素灰度值间差异。

则异质边缘能量控制项函数为：

式中：第一项是分割图像背景区域能量函数，第二项是前景区域能量 函数，

为拉普拉斯模板,c₁,c₂为模型演化曲线内外像素灰度均值。

步骤5、实验结果与分析

(1)分割过程及结果

1)读取DICOM格式心脏图像，如图7(a)；

2)采用双边滤波对图7(a)进行去噪，如图7(b)；

3)利用提出的阈值分割法，处理图7(b)，得二值图像图7(c)

4)利用改进Hough变换圆检测法处理图7(c)，完成对心室内膜的定 位，如图7(d)。

5)利用DLSRE模型以定位心室膜为初始轮廓，分割左心室内外膜边 缘轮廓；

6)当模型能量函数最小，则迭代结束，分割完成；否则能量函数驱 使曲线演化，直至模型能量函数最优；最后，得到心室膜轮廓图7(e),内 外膜三维能量图7(f)。

与现有技术相比，本发明的有益效果是：

针对传统定位方法的准确性低，本发明提出用边缘信息约束Hough变 换法的定位心室膜，针对LSF模型分割图像的不足，文中阐述了具体的优 化过程，详细介绍了NDWP优化距离正则项的理论优势；推到了AGVF模型 的构建过程；讲解了异质边缘能量控制项的提出原理，及数值实现方式， 通过实验，证明了优化模型的优越性，针对单一LSF模型，分别提取左心 室内膜和外膜，分割效率低的问题，创造性的提出DLSRE模型，同时提取 左心室内膜和外膜轮廓，通过实验证明，本发明提出方法不仅能自动分割 出符合解剖学特征的心室膜边缘，且分割精度相对较高。

附图说明

图1为一种心室膜自动分割方法的去噪对比图。

图2为一种心室膜自动分割方法的帧差法图像裁剪流程图。

图3为一种心室膜自动分割方法的自适应阈值分割法分割过程图。

图4为一种心室膜自动分割方法的自适应阈值分割法分割对比图。

图5为一种心室膜自动分割方法的双阱势函数及对应扩散速率图

图6为一种心室膜自动分割方法的拉普拉斯模板图。

图7为一种心室膜自动分割方法的分割流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例， 而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没 有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的 范围。

请参阅图1～7，本发明实施例中，一种心室膜自动分割方法，其步 骤如下：

步骤1、读取心脏左心室MRI图像；

步骤2、对获得的心脏左心室MRI图像进行预处理；

(1)滤波去噪

选用双边滤波法处理图像，双边滤波引入的图像像素空间信息仍是高 斯函数，用图像像素点间的欧式距离表示，如下式：

式(1)中：σ_d是图像空间域标准差。结合图像灰度信息，则可得双 边滤波器公式：

其中，k₂用来调节像素点权值系数，

s(f(ε),f(x))用以度量像素点间的灰度关系

观察图1不同滤波法对MRI心脏图像的处理效果，高斯滤波处理图像 平滑程度较好，但图像边缘信息丢失，图像失真严重，如图1(b)所示； 中值滤波平滑了左右心室腔室内的类椒盐噪声，如图1(c)所示；而双边 滤波处理的心脏MRI图像不仅平滑程度较好，而且保留了图像的边缘信息， 如图1(d)所示，所以，用双边滤波处理图像是很好的选择，它能平滑图 像、消除噪声、保持边缘细节信息的完整性、增强图像特征。

(2)帧差法裁剪图像

选用两帧差法对图像进行处理，两帧差法的具体流程如下：得到人体 心室不断进行收缩或舒张变换的序列图像，选取同一序列图像中首末两帧 图像第1帧和n帧，第1帧和n帧进行运算得到差分图像，通过提取分析 差分图像中的连通区域信息，设置图像的裁剪范围，得到包含心脏左心室 的裁剪序列图

步骤3、心室膜定位；

(1)自适应阀值分割法

采用基于图像斜率差分布的阈值分割法。利用图像直方图斜率变化， 自适应确定阈值分割图像，具体步骤为：

1)首先对图像灰度值在区间[1,255]进行重排列，其标准化直方图 P(x)由下列公式计算：

其中，N_i表示像素值i出现的频率，而N_j表示像素值j在区间[1,255] 内出现的最大频率。

2)对归一化直方图分布进行频域滤波，对P(x)进行离散傅里叶变换 转换到频域，用F(K)(K＝1,...,255)表示P(x)经过傅里叶变换后的标准化直 方图分布：

