本申請提供了一種左心室分割方法、裝置及電子設備，其中，方法包括：獲取心臟醫學影像數據；根據心臟生理結構特征，在醫學影像數據中確定心尖位置和心基位置；基于心尖位置和心基位置采用區域生長算法確定左心室腔分割結果；根據左心室腔分割結果，基于水平集算法分割得到左心肌分割結果；合并左心室腔分割結果和左心肌分割結果得到左心室分割結果。由于心尖和心基位于心室內，因此基于心尖和心基采用區域生長法可以得到較為準確的左心室腔分割結果，由于左心室腔與左心肌灰度差別較大，灰度梯度變化明顯，以左心室腔分割結果為基礎，利用水平集算法進行準確的左心肌分割，演化速度快。

技術領域

本申請涉及醫療圖像技術領域，尤其涉及一種左心室分割方法、裝置及電子設備。

背景技術

近年來心臟疾病已經成為人類健康的頭號殺手。如何有效準確的診斷心血管疾病已經成為醫學工作者的頭號課題。從心臟機理來看，負責供血到全身各個器官的左心室是心臟中最重要的部分。因此其形態和運動的異常被作為評估心臟病變的重要依據。隨著醫學影像技術的發展，無創的基于左心室的心功能分析已經成為心臟疾病臨床診斷的重要輔助手段。

目前心功能分析的影像學方法有很多種，臨床上常用的是超聲和核磁共振。超聲視野局限，容易受操作者的主觀影像，并且空間分辨率差，測量值偏差大且重復性不佳，核磁共振雖然有較高的時間和空間分辨率，但是掃描時間長，價格昂貴，且臨床應用受限制。近年來隨著多層螺旋CT技術的快速發展，其在掃描速度，良好的空間和時間分辨率，使得其在心臟方法的應用逐漸成為臨床診斷的主流影像技術。

心功能分析主要是通過圖像分割觀察左心室的形態結構，采用運動估計技術獲取左心室的功能分析，從而估測左心室的整體功能及左心肌的局部功能，是當前無創的心功能分析的主要技術。目前，多層螺旋CT在心功能分析上的研究較少，臨床上多需要手動勾勒出左心室的心內膜和心外膜輪廓，系統再自動計算所標記區域的參數。基于多層螺旋CT全自動的分割左心室和左心肌是輔助臨床應用的發展趨勢和研究熱點。

目前有很多關于左心室分割的算法，但是大多數都是基于超聲和核磁共振的左心室分割，很少基于CT圖像的。這些分割算法主要分為以下幾類：傳統的圖像分割算法，基于模型的分割方法，基于水平集的分割算法，聚類以及基于圖的分割方法。

傳統的分割方法主要包括：閾值分割方法，區域生長方法，邊緣檢測方法。其中閾值分割方法在考慮圖像灰度值的同時不對圖像的空間分布進行考慮，對噪聲非常敏感。區域生長方法受限于圖像的對比度，容易欠分割或者過分割。圖像的邊緣檢測對模糊邊緣的效果很差，往往檢測不到。

基于模型的分割算法，如主動形狀模型和主動表面模型。通過使用左心室的先驗知識建立模型，分割結果的準確性嚴重依賴訓練模型，受主觀描繪訓練模型的影響，而且費時又耗力。

基于水平集的分割算法，能夠在噪聲數據中較好的進行邊緣分割，在描繪左心肌的邊界方面，發展比較成熟。然而在執行中仍舊存在一些問題和困難，如計算復雜度高，零水平集的初始化，若干個參數，并且在演化過程中花費較多的時間，在非均質區域中容易選擇錯誤的局部極小值，尤其在低灰度梯度變化處易造成泄漏。

模糊聚類的算法允許聚類生長成自然的形狀，可用于圖像序列的任意緯度和任意分辨率。該方法的主要缺點是處理外部點方面有困難，聚類中數據點的成員關系直接依賴其他聚類中心的成員關系值，并且有時候會產生不可靠的結果。

基于圖的分割方法無需嚴重依賴或明確學習先驗知識，通過足夠的用戶交互，可獲得任意的分割，并且比較容易擴展到3D及更高維度的分割中。但是該算法仍有一些缺陷：如需要用戶的多次交互，在弱邊界情況下，容易受到“最小割”問題的影響。

因此，如何對左心室進行精確分割成為亟待解決的技術問題。

發明內容

本申請提供了一種左心室分割方法、裝置及電子設備，以解決相關技術中難以對左心室進行精確分割的技術問題。