基于相场和似然模型的多分支脑血管分割

血管造影术已被神经外科医生广泛用于血管和非血管病理学。 确实,检查脑血管网络有助于揭示动脉硬化,糖尿病,高血压,脑血管疾病和中风。 因此,脑部血管的精确分割对放射科医师至关重要。 已经提出了许多用于血管分割的算法。 尽管它们对分割血管的主要部分效果很好,但是这些技术不能解决挑战性的问题,包括:(a)由于细血管周围的对比度低,因此分割较细的血管; (b)强度不均匀,导致分割不准确。 为了应对这些挑战,我们开发了一个新的Allen Cahn(AC)方程和可能性模型来在血管造影图中分割血管。 它的水平集公式结合了长度,基于区域和正则化的术语。 长度项由具有双阱势的AC方程表示。 基于区域的术语结合了本地和全局统计信息,其中本地部分处理强度不均匀性,而全局部分解决低对比度问题。 最后,正则项确保轮廓演化的稳定性。 实验结果表明,该方法既有效又鲁棒,并且能够分割具有任意初始轮廓的不均匀图像。 在检测更精细的细节方面,它的性能优于其他方法。