基于混合模态图像的左心室图像分割方法及系统技术方案

本公开提供了基于混合模态图像的左心室图像分割方法及系统。基于混合模态图像的左心室图像分割方法，包括：获取心脏图像的纹理信息和空间布局，得到以矩阵形式表示的MR图像和CT图像的底层特征表达，得到用来描述混合模态心脏图像的底层特征数据集；对混合模态心脏图像的底层特征数据集进行共享矩阵分解，获得一个鲁棒的形状感知变换矩阵，从而提取出同时适应于不同模态图像的形状特征；通过构造图来建立不同模态的心脏图像间的相互关系，利用有监督的形状信息进一步增强不同模态心脏图像间的形状特征的相似性；将分割问题转化为对心脏边界坐标值的回归，建立形状回归模型，通过多输出支持向量回归直接从形状特征中分割出最终的心肌轮廓。

Left ventricular image segmentation method and system based on mixed modal images

【技术实现步骤摘要】
基于混合模态图像的左心室图像分割方法及系统
本公开属于图像分割领域，尤其涉及一种基于混合模态图像的左心室图像分割方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。心血管疾病(CardiovascularDisease，CVDS)是亚太地区最大的非传染性疾病之一，左心室分割在心脏图像的临床定量和诊断中起着至关重要的作用。对于临床实践来说，多种医学影像技术如核磁共振成像(MRI)、电子计算机断层扫描成像(CT)、正电子发射型计算机断层显像(PET)等，是心血管疾病诊断的重要辅助技术。据统计，放射科医生对医学影像进行人工分割是一项枯燥、耗时、低效的工作，仅分割一名受试者的核磁共振序列就需要20分钟左右的时间，且不同的影像学设备及大量的患者会产生不同模态的大量心脏图像，极大的增加医生的工作量，分割的结果也受医生的经验和主观判断影响。同时由于心脏扩张和收缩引起的心外膜和心内膜形状变异、受试者之间的差异、乳头肌和图像的固有噪声等因素，也会影响医生人工分割的精度，难以较快获得准确、客观的分割结果。为了提高左心室图像分割的精度和效率，将放射科医生从冗长、低效的工作中解脱出来，基于计算机的智能自动化左心室分割辅助诊断势在必行。现有的左心室分割方法多侧重于单模态或多模态心脏图像。单模态方法主要包括基于核磁共振(MR)模态的方法和基于CT模态的方法，这些分割方法只能在单一模态的心脏图像上表现出良好的分割性能。因此研究者们又提出基于多模态的方法，在同一患者身上采集不同模态的图像，配准后再进行分割。专利技术人发现，由于训练样本不同、成像过程不同、MR图像和CT图像中心脏的灰度差异较大，使得现有的这些方法的训练模型不能直接、准确地从一种特定的模态应用到新的模态。
技术实现思路
为了解决上述问题，本公开的第一个方面提供一种基于混合模态图像的左心室图像分割方法，其既能够对单模态下的心脏图像进行分析，又降低了多模态图像采集的难度，在不需要对新样本进行学习分割模型再训练的情况下，将混合模态图像进行模态适配，成功处理新的模态图像。为了实现上述目的，本公开采用如下技术方案：一种基于混合模态图像的左心室图像分割方法，包括：获取心脏图像的纹理信息和空间布局，得到以矩阵形式表示的MR图像和CT图像的底层特征表达，得到用来描述混合模态心脏图像的底层特征数据集；对混合模态心脏图像的底层特征数据集进行共享矩阵分解，获得一个鲁棒的形状感知变换矩阵，从而提取出同时适应于不同模态图像的形状特征；通过构造图来建立不同模态的心脏图像间的相互关系，利用有监督的形状信息进一步增强不同模态心脏图像间的形状特征的相似性；将分割问题转化为对心脏边界坐标值的回归，建立形状回归模型，通过多输出支持向量回归直接从形状特征中分割出最终的心肌轮廓。为了解决上述问题，本公开的第二个方面提供一种基于混合模态图像的左心室图像分割系统，其既能够对单模态下的心脏图像进行分析，又降低了多模态图像采集的难度，在不需要对新样本进行学习分割模型再训练的情况下，将混合模态图像进行模态适配，成功处理新的模态图像。为了实现上述目的，本公开采用如下技术方案：一种基于混合模态图像的左心室图像分割系统，包括：心脏图像表示模块，其用于获取心脏图像的纹理信息和空间布局，得到以矩阵形式表示的MR图像和CT图像的底层特征表达，得到用来描述混合模态心脏图像的底层特征数据集；混合模态自适配模块，其用于对混合模态心脏图像的底层特征数据集进行共享矩阵分解，获得一个鲁棒的形状感知变换矩阵，从而提取出同时适应于不同模态图像的形状特征；形状感知特征增强模块，其用于通过构造图来建立不同模态的心脏图像间的相互关系，利用有监督的形状信息进一步增强不同模态心脏图像间的形状特征的相似性；左心室分割形状回归模块，其用于将分割问题转化为对心脏边界坐标值的回归，建立形状回归模型，通过多输出支持向量回归直接从形状特征中分割出最终的心肌轮廓。为了解决上述问题，本公开的第三个方面提供一种计算机可读存储介质，其既能够对单模态下的心脏图像进行分析，又降低了多模态图像采集的难度，在不需要对新样本进行学习分割模型再训练的情况下，将混合模态图像进行模态适配，成功处理新的模态图像。为了实现上述目的，本公开采用如下技术方案：一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述的基于混合模态图像的左心室图像分割方法中的步骤。为了解决上述问题，本公开的第四个方面提供一种计算机设备，其既能够对单模态下的心脏图像进行分析，又降低了多模态图像采集的难度，在不需要对新样本进行学习分割模型再训练的情况下，将混合模态图像进行模态适配，成功处理新的模态图像。为了实现上述目的，本公开采用如下技术方案：一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述所述的基于混合模态图像的左心室图像分割方法中的步骤。本公开的有益效果是：本公开将单模态和多模态的心脏图像分割模型进行改进，提出混合模态自适应的回归分割方法，提高了心脏的MR图像和CT图像的形状一致性，通过这种方式，可以使一种模态数据训练出的机器学习模型，在不需要对新样本重新训练的情况下成功处理新的模态图像数据，减轻了模型学习阶段对训练抽样的要求。本公开的分割方法，在模态自适应的基础上进行了特征增强，利用有监督的形状信息进一步增强形状的特征感知，建立了有效的形状回归模型，从而在对混合模态的左心室图像分割时获得了准确的分割性能。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。图1是本公开实施例提供的左心室图像分割方法流程图。具体实施方式下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。如图1所示，本实施例提供了一种基于混合模态图像的左心室图像分割方法，其包括：步骤(1)：获取心脏图像的纹理信息和空间布局，得到以矩阵形式表示的MR图像和CT图像的底层特征表达，得到用来描述混合模态心脏图像的底层特征数据集；步骤(1)为心脏图像表示步骤：利用通用GIST算法来获取心脏的纹理信息和空间布局，得到心脏MR图像和CT图像的底层特征表达，以矩阵的形式表示出来，从而得到用以描述两种模态心脏图像的底层特征数据集。考虑到混合模态图像虽然外观不同但形状是相似的，本实施例首先得到了一种能够模拟心肌形状并支配空间结构的图像表示。在本实施例中，我们使用GIST算法来实现不同模态心脏图像的底层特征表示，因为它可以同时获取纹理信息和空间布局。混合模态图像数据集可以表示为和其中M1和M2是第一模态和第二模本文档来自技高网...

