[發明專利]一種融合加權隨機森林的3D椎骨CT圖像主動輪廓分割方法

在審

• 申請號: 201810259945.3
• 申請日: 2018-03-27
• 公開（公告）號: CN108510507A
• 公開（公告）日: 2018-09-07
• 發明（設計）人: 劉曉;劉俠;甘權
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06K9/32;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種融合加權隨機森林的3D椎骨CT圖像主動輪廓分割方法，其特征包含有下列步驟：

步驟1：讀取、顯示訓練集及測試集椎骨CT圖像；

步驟2：在脊柱CT圖像中進行體素的3D Haar-like特征提取；

步驟3：由步驟2中所得到的3D Haar-like特征，進行加權隨機森林回歸、分類以確定椎骨的中心點，輸出椎骨定位模型；

步驟4：將3D主動輪廓分割的初始輪廓球放在步驟3確定的椎骨中心點，對定義的綜合能量函數求取最小值進行主動輪廓分割；

步驟5：將步驟4求取的最小距離符號函數S*進行三維輪廓映射，得到分割輪廓L*，完成分割后輸出分割圖像，輸出椎骨3D分割模型；

步驟6：對訓練好模型進行組合輸出，得到完整的脊柱CT分割模型。

2.權利要求1所述的融合加權隨機森林的3D椎骨CT圖像主動輪廓分割方法，其特征在于步驟3具體包括以下幾個步驟內容：

A.將參與訓練的每個數據點定義為D_k＝(F_k,d_k,c_k)，其中F_k是基于體素k得到的3DHaar-like特征，d_k是體素k的類別標簽(中心點作為一類標簽用1表示，背景體素作另一類標簽用0表示)，c_k是體素到椎骨標記中心的距離。

B.隨機回歸森林和隨機分類森林的目標函數信息增益I(D_j,θ)均表示為：

其中，分別表示到達節點j時的左、右子節點的樣本數據點，i為左、右子節點的索引，| |表示樣本集中的樣本數量，θ分裂參數。

C.對于隨機分類森林，數據點D屬于離散概率分布，不計算c_k特征，信息熵采用香農熵的形式；而對于隨機回歸森林數據點D屬于連續概率分布，不計算d_k特征，信息熵采用b元高斯的微分熵；通過推導，得到多元變量情況時的回歸信息增益；經過計算后分別得到隨機分類森林和隨機回歸森林中T棵決策樹的后驗概率。

D.由于不同的決策樹之間差異較大，隨機森林中決策樹的性能越好，其權重應越高，加權運算能夠提高準確率并減少運算時間，每棵決策樹的可信度可由計算得到后驗概率表示；本發明隨機分類森權重公式為：

其中，w_c(i)表示分類森林中第i棵決策樹的權重，P(i)為第i棵決策樹的后驗概率，當P(i)越大時所占權重也越大；同理，隨機回歸森林權重公式為：

其中，w_r(i)表示回歸森林第i棵決策樹的權重，δ²(j)是第i棵樹通過概率線性擬合得到的預測點到中心點距離的方差。當δ(i)越大時所占權重也越小，且加權參數均滿足歸一化。