[發明專利]稀疏動態集成選擇的胃部CT圖像疑似淋巴結提取方法有效
| 申請號: | 201310325484.2 | 申請日: | 2013-07-22 |
| 公開(公告)號: | CN103400385A | 公開(公告)日: | 2013-11-20 |
| 發明(設計)人: | 劉芳;周治國;李玲玲;郝紅俠;戚玉濤;焦李成;李婉;尚榮華;馬文萍;馬晶晶 | 申請(專利權)人: | 西安電子科技大學 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;A61B6/03 |
| 代理公司: | 陜西電子工業專利中心 61205 | 代理人: | 程曉霞;王品華 |
| 地址: | 710071*** | 國省代碼: | 陜西;61 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 稀疏 動態 集成 選擇 胃部 ct 圖像 疑似 淋巴結 提取 方法 | ||
技術領域
本發明屬于醫學圖像處理技術領域,特別是涉及醫學CT圖像分割和分類,具體是一種稀疏動態集成選擇的胃部CT圖像疑似淋巴結提取方法。可用于胃部脂肪組織CT圖像分割和分類,可以用于其他類型的CT圖像分割和分類,還可用于分割或分類其他類型的圖像。
背景技術
胃癌在全球惡性腫瘤死亡率中排名第二,其發展迅速、易于轉移的特點是導致死亡率居高不下的重要原因。淋巴結轉移是影響胃癌預后的重要獨立因素,內外科治療前需要盡可能準確的了解淋巴結情況以確定治療方案及評價預后。淋巴結主要分布在胃壁周圍的脂肪組織內,因而準確地分割出脂肪組織是非常重要的。當前CT是常用的影像學手段,要實現脂肪組織區域中的淋巴結提取,首先要從中提取脂肪組織區域。
由于胃部CT圖像的結構和紋理非常復雜,因而自動提取脂肪組織仍舊是一個具有挑戰性的任務。而手動提取又比較費時,因而不適于臨床應用。因此采用交互式分割的方法提取脂肪組織更加合適。當前大部分交互式分割的方法需要標明目標和背景的主要特征。然而在臨床應用中,由于脂肪組織周圍包括多種臟器和組織,放射師或醫生很難確定哪一部分背景對于脂肪組織的提取是有效的。
淋巴結主要分布在胃壁周圍的脂肪組織內,要找到對應的淋巴結,就要提取出疑似淋巴結區域,也就是疑似淋巴結區域和胃部脂肪組織區域分別開來。近年來,越來越多的分類方法通過監督方法實現。其原因如下:(1)能夠從手動分類的圖像中提取知識并將其應用于新的測試圖像,這有助于性能的提升;(2)監督的分類方法不需要模型初始化和特別的優化策略。在基于監督的方法中,多分類器集成是最有效的方法之一,并且已經成功應用于多個領域。動態集成選擇是多分類器集成的最新成果,由于其能夠取得更好的分類性能,因而受到了廣泛關注,但是現有技術中在采用動態集成選擇實現脂肪組織分類時,計算復雜度較高,需要耗費大量的時間。
發明內容
為了彌補上述已有技術的不足和更加有效地提取出疑似淋巴結區域,本發明提出了一種稀疏動態集成選擇的胃部CT圖像疑似淋巴結提取方法。本發明不僅能在不標記背景的情況下自動、有效地提取出胃部CT圖像中的疑似淋巴結區域,而且能極大地降低計算復雜度。
為實現上述目的,本發明提出一種基于稀疏動態集成選擇的胃部CT圖像疑似淋巴結區域提取方法,胃部CT圖像疑似淋巴結區域提取包括有如下步驟:
步驟1,提取一副胃部CT圖像;
步驟2,對該胃部CT圖像人為標記部分脂肪組織,運用均值漂移進行整體圖像的初始分割,分割為未標記區域集和已標記脂肪區域集,然后采用灰度直方圖作為特征將與已標記區域相鄰并且相似的未標記區域迭代標記,最后將重新標定的標記區域集合提取,重新標定的標記區域集合包含人為標記脂肪組織區域以及其連通區域的脂肪組織區域;
步驟3,對已提取的脂肪組織區域再根據其灰度值運用均值漂移進行過分割,達到將脂肪組織區域初始化;
步驟4,提取脂肪組織的每個過分割區域灰度直方圖特征,每個過分割區域的灰度直方圖特征為一組數據,脂肪組織區域中的所有過分割區域構成待分類樣本集,其中待分類樣本集包括疑似淋巴結區域和胃部脂肪組織區域;
步驟5,運用稀疏動態集成選擇方法,將稀疏表示引用到動態集成選擇中,對已提取的脂肪組織區域待分類樣本集進行分類;
步驟6,將同一類別的過分割區域合并為一個分割區域,獲得胃部CT圖像疑似淋巴結區域。
當前大部分交互式分割的方法需要標明目標和背景的主要特征,本發明采用一種基于目標信息的交互式分割方法提取脂肪組織,不同于其他交互式分割方法,本方法僅僅需要標記部分脂肪組織,而背景部分完全不需要標記。針對現有技術中在采用動態集成選擇實現脂肪組織分類時,計算復雜度較高,需要耗費大量的時間,本發明采用的稀疏動態集成方法實現分類,能夠取得較好的分類性能,有效地降低計算的復雜度。
本發明的實現在于,步驟5所述的運用稀疏動態集成選擇方法對已提取的脂肪組織區域待分類樣本集進行分類過程包括訓練階段和測試階段:
在訓練階段,首先為脂肪組織學習一個字典,然后為字典中的每個原子選擇一組分類器,組成該原子的集成分類器,即原子集成系統;在測試階段,將過分割的脂肪組織的每一個區域利用字典和對應的稀疏系數表示,然后由所選擇的原子集成系統的輸出通過投票決定最終的結果。
訓練階段
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于西安電子科技大學,未經西安電子科技大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201310325484.2/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:基于變電站巡檢機器人的雙目視覺導航系統及方法
- 下一篇:煅燒爐罐體維修設備