【技术保护点】
1.一种基于混合模态图像的左心室图像分割方法，其特征在于，包括：获取心脏图像的纹理信息和空间布局，得到以矩阵形式表示的MR图像和CT图像的底层特征表达，得到用来描述混合模态心脏图像的底层特征数据集；对混合模态心脏图像的底层特征数据集进行共享矩阵分解，获得一个鲁棒的形状感知变换矩阵，从而提取出同时适应于不同模态图像的形状特征；通过构造图来建立不同模态的心脏图像间的相互关系，利用有监督的形状信息进一步增强不同模态心脏图像间的形状特征的相似性；将分割问题转化为对心脏边界坐标值的回归，建立形状回归模型，通过多输出支持向量回归直接从形状特征中分割出最终的心肌轮廓。

【技术特征摘要】
1.一种基于混合模态图像的左心室图像分割方法，其特征在于，包括：获取心脏图像的纹理信息和空间布局，得到以矩阵形式表示的MR图像和CT图像的底层特征表达，得到用来描述混合模态心脏图像的底层特征数据集；对混合模态心脏图像的底层特征数据集进行共享矩阵分解，获得一个鲁棒的形状感知变换矩阵，从而提取出同时适应于不同模态图像的形状特征；通过构造图来建立不同模态的心脏图像间的相互关系，利用有监督的形状信息进一步增强不同模态心脏图像间的形状特征的相似性；将分割问题转化为对心脏边界坐标值的回归，建立形状回归模型，通过多输出支持向量回归直接从形状特征中分割出最终的心肌轮廓。2.如权利要求1所述的一种基于混合模态图像的左心室图像分割方法，其特征在于，利用GIST算法来获取心脏的纹理信息和空间布局。3.如权利要求1所述的一种基于混合模态图像的左心室图像分割方法，其特征在于，利用图谱在图像分割中对不同部分边界的识别作用，分别提取MR图像和CT图像的形状信息，构造一个图来表示图像各位置特征，通过提取每个位置的图像特征，计算两个特征之间的相似性，得到提取出同时适应于不同模态图像的形状特征。4.如权利要求3所述的一种基于混合模态图像的左心室图像分割方法，其特征在于，提取出同时适应于不同模态图像的形状特征之后，还包括：优化形状感知变换矩阵，使MR图像和CT图像的形状差异最小化。5.一种基于混合模态图像的左心室图像分割系统，其特征在于，包括：心脏图像表示模块，其用于获取心脏图像的纹理信息和空间布局，得到以矩阵形式表示的MR图像和CT图像的底层特征表达，得到用来描述混合模态心脏图像的底层特征数据集；混合模态自适配模块，其用于对混合模态心脏图像的底层特征数...

【专利技术属性】
技术研发人员：郑元杰，张冉，连剑，丛金玉，贾伟宽，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东,37