一种基于结构化信息极大分解的肌肉损伤超声造影图像分割方法
【技术领域】
[0001] 本发明涉及一种图像分割方法，尤其是一种面向肌肉损伤超声造影图像的分割方 法。
【背景技术】
[0002] 日常生活中，肌肉损伤时有发生。肌肉损伤的康复效果需要实时、长期的观察。现 代医学认为，相比于电子计算机断层扫描技术与核磁共振成像技术，超声造影技术有着低 辐射、便携式等优势。通过对观察组织灌注微气泡造影剂，可以辅助诊断人员收集到重要的 医学信息，也可以观测到疾病的演变。近年来，研宄人员提出了许多自适应的算法来处理超 声造影图像，但这些算法都只能够提取出一个较为粗糙的受伤肌肉边缘，因此在某些情况 下现有的图像分割算法并不是十分理想。
[0003] 本发明涉及的【背景技术】主要包括两大方面，其一为图像纹理替换的相关技术；其 二为独立成分分析的相关技术。具体的介绍如下：
[0004] 图像纹理是计算机图像学、计算机视觉中常常使用的概念。结构化纹理替换是指 在一幅图像中，以保证其光照及暗影效果、物理结构扭曲不变为前提，替换图像中的某种具 有确定模式的纹理。纹理的替换可以为图像后续分析排除光照、扭曲等因素。
[0005] 独立成分分析是一种多元统计处理中的新方法，可以自适应的根据信号的性质得 到一组基函数，并将图像转换到独立成分域中进行后续处理。由医学的先验知识可知，至少 存在肌肉组织、微气泡、噪声等三个主要的成分。独立成分分析可以实现超声造影图像成分 的分离，为其提供较为便捷的分析手段。
【发明内容】
[0006] 本发明提供了一种基于结构化信息极大分解的肌肉损伤超声造影图像分割方法， 该方法首先在结构化纹理特征提取与独立分成分析等既有方法之上，提出了基于结构化信 息极大分解方法，实现了在复杂的生理噪声中将混合的原始超声造影信号成分进行分离； 提出了基于信息熵的分类方法，实现了将独立的成分依据信息熵进行分类；提出了基于并 集图像的图像分割方法，实现了肌肉损伤的区域的分割，并确定损伤肌肉的边缘。
[0007] 本发明的技术方案如下：
[0008] 一种基于结构化信息极大分解的肌肉损伤超声造影图像分割方法，包括以下几个 步骤：
[0009] 步骤1 :信号强度峰值时图像帧的选取。
[0010] 根据微气泡强度曲线会在某一时刻达到峰值这一特性，该方法首先对原始肌肉损 伤超声造影图像选取一个时间窗口。选取的方法为观察图像的灰度值强度，记录灰度值强 度最强的时刻为tmax，以tmax为中心时刻，选取区间为
【主权项】
1. 一种基于结构化信息极大分解的肌肉损伤超声造影图像分割方法，其特征是所述方 法包括如下步骤： 步骤1 :信号强度峰值时图像帧的选取； 对原始肌肉损伤超声造影图像选取一个时间窗口；保留窗口内的所有图像，舍去其余 的图像，得到能量值较高的肌肉损伤图像； 步骤2 :结构化纹理特征的提取； 使用局部二值模式方法对于对步骤1所得的图像进行结构化纹理替换，从而产生图像 的纹理特征； 步骤3 :基于结构化信息极大的独立成分分析； 对步骤2替换后的结构化纹理影像进行独立成分分析，使用基于信息极大准则的独立 成分分析方法，得到图像的独立分量； 步骤4 :肌肉损伤区域边界的确定； 基于信息熵的分类方法，将独立的成分依据信息熵进行分类；其次基于并集图像的图 像分割方法，对肌肉损伤的区域进行分割，并确定损伤肌肉的边缘。
2. 如权利要求1所述基于结构化信息极大分解的肌肉损伤超声造影图像分割方法，其 特征为步骤2包括如下步骤： 步骤2. 1 :标记信息的产生； 局部二值模式算子定义为在3X3大小的窗口内部，将周围的像素值与中心像素值进 行比较，产生对应的标记信息； 步骤2. 2 :结构化特征纹理的计算； 将步骤2. 1产生标记信息在中心像素点的位置上产生一个新的八比特无符号数，称 为该坐标下的局部二值模式值，用以反映该区域的纹理特征。
3. 如权利要求1所述基于结构化信息极大分解的肌肉损伤超声造影图像分割方法，其 特征为步骤3包括如下步骤： 步骤3. 1 :混合信号进行成分个数的估计； 对步骤2产生的结构化纹理特征图像，进行基于拉普拉斯近似的源信号成分个数估 计，从步骤2产生的结构化纹理特征图像T中，得到源信号的成分个数η ; 步骤3. 2 :独立成分的分解； 利用步骤3. 1得出的源信号成分个数，对局部纹理特征图像T进行分解，得到相应的η 独立成分。
4. 如权利要求1所述基于结构化信息极大分解的肌肉损伤超声造影图像分割方法，其 特征是步骤4包括如下步骤： 步骤4. 1 :独立成分的分类； 以步骤3得到的η个成分信号，利用损伤肌肉、微气泡、噪声分布在不同的信息熵中的 先验知识，将η个独立的成分信号分为三个集合，分别为肌肉组织成分集、微气泡成分集和 噪声成分集： 使用如下基于信息熵的分类方法将η个独立的成分分为三个集合： Smt= {Sk|H(Sk)<￡l} Smb= {Sk| ^1SH(Sk)彡 ε2} SNoise= {Sk| e2<H(Sk)} 其中，Smt为肌肉组织成分集，Smb为微气泡成分集，S N()ise噪声成分集，ε I为与微气泡 成分集Smb信息熵的最小阈值，ε 2为微气泡成分集Smb信息熵的最大阈值； 步骤4. 2 :损伤肌肉边界的确定； 取步骤4. 1所得的微气泡成分集Smb，使用基于并集图像的分割方法，采用如下区域分 割的准则，确定损伤肌肉边界：
其中，q为微气泡的成分集Smb的并集图像，q(x，y)为图像q通过阈值Θ的二值图像； 最终，Boundary(Sm)为分割的边界。
【专利摘要】本发明涉及一种图像分割方法，尤其是一种面向肌肉损伤超声造影图像的分割方法。该方法首先对采集到的超声造影图像使用结构化纹理特征的提取方法进行提取；之后，使用基于结构化最大互信息分解的独立成分分析方法，获得结构化纹理图像的独立成分；最后，对分解后的独立成分使用基于信息熵的分类方法与基于并集图像的图像分割方法，得到了损伤肌肉边界。本方法的优点：一是利用图像的局部纹理特征代替灰度值，提取了图像中的结构信息，避免灰度信息不稳定对后续分析的影响；二是不受噪声的影响，提高了损伤肌肉边界识别的准确率。
【IPC分类】G06T7-00, A61B8-00
【公开号】CN104732517
【申请号】CN201510019412
【发明人】陈东太郎, 徐琪, 曾卫明
【申请人】上海海事大学
【公开日】2015年6月24日
【申请日】2015年1月14日