基于多尺度滤波和统计模型的多模态血管造影图像血管分割方法

【文件属性】：
文件名称：基于多尺度滤波和统计模型的多模态血管造影图像血管分割方法
文件大小：3MB
文件格式：PDF
更新时间：2021-03-25 19:59:17
Multi-modality angiographic images ,Vessel segmentation 背景技术血管的精确分割在计算机辅助血管疾病的诊断和介入治疗中起着重要的作用。 统计方法是有效血管分割的重要组成部分。 然而，一些限制阻碍了分割效果，即，图像模态的依赖性，不均匀的造影剂，偏置场以及对象和背景的重叠强度分布。 另外，根据图像直方图的特征构造统计方法的混合模型。 因此，对于从多模态血管造影图像进行血管分割的传统方法而言，这是一个具有挑战性的问题。方法：为了克服这些局限性，已经提出了一种具有固定混合模型的柔性分割方法用于各种血管造影方法。 我们的方法主要包括三个部分。 首先，对原始图像使用多尺度滤波算法，以增强血管并抑制噪声。 结果，过滤后的数据获得了新的统计特征。 其次，建立了由三个概率分布（两个指数分布和一个高斯分布）形成的混合模型，以拟合过滤数据的直方图曲线，其中使用了期望最大化（EM）算法进行参数估计。 最后，采用三维（3D）马尔可夫随机场（MRF）来提高按像素分类和后验概率估计的准确性。 为了定量评估所提出方法的性能，设计了两种模拟具有不同管状结构和噪声的血管的模型。 同时，已使用来自不同人体器官的四个临床血管造影数据集对该方法进行了定性验证。 为了进一步测试性能，在两种不同的脑磁共振血管造影（MRA）数据集上进行了所提方法与传统方法的对比测试。 ，分类错误的体素的百分比（即分割错误率）不超过0.3％，并且骰子相似系数（DSC）高于94％。 根据临床血管专家的意见，由于提取了完整的血管树，而较少的非血管和背景被错误地归类为血管，因此可以高精度提取各种数据集的血管。 在对比实验中，所提出的方法在从具有复杂背景噪声的多模态血管造影图像中提取血管结构的准确性和鲁棒性方面具有优越性。结论。实验结果表明，所提出的方法可用于各种血管造影数据。 主要原因是所建立的混合概率模型可以从多尺度fil统一对容器对象进行分类。