[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

技術領域

本發明屬于醫學圖像處理領域，涉及特征擴散的譜聚類用于CT腫瘤組織提取方法，具體涉及一種基于特征擴散的CT圖像腫瘤組織提取方法。

背景技術

CT圖像的組織提取是近年來醫學圖像處理領域研究的一個熱點問題，現有的基于譜聚類的提取方法是通過人工加入特征點作為先驗信息，在譜聚類方法中起指導作用，以獲取更好的腫瘤組織提取效果。然而，這種方法存在以下弊端：加入過少的特征點將不能達到理想的提取效果，加入特征點過多的話將影響方法的運行速度。所以，如何在不犧牲計算速度的前提下提高CT圖像腫瘤組織提取精度是目前醫學圖像處理領域的一個熱點問題。另外，目前的提取技術基本上是無人工參與的，這就使得腫瘤組織提取完全依賴機器的判斷，缺少人為導向，造成了較大的誤差。綜上所述，目前傳統的CT圖像的病灶組織提取存在以下缺點或不足：

1、人工參與性低，腫瘤組織提取效果缺少人為導向；

2、特征點個數固定，不能擴散，腫瘤組織提取精度較差。

發明內容

為了克服上述現有技術存在的缺陷，本發明的目的在于提供一種基于特征擴散的CT圖像腫瘤組織提取方法，該方法能夠在不影響運行速度的前提下，有效提高CT圖像腫瘤組織提取的準確度。

本發明是通過以下技術方案來實現：

一種基于特征擴散的CT圖像腫瘤組織提取方法，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；

4)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(即更新點群中心)，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。

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。

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。

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)對步驟(2)得到的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，取前兩列記為VR。

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；