基于全局LBF水平集模型的脑血管层次粗分割

摘要

考虑对脑血管进行三维分割具有一定难度,提出了一种基于全局LBF(Local Binary Fitting)水平集模型的脑血管层次化粗分割方法.首先,应用定向加权中值(DWM)滤波和各向异性扩散滤波去除脑图像噪声,同时保存血管边缘信息,在多尺度条件下局部梯度最大(LIGM)算法,应用灰度和梯度信息提取备选血管,基本实现脑灰质去除.然后,改进全局信息LBF水平集算法实现最大强度投影(MIP)图像分割,采用形态信息提取备选血管,剔除干扰组织.最后,融合两种方法实现脑血管粗提取.实验表明,层次化的分割方法可去除大部分不相关脑组织,包含直接双高斯统计模型中的所有分割血管信息.本项研究基于时飞磁共振血管造影(TOF_MRA)数据,相关研究结果可扩展到其它相似系统中.