[發(fā)明專利]一種用于CT室內(nèi)的醫(yī)學(xué)圖像分割算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201610005816.2
• 申請(qǐng)日: 2016-01-07
• 公開（公告）號(hào): CN105701803A
• 公開（公告）日: 2016-06-22
• 發(fā)明（設(shè)計(jì)）人: 孫燕新;于翠妮;韓景奇;尹喜玲;趙鋼;王明帥;李涌
• 申請(qǐng)（專利權(quán)）人: 孫燕新
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及CT技術(shù)領(lǐng)域，具體涉及一種用于CT室內(nèi)的醫(yī)學(xué)圖像分 割算法。

背景技術(shù)

圖像分割是指將圖像中有意義的對(duì)象與其背景分離，并把這些對(duì)象按 照不同的含義分割開來，方法大致可以分為基于邊緣檢測(cè)的方法和基于 區(qū)域生成的方法兩大類，目前，CT成像技術(shù)廣泛應(yīng)用于內(nèi)臟成像、骨骼 檢測(cè)等人體組織可視化中，可提供人體各部分在任何平面的詳細(xì)圖像。 但是，由于CT在成像過程中受噪聲等各種外界因素的影響，使得不同組 織間容易出現(xiàn)混疊和模糊的問題，從而造成了圖像分割的困難。王娜等 提出了一種新型的FCM方法，該分割方法是一種模糊聚類方法，適用于 如MRI或CT這種分割具有不確定性和模糊性的醫(yī)學(xué)圖像，是一種有效的 醫(yī)學(xué)圖像分割方法，但是，F(xiàn)CM算法沒有對(duì)樣本的特征進(jìn)行優(yōu)化，而是直 接利用樣本的特征來進(jìn)行優(yōu)化，而是直接利用樣本的特征進(jìn)行聚類，這 樣聚類就容易受制于樣本的分布狀態(tài)。

發(fā)明內(nèi)容

為了解決上述的問題，本發(fā)明提供了一種用于CT室內(nèi)的醫(yī)學(xué)圖像分 割算法，先進(jìn)行分水嶺變換，然后將得到的各小區(qū)域的平均灰度值作為 樣本輸入，利用改進(jìn)的KFCM算法進(jìn)行模糊核聚類，對(duì)腹腔CT圖像進(jìn)行 分割，可以更好地解決過分割問題，能準(zhǔn)確將腹腔中各部分器官和組織 分割出來，便于醫(yī)生的臨床診斷，這樣既利用了分水嶺算法和加權(quán)核聚 類的優(yōu)點(diǎn)，又能極大地克服兩種算法的缺點(diǎn)，可以有效解決背景技術(shù)中 的問題。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

一種用于CT室內(nèi)的醫(yī)學(xué)圖像分割算法，其分割步驟為：首先，通過 分水嶺算法，將CT圖像分割成不同的小區(qū)域，然后根據(jù)KFCM算法，利用 Mercer核將各個(gè)小區(qū)域的平均灰度值映射到高維特征空間，使得原來在 分水嶺算法分割圖像中未顯示出來的特征顯現(xiàn)出來；其算法步驟如下：

(1)對(duì)圖像預(yù)處理，進(jìn)行中值濾波；

(2)對(duì)預(yù)處理后的圖像進(jìn)行分水嶺分割，存儲(chǔ)每個(gè)小區(qū)域的標(biāo)號(hào)k；

(3)計(jì)算各個(gè)區(qū)域的平均灰度值x_k，其表示輸入空間的樣本集，k＝1， 2，…，n，n是圖像分水嶺分割后所形成的區(qū)域數(shù)；

(4)選定分類數(shù)C，閾值ε，模糊指數(shù)m；

(5)計(jì)算聚類中心和加權(quán)矩陣。

進(jìn)一步地，所述分水嶺算法包括如下步驟：

(1)排序：在集水盆地的逐漸淹沒過程中，不必每次都處理全部像 素，為直接訪問需要處理的像素，升序排列像素的灰度值，獲得排好序的 像素矩陣；

(2)淹沒：按照排序后圖像像素灰度值升序地訪問每一個(gè)像素，以 進(jìn)行淹沒操作，從圖像的最小值像素開始，分別對(duì)每一集水盆地分配不同 的標(biāo)記，然后逐次淹沒，按先進(jìn)先出的數(shù)據(jù)結(jié)構(gòu)來擴(kuò)展標(biāo)記過的集水盆地， 規(guī)則分配分水嶺標(biāo)記，獲得準(zhǔn)確的分水嶺變換結(jié)果。

進(jìn)一步地，所述KFCM算法的步驟如下：

(1)設(shè)定聚類數(shù)目c和參數(shù)m；

(2)初始化各個(gè)聚類中心vi；

(3)重復(fù)以下運(yùn)算，直到各個(gè)樣本的隸屬度值穩(wěn)定：①用當(dāng)前的聚類 中心更新隸屬度；②用當(dāng)前的聚類中心和隸屬度，更新各個(gè)聚類中心。

本發(fā)明有益效果為：本發(fā)明先進(jìn)行分水嶺變換，然后將得到的各小 區(qū)域的平均灰度值作為樣本輸入，利用改進(jìn)的KFCM算法進(jìn)行模糊核聚類， 對(duì)腹腔CT圖像進(jìn)行分割，可以更好地解決過分割問題，能準(zhǔn)確將腹腔中 各部分器官和組織分割出來，便于醫(yī)生的臨床診斷，這樣既利用了分水 嶺算法和加權(quán)核聚類的優(yōu)點(diǎn)，又能極大地克服兩種算法的缺點(diǎn)。

具體實(shí)施方式

根據(jù)下述實(shí)施例，可以更好的理解本發(fā)明。然而，本領(lǐng)域的技術(shù)人 員容易理解，實(shí)施例所描述的內(nèi)容僅用于說明本發(fā)明，而不應(yīng)當(dāng)也不會(huì) 限制權(quán)利要求書中所詳細(xì)描述的本發(fā)明。

實(shí)施例：

一種用于CT室內(nèi)的醫(yī)學(xué)圖像分割算法，其分割步驟為：首先，通過 分水嶺算法，將CT圖像分割成不同的小區(qū)域，然后根據(jù)KFCM算法，利用 Mercer核將各個(gè)小區(qū)域的平均灰度值映射到高維特征空間，使得原來在 分水嶺算法分割圖像中未顯示出來的特征顯現(xiàn)出來；其算法步驟如下：

(1)對(duì)圖像預(yù)處理，進(jìn)行中值濾波；

(2)對(duì)預(yù)處理后的圖像進(jìn)行分水嶺分割，存儲(chǔ)每個(gè)小區(qū)域的標(biāo)號(hào)k；