[發明專利]基于元胞自動機模型的結腸息肉圖像分割方法

有效

• 申請號: 201710217480.0
• 申請日: 2017-04-05
• 公開（公告）號: CN107146229B
• 公開（公告）日: 2019-08-13
• 發明（設計）人: 王俊平;盧宇飛;王保保;禹舟
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

一種基于元胞自動機模型的結腸息肉圖像分割方法，主要解決現有結腸息肉圖像分割技術中分割效率低、可重復性差、分割精度低的問題。本發明的技術方案為：(1)讀入一幅含有息肉的結腸鏡彩色圖像；(2)修復圖像中的高光區域；(3)初步檢測圖像中的息肉區域；(4)標記種子像素；(5)構建元胞自動機模型；(6)初始化元胞自動機模型；(7)進行圖像分割；(8)輸出分割后的圖像。本發明利用息肉形狀近似橢圓的先驗知識，自動標記種子像素，構建元胞自動機模型，通過制定的局部轉化規則進行圖像分割，充分利用了圖像的局部信息，具有分割效率、準確率高的優點，可用于結腸息肉圖像的自動分割。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及醫學圖像分割技術領域的一種基于元胞自動機CA(Cellular Automata)的結腸息肉圖像分割方法。本發明可用于對結腸鏡圖像中的息肉區域進行分割，以便實現對息肉的分類，判斷息肉是否需要切除，進而輔助醫生進行結腸鏡檢查和診斷。

背景技術

結直腸癌是全球第三大最常見的癌癥類型。預防結腸癌的關鍵是檢測結腸內潛在的腺瘤性息肉。因此，在結腸鏡檢查中需要設法只去除結腸上的腺瘤性息肉而保留良性息肉。結腸鏡圖像中息肉區域的分割是判斷息肉類型的基本前提。分割的性能越好，分類的準確性越高，更有利于輔助醫生進行結腸鏡檢查和診斷。

目前，常用的結腸息肉圖像分割方法包括人工分割、半自動分割與全自動分割三種方式。人工分割雖然精確度高，但其不僅費時費力，而且分割結果很大程度上取決于醫生的經驗，一致性和可重復性差。半自動分割方式允許人工交互式操作提供一些有用的信息，然后由計算機進行分割處理。半自動分割通常比較準確，但仍在一定程度上受限于醫生的水平。全自動分割完全利用計算機對圖像進行分割，不僅能夠提高分割的效率，而且分割的準確性更高。因此實現結腸息肉圖像分割的主要手段就是設計計算機可執行的算法,進行全自動的分割。在結腸息肉圖像的全自動分割算法中，基于知識的分割算法被廣泛接受。這類算法在分割時利用了對目標的先驗知識，包括專家定義的規則、理想目標的形狀、外觀模型等高層次知識，適合于對具有特定屬性的具體病灶區域的分割。

重慶郵電大學在其申請的專利文獻“一種基于云模型和圖割相結合的醫學圖像分割方法”(申請號201510808682.3，公開號CN105389821A)中提出了一種基于云模型和圖割相結合的醫學圖像分割方法。該方法的主要實現步驟是：首先手動標注前景區域；然后對圖像進行去噪處理；接著利用逆向云變換分別計算出圖像前景和背景的云特征值,利用X條件云發生器計算出每個像素對于前景和背景的隸屬度，并計算出數據項和光滑項；最后建立能量函數構造相應網絡圖，并用最大流/最小割算法實現醫學圖像分割。該方法存在的不足之處是，需要手動標注前景區域，分割操作在一定程度上依賴于操作者的經驗，可重復性差，執行效率低。

Seung-Hwan Bae等人在其發表的論文“Polyp Detection via ImbalancedLearning and Discriminative Feature Learning”(IEEE TRANSACTIONS ON MEDICALIMAGING 34(2015)2379-2393)中提出了一種自動檢測內窺鏡圖像中息肉區域的方法。該方法的主要思想是對大量的訓練數據進行特征提取和特征學習，訓練出一個檢測器，最后利用訓練出的檢測器來檢測內窺鏡圖像中的息肉區域。該方法存在的不足之處是，檢測器對內窺鏡圖像中息肉區域與非息肉區域的顏色和紋理這些傳統特征比較敏感，而且檢測結果沒有準確地描繪出內窺鏡圖像中息肉區域的邊緣。

發明內容

本發明的目的在于克服上述已有技術的不足，提出了一種基于元胞自動機模型的結腸息肉圖像分割方法。

實現本發明目的的思路是，根據結腸息肉圖像中擬分割息肉區域的形狀近似橢圓的先驗知識，在結腸息肉圖像的多層級區域樹中，選取與橢圓形狀最近似的區域，引導種子點的自動標記，使分割操作成為一個全自動的過程，不再需要人工交互，構建的元胞自動機模型充分利用了結腸息肉圖像的局部信息，通過元胞之間的局部競爭，實現對結腸息肉圖像的分割。