[發(fā)明專利]基于字典學(xué)習(xí)的醫(yī)學(xué)圖像交互式聯(lián)合分割

有效

• 申請?zhí)枺?/td>: 201210061836.3
• 申請日: 2012-03-11
• 公開（公告）號: CN102663728A
• 公開（公告）日: 2012-09-12
• 發(fā)明（設(shè)計(jì)）人: 緱水平;馬麗敏;周治國;劉芳;張曉鵬;唐磊;王之龍;王云利
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/08
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于字典字習(xí)的醫(yī)字圖像交互式聯(lián)合分割方法，包括如下步驟：

(1)輸入腹部CT序列圖像I＝{I₁，I₂，…，I_n}，n為從序列圖中選取圖像的數(shù)量，n最大值為100，并用分水嶺方法對腹部CT序列圖像I進(jìn)行初始分割，得到初分割子圖像I′；

(2)統(tǒng)計(jì)每幅圖初分割后的區(qū)域的數(shù)目L，并計(jì)算每一個(gè)區(qū)域的灰度梯度特征向量；

(3)從序列圖像I中隨機(jī)選取一幅圖像I_i，1≤i≤n，由用戶在其對應(yīng)初分割子圖I′_i上標(biāo)記部分目標(biāo)區(qū)域M_O和部分背景區(qū)域M_B，其中M_O包含初分割子圖I′_i的k_O個(gè)區(qū)域，M_B包含初分割子圖I′_i的k_B個(gè)區(qū)域，剩余的未標(biāo)記區(qū)域N包含初分割子圖I′_i的s個(gè)區(qū)域，s的大小為L-k_O-k_B，該目標(biāo)區(qū)域代表腹部CT圖像中的胃癌病變區(qū)域；

(4)基于最大相似性準(zhǔn)則對上述標(biāo)記后的圖像進(jìn)行區(qū)域合并，即先將未標(biāo)記區(qū)域N中與標(biāo)記背景M_B中相似性最大的區(qū)域合并得到新的標(biāo)記背景區(qū)域M′_B，重復(fù)合并剩下的未標(biāo)記區(qū)域與M′_B，直到s＝0合并完成后，得到了圖像I_i的全部目標(biāo)區(qū)域和背景區(qū)域；

(5)用K-SVD算法對步驟(4)中得到的目標(biāo)區(qū)域所對應(yīng)的特征向量訓(xùn)練生成一個(gè)目標(biāo)字典D_O，并將步驟(4)中得到的背景區(qū)域用k均值方法聚為4類，然后分別對每類訓(xùn)練生成背景字典D_B＝{D_B1，D_B2，D_B3，D_B4}，其中D_B1，D_B2，D_B3，D_B4分別為4類背景區(qū)域?qū)?yīng)的背景字典；

(6)由目標(biāo)字典D_O去逼近一幅待分割的圖像I′_i的特征向量X，1≤j≤n，j≠i，計(jì)算出逼近誤差最小的區(qū)域作為標(biāo)記目標(biāo)區(qū)域M_O；由4個(gè)背景字典D_B1，D_B2，D_B3，D_B4分別去逼近待分割圖像I′_i的特征向量X，計(jì)算出的4個(gè)逼近誤差最小的區(qū)域一起作為標(biāo)記背景區(qū)域M_B，再次按照步驟(4)進(jìn)行區(qū)域合并，得到圖像I_j的目標(biāo)區(qū)域；

(7)重復(fù)執(zhí)行步驟(6)，對輸入的一組序列圖像I中還未分割的圖像進(jìn)行目標(biāo)區(qū)域提取，直到所有序列圖像都分割出目標(biāo)區(qū)域?yàn)橹埂?/p>

2.根據(jù)權(quán)利要求1所述的方法，其中步驟(1)所述的用分水嶺方法對腹部CT序列圖像進(jìn)行初始分割，是先對圖像的每個(gè)像素的灰度級進(jìn)行由低到高排序，再從低到高實(shí)現(xiàn)淹沒，對每一個(gè)局部極小值在高度為某一灰度級的影響域采用先進(jìn)先出FIFO進(jìn)行判斷及標(biāo)注。

3.根據(jù)權(quán)利要求1所述的方法，其中步驟(2)所述的計(jì)算每一個(gè)區(qū)域的灰度梯度特征向量，是先計(jì)算每個(gè)像素點(diǎn)的灰度梯度特征向量，并統(tǒng)計(jì)每個(gè)區(qū)域的像素點(diǎn)數(shù)，然后計(jì)算每個(gè)區(qū)域內(nèi)所有像素點(diǎn)的灰度梯度特征向量的平均值。

4.根據(jù)權(quán)利要求1所述的方法，其中所述步驟(6)中的由目標(biāo)字典D_O去逼近一幅待分割的圖像I′_i的特征向量X，是將字典D_O或D_B1，D_B2，D_B3，D_B4中的原子進(jìn)行正交化處理后，再將X在這些正交原子構(gòu)成的空間上進(jìn)行分解得到逼近系數(shù)α。

5.根據(jù)權(quán)利要求1所述的方法，其中所述步驟(6)中計(jì)算逼近誤差最小的區(qū)域，是通過公式計(jì)算，即計(jì)算待逼近的特征向量X減Dα的2范數(shù)平方的最小值，其中D為目標(biāo)字典D_O或背景字典D_B1，D_B2，D_B3，D_B4；X為待逼近的特征向量，α為逼近系數(shù)，R(X，D)為特征向量X與字典D的最小逼近誤差。