[發明專利]一種基于特征擴散的CT圖像腫瘤組織提取方法

在審

• 申請號: 201410363770.2
• 申請日: 2014-07-28
• 公開（公告）號: CN104156949A
• 公開（公告）日: 2014-11-19
• 發明（設計）人: 張佳;王健生
• 申請（專利權）人: 西安交通大學醫學院第一附屬醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 徐文權

1.一種基于特征擴散的CT圖像腫瘤組織提取方法，其特征在于，包括以下步驟：

1)獲取目標CT圖像，并輸入CT圖像對應的數據集，分別計算數據集中各個點的尺度參數和數據集的相似度矩陣，然后加入若干代表腫瘤組織的特征點，并獲取這些特征點對應源圖像的坐標；

2)求取上述特征點對應CT圖像中元素對應值的平均值，并從CT圖像中提取前若干個數值與平均值最為接近的點作為輔助特征點，并將這些輔助特征點加入特征點集用于輔助原始特征點；

3)將矩陣中的特征點對應位置的值修正為1，代表該位置的點屬于正常組織或腫瘤組織的概率為1，然后求取修改后的相似度矩陣對應的拉普拉斯矩陣并進行特征分解，得到若干特征向量,選取前兩列特征向量參與后續計算；

4)對特征向量進行k均值聚類，然后在步驟3)所得的特征向量中任意選取兩個點作為聚類的初始聚類中心，分別計算兩列特征向量中任意一點與上述兩個初始聚類中心的距離，并按距離遠近將特征向量中的點劃分為兩類；計算這兩類點的點群中心，記為A和B，將A和B更新為聚類中心，重新計算特征向量中的點與A和B的距離，根據距離遠近將特征向量的點重新劃分為兩類，重復選定點群中心和根據距離劃分點集的操作，直到兩類點的點群中心固定不變，停止循環，最終將特征向量中的點劃分成兩類，得到最終的聚類結果，該兩類點集聚類劃分了腫瘤組織和正常組織，實現腫瘤組織圖像的提取。

2.根據權利要求1所述的一種基于特征擴散的CT圖像腫瘤組織提取方法，其特征在于，步驟1)具體包括：

(1)輸入CT圖像對應的數據集X＝{x₁,x₂,...,x_n}∈R^d，x_i表示數據集中的任意點，i∈(1，n)，n為數據個數，d表示數據維數，R為整個實數集；

(2)分別計算數據集X中各個點的尺度參數σ_i和數據集的相似度矩陣A；

(3)加入若干代表腫瘤組織的特征點，并在數據集X＝{x₁,x₂,...,x_n}∈R^d范圍內對特征點進行擴散。

3.根據權利要求2所述的一種基于特征擴散的CT圖像腫瘤組織提取方法，步驟2)具體包括：

(1)求取特征點對應數據集X＝{x₁,x₂,...,x_n}∈R^d中元素值的平均值m；

(2)選取X＝{x₁,x₂,...,x_n}∈R^d中前5％的數值與m最接近的點，稱之為輔助特征點，原始特征點和輔助特征點組成特征點集合L。

4.根據權利要求3所述的一種基于特征擴散的CT圖像腫瘤組織提取方法，步驟3)具體包括：

(1)修改相似度矩陣A中對應特征點集合L的位置的值為1；

(2)用修正后的相似度矩陣構造拉普拉斯矩陣：L＝D^-1/2AD^1/2，其中D為對角矩陣，對角線上的任意元素

(3)對上述拉普拉斯矩陣進行特征分解，并按照特征值的大小將對應特征向量從大到小排列。

5.根據權利要求4所述的一種基于特征擴散的CT圖像腫瘤組織提取方法，步驟4)具體包括：

(1)設定聚類數k＝2，取特征向量的前2列，歸一化后,記為VR；

(2)任意指定兩個點A和B，作為聚類的初始聚類中心，計算VR向量中任意一個點與這兩個初始聚類中心A和B的距離；

(3)將VR中的點根據其距離兩個初始聚類中心的距離分為兩類，即距離A點近距離的屬于A類，距離B點距離近的屬于B類；

(4)移動聚類中心到各自的點群中心，即A類選取其中心點作為新的聚類中心，B類選取其中心點作為新的聚類中心；

(5)更新聚類中心重新計算VR中的點與兩個聚類中心的距離，并再次將VR中的點劃分成新的兩組，然后，再計算新的分組的聚類中心，直到聚類中心固定在某兩個點，停止以上循環計算，最終將VR中的點劃分成兩類，及最終的聚類結果；

(6)分別用0和255黑白兩色來顯示兩類聚類結果，即將圖片劃分成黑白兩類；

(7)將黑白圖像其中一種還原其本色，即可實現腫瘤組織的提取。

6.根據權利要求2所述的一種基于特征擴散的CT圖像腫瘤組織提取方法，其特征在于，所述的分別計算數據集X中各個點的尺度參數σ_i和數據集的親和度矩陣A，用以下公式計算：

σi=1nΣd=1n||xi-xd||]]>

其中，σ_i表示數據點中任意點的尺度參數，x_d是數據級X中任意點x_i距其余各點的第d個近鄰，選擇d＝7；

A_ij＝exp(-||x_i-x_j||²/σ_iσ_j)，i，j∈(1，n)

其中，A_ij表示親和度矩陣A的任意元素，σ_i，σ_j分別表示數據集中任意點x_i和x_j對應的尺度參數，||x_i-x_j||表示點x_i和x_j的歐氏距離。