基于大量图像的试错分析实验，为得到较好实验结果选择低频区间范 围为[110]，利用带宽为10的低通滤波器F′(K)(K＝1,...,255)对P(x)进行 滤波，保留低频部分，消除其余高频分量[67]

在频域对直方图进行滤波后，将其转换到空间域：

为了计算斜率差，需要计算出空间域直方图P′(x)上每个点的两个方 向的斜率，一个是该点的左侧，另一个位于该点的右侧。它们通过用线性 方程拟合同一方向的N个相邻点来计算：

y_i＝ax_i+b (9)

[a,b]^T＝(B^TB)^-1B^TY (10)

Y＝[y₁,y₂,...,y_N] (12)

计算i点的斜率差s(i)：

s(i)＝a₂(i)-a₁(i)；i＝N+1,...,255-N (13)

用离散函数s(i)代表点的斜率差分布函数，并求解s(x)导数为零的方 程：

得到具有最大差异的斜率差分布，取得极大值时的N_p个凸峰P_i， i＝1,...,N_v和取得极小值时的N_v个凹谷V_i，i＝1,...,N_v。选择当斜率差函数取 绝对值最大值点作为阈值点。

为验证本发明方法对医学图像具有良好分割效果，利用多种方法分割 心室图像，对分割结果进行比较，得图4，观察图4可以发现，分割效果 最差的是最大熵法，完全无法提取前景区域，如图4(f)；K均值法对腔室 心肌的过渡提取，导致得到的图像过分割现象严重，如图4(j)；而其它 算法提取的腔室区域，因对图像欠分割,前景区域轮廓相对平滑；与原图 对比，发现本发明方法的分割效果较为理想，如图4(l)，用来定位心室 膜，得到的初始轮廓接近心室膜边缘，能减少后续模型提取心室膜轮廓的 迭代次数及演化时间。

步骤4、改进LSF模型；

1)增强距离正则化

定义新双阱势函数NDWP为：

则双阱势函数有两个最小值分别是

和

NDWP扩散率：

偏微分方程：

且

证明了势函数的扩散速率是有界的，得到一个NDWP的距离正则化项， LSF的演化是一个梯度流，它可以使能量函数最小化；且对LSF的梯度模 进行约束，避免传统水平集曲线演化中的重新初始化，由图5得：

(1)当

r₃＞r₂＞0，曲线正向扩散，越扩散

越小，曲线运 动到

NDWP需要的迭代次数明显少于DWP模型方法；

(2)当

r₂＜r₃＜0，曲线反向扩散，越扩散

越大，NDWP 模型方法分割效率高于DWP分割方法；

(3)当

曲线正向扩散，越扩散

越小，曲线演化的结果 是

区域内距模型方法等值线较近，模型扩散速率对曲线 演化影响较小；

总之，曲线扩散向着使

或

的方向进行

2)构建AGVF模型

利用扩散矩阵改进各向同性GVF模型，构造扩散矩阵，定义结构四通 道张量J[70]：

对各个通道进行非线性处理，

分解非线性结构张量，由于J是正定对称阵，利用(J-λE)x＝0，其中 E为单位矩阵，x是非零向量，得到法线和切线方向对应特征值λ₁,λ₂。

再利用λ₁,λ₂，

得相应特征向量μ₁,μ₂

根据特征值对其进行重新定义，即

式中C₁∈(0,1),C₂＞0常数。定义扩散矩阵

则推出各向异性扩散方程为：

同理推出：

为使变分水平集模型更好的收敛到图像边缘凹陷处，在式(28)中加 入各向异性函数

和

得AGVF模型能量泛函：

由

根据上述扩散矩阵构造过程推出D。令U＝U_i，当AGVF 能量函数取极小值时，推导出AGVF模型的计算方法为：

式(30)看出，AGVF模型考虑了图像区域和边缘多层信息，在同质 区域，AGVF作用外力驱使模型曲线不断演化；在异质区域，减弱了图像 梯度对模型演化的影响，创建了一定距离指向目标边缘的向量场，增大了 模型演化曲线的捕捉范围。

