[發明專利]一種基于深度信任網絡實現對腦腫瘤分割的方法

在審

• 申請號: 201611115044.4
• 申請日: 2016-12-07
• 公開（公告）號: CN106780453A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 秦臻;秦志光;李雪瑞
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.本發明是一種基于深度信任網絡實現對腦腫瘤分割的方法，主要包括以下內容：首先對圖像進行預處理，然后利用深度信任網絡對于完整腦腫瘤進行多分類(包括水腫、壞死以及腫瘤)同時映射形成初分割的二值圖像，繼而用模糊C均值聚類(FCM)方法實現精確分割。

技術方案如下：

步驟一：首先利用自適應濾波器對圖像進行處理，以消除圖像中存在影響分類的噪音，并且通過直方圖均衡化、亮度變換增強腦圖像中腫瘤、水腫和壞死區域的對比度，將有利于提高分類和分割的準確度。

步驟二：利用步驟一處理的圖像進行圖像塊的提取，并且生成相應的輸入數據(訓練和測試數據集)。

步驟三：利用無監督的深度信任網絡對步驟二中數據的潛在特征進行提取，根據特征的訓練對相應數據塊設定類型，實現對完整腦腫瘤的多分類(1-水腫、2-壞死、3-腫瘤)，得到多分類模型。

步驟四：利用步驟三分類模型映射生成初分割結果，根據FCM對初分割后的圖像進行分割，分割的結果為水腫、壞死和腫瘤區域。

2.根據權利要求1所述的一種基于深度信任網絡實現腦腫瘤分割的方法。其特征在于使用深度信任網絡的過程中，按照圖像塊的灰度特征，實現了對完整腦腫瘤的多分類(水腫、壞死以及腫瘤區域)和分割，而不是單一的只對其中的腫瘤區域進行分類和分割。

本發明的主要特點在于對完整腦腫瘤進行分割的過程進行一些改進，以提高分割的準確性。主要包括：(1)利用自適應濾波、直方圖均衡化和亮度變換對圖像進行預處理，(2)對預處理的圖像提取圖像塊生成輸入數據集，(3)利用深度信任網絡對完整腦腫瘤按照水腫、壞死以及腫瘤區域進行分類，將分類模型映射生成二值圖像得到初分割結果。(4)利用模糊C均值聚類分割方法對初分割結果進一步進行分割，得到準確的分割結果。

利用深度信任網絡對完整腦腫瘤分類，其步驟如下：

1.根據真值對圖像中所提取的圖像塊設定類型。以圖像塊中心點的類型為該塊的類型，對完整腦腫瘤中水腫、壞死以及腫瘤區域設定類型，分別記為1-水腫、2-壞死、3-腫瘤。

2.深度信任網絡訓練過程中，利用真值對應圖像塊的類型對圖像的相對應圖像塊設定類型。

3.利用正向傳播和反向傳播的多次迭代，優化網絡參數，然后根據真值圖像不同的像素點或圖像塊類型給相應圖像對應位置的像素點或圖像塊添加不同的標簽實現分類生成完整腦腫瘤的分類模型。

4.將3中的分類模型映射生成二值圖像，得到初分割結果。

在最后的模糊C均值聚類分割過程中，將圖像劃分為相應的簇，對已有的簇，隨機選擇數據像素的隸屬度矩M。

M＝[M_ij],M⁽⁰⁾。

通過M^(k)計算中心向量R^(k)＝[R_j]，其中k為迭代次數；計算更新后的隸屬度矩陣M^(k+1)＝[M_ij^(k+1)]。當||M^(k+1)-M^(k)||,其中||*||計算中心點和像素點之間的距離，滿足FCM相應的錯誤率要求則終止，否則令M^(k)＝[M_ij^(k+1)]，繼續迭代。利用腦腫瘤和周圍的正常組織像素隸屬度的差異，得到最后的分割結果。