3)异质边缘能量控制项；

LSF模型最初用来分割灰度均匀区域，提取有明显界定的边缘轮廓， 具有良好效果，但对由血液和心肌造成的灰度不均心室膜边缘，边缘分割 适应性较差，为使LSF能够稳定分割异质灰度不均图像，在水平集模型中 加入异质边缘能量控制项。

异质灰度不均匀图像模型描述为：

I＝bJ+n (31)

其中，I是待分割图像；b是造成图像强度不均匀的偏置场，且b是缓 慢渐变的；J是图像反射常量，在同质区域内相等；n是附加噪声；由图 像偏置场是渐变的可知，在异质区域边缘像素点灰度值的变化缓慢，为增 大突变像素点对比度，采用拉普拉斯模板通过与图像卷积运算，抑制同质 区域像素点变化，增大异质边缘像素灰度值间差异。

则异质边缘能量控制项函数为：

式中：第一项是分割图像背景区域能量函数，第二项是前景区域能量 函数，

为拉普拉斯模板,c₁,c₂为模型演化曲线内外像素灰度均值。

步骤5、实验结果与分析

(1)分割过程及结果

1)读取DICOM格式心脏图像，如图7(a)；

2)采用双边滤波对图7(a)进行去噪，如图7(b)；

3)利用提出的阈值分割法，处理图7(b)，得二值图像图7(c)

4)利用改进Hough变换圆检测法处理图7(c)，完成对心室内膜的定 位，如图7(d)。

5)利用DLSRE模型以定位心室膜为初始轮廓，分割左心室内外膜边 缘轮廓；

6)当模型能量函数最小，则迭代结束，分割完成；否则能量函数驱 使曲线演化，直至模型能量函数最优；最后，得到心室膜轮廓图7(e),内 外膜三维能量图7(f)。

尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术 人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者 对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作 的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种心室膜自动分割方法，其特征在于：其方法步骤如下：

步骤1、读取心脏左心室MRI图像；

步骤2、对获得的心脏左心室MRI图像进行预处理；

(1)滤波去噪

选用双边滤波法处理图像，双边滤波引入的图像像素空间信息仍是高斯函数，用图像像素点间的欧式距离表示，如下式：

式(1)中：σ_d是图像空间域标准差。结合图像灰度信息，则可得双边滤波器公式：

其中，k₂用来调节像素点权值系数，

s(f(ε),f(x))用以度量像素点间的灰度关系

(2)帧差法裁剪图像

选用两帧差法对图像进行处理，两帧差法的具体流程如下：得到人体心室不断进行收缩或舒张变换的序列图像，选取同一序列图像中首末两帧图像第1帧和n帧，第1帧和n帧进行运算得到差分图像，通过提取分析差分图像中的连通区域信息，设置图像的裁剪范围，得到包含心脏左心室的裁剪序列图

步骤3、心室膜定位；

(1)自适应阀值分割法

采用基于图像斜率差分布的阈值分割法。利用图像直方图斜率变化，自适应确定阈值分割图像，具体步骤为：

1)首先对图像灰度值在区间[1,255]进行重排列，其标准化直方图P(x)由下列公式计算：

其中，N_i表示像素值i出现的频率，而N_j表示像素值j在区间[1,255]内出现的最大频率。

2)对归一化直方图分布进行频域滤波，对P(x)进行离散傅里叶变换转换到频域，用F(K)(K＝1,...,255)表示P(x)经过傅里叶变换后的标准化直方图分布：

基于大量图像的试错分析实验，为得到较好实验结果选择低频区间范围为[1 10]，利用带宽为10的低通滤波器F′(K)(K＝1,...,255)对P(x)进行滤波，保留低频部分，消除其余高频分量[67]，

在频域对直方图进行滤波后，将其转换到空间域：

为了计算斜率差，需要计算出空间域直方图P′(x)上每个点的两个方向的斜率，一个是该点的左侧，另一个位于该点的右侧。它们通过用线性方程拟合同一方向的N个相邻点来计算：

y_i＝ax_i+b (9)

[a,b]^T＝(B^TB)^-1B^TY (10)

Y＝[y₁,y₂,...,y_N] (12)

计算i点的斜率差s(i)：

s(i)＝a₂(i)-a₁(i)；i＝N+1,...,255-N (13)

用离散函数s(i)代表点的斜率差分布函数，并求解s(x)导数为零的方程：

得到具有最大差异的斜率差分布，取得极大值时的N_p个凸峰P_i，i＝1,...,N_v和取得极小值时的N_v个凹谷V_i，i＝1,...,N_v。选择当斜率差函数取绝对值最大值点作为阈值点

步骤4、改进LSF模型；

增强距离正则化

定义新双阱势函数NDWP为：

则双阱势函数有两个最小值分别是

和

NDWP扩散率：

偏微分方程：

且

证明了势函数的扩散速率是有界的，得到一个NDWP的距离正则化项，LSF的演化是一个梯度流，它可以使能量函数最小化；且对LSF的梯度模进行约束，避免传统水平集曲线演化中的重新初始化，由图5得：

当

r₃＞r₂＞0，曲线正向扩散，越扩散

越小，曲线运动到

NDWP需要的迭代次数明显少于DWP模型方法；

当

r₂＜r₃＜0，曲线反向扩散，越扩散

越大，NDWP模型方法分割效率高于DWP分割方法；

当

曲线正向扩散，越扩散

越小，曲线演化的结果是

区域内距模型方法等值线较近，模型扩散速率对曲线演化影响较小；

总之，曲线扩散向着使

或

的方向进行

构建AGVF模型

利用扩散矩阵改进各向同性GVF模型，构造扩散矩阵，定义结构四通道张量J[70]：：

对各个通道进行非线性处理，

分解非线性结构张量，由于J是正定对称阵，利用(J-λE)x＝0，其中E为单位矩阵，x是非零向量，得到法线和切线方向对应特征值λ₁,λ₂。

再利用λ₁,λ₂，

得相应特征向量μ₁,μ₂

根据特征值对其进行重新定义，即

式中C₁∈(0,1),C₂＞0常数。定义扩散矩阵

则推出各向异性扩散方程为：

同理推出：

为使变分水平集模型更好的收敛到图像边缘凹陷处，在式(28)中加入各向异性函数

和

得AGVF模型能量泛函：

由

根据上述扩散矩阵构造过程推出D。令U＝U_i，当AGVF能量函数取极小值时，推导出AGVF模型的计算方法为：

式(30)看出，AGVF模型考虑了图像区域和边缘多层信息，在同质区域，AGVF作用外力驱使模型曲线不断演化；在异质区域，减弱了图像梯度对模型演化的影响。创建了一定距离指向目标边缘的向量场，增大了模型演化曲线的捕捉范围

异质边缘能量控制项

异质灰度不均匀图像模型描述为：

I＝bJ+n (31)

其中，I是待分割图像；b是造成图像强度不均匀的偏置场，且b是缓慢渐变的；J是图像反射常量，在同质区域内相等；n是附加噪声；由图像偏置场是渐变的可知，在异质区域边缘像素点灰度值的变化缓慢，为增大突变像素点对比度，采用拉普拉斯模板通过与图像卷积运算，抑制同质区域像素点变化，增大异质边缘像素灰度值间差异。

则异质边缘能量控制项函数为：

式中：第一项是分割图像背景区域能量函数，第二项是前景区域能量函数，

为拉普拉斯模板,c₁,c₂为模型演化曲线内外像素灰度均值。

步骤5、实验结果与分析

(1)分割过程及结果

1)读取DICOM格式心脏图像，如图7(a)；

2)采用双边滤波对图7(a)进行去噪，如图7(b)；

3)利用提出的阈值分割法，处理图7(b)，得二值图像图7(c)

4)利用改进Hough变换圆检测法处理图7(c)，完成对心室内膜的定位，如图7(d)。

5)利用DLSRE模型以定位心室膜为初始轮廓，分割左心室内外膜边缘轮廓；

6)当模型能量函数最小，则迭代结束，分割完成；否则能量函数驱使曲线演化，直至模型能量函数最优；最后，得到心室膜轮廓图7(e),内外膜三维能量图7(f)。

Images