[發(fā)明專利]基于圖像金字塔融合的肺部腫瘤CT影像3D分割方法

有效

• 申請?zhí)枺?/td>: 201910688043.6
• 申請日: 2019-07-29
• 公開（公告）號: CN110533667B
• 公開（公告）日: 2022-12-02
• 發(fā)明（設(shè)計）人: 王蓉芳;楊靖;陳佳偉;郝紅俠;緱水平;劉紅英
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/13;G06T7/187;G06T7/00
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 陳宏社;王品華

1.一種基于圖像金字塔融合的肺部腫瘤CT影像3D分割方法，其特征在于包括以下步驟：

(1)提取3D肺部腫瘤CT影像A：

在包含肺部腫瘤的CT影像中，對待分割的單個肺部腫瘤的J個像素進行標記，得到像素集合M，M＝{(x₁,y₁,z₁),(x₂,y₂,z₂),...,(x_j,y_j,z_j),...,(x_J,y_J,z_J)}，并計算M構(gòu)成的幾何區(qū)域的中心坐標c＝(x_M,y_M,z_M)，然后以c為中心，以v為邊長，提取3D肺部腫瘤CT影像A，其中，x_j,y_j,z_j分別代表第j個像素的x坐標、y坐標與z坐標，J≥2，m/8≤v≤m/2，m為包含肺部腫瘤的CT影像的最小邊長；

(2)對3D肺部腫瘤CT影像A進行歸一化：

對3D肺部腫瘤CT影像A中的每個像素的灰度值進行歸一化，得到像素值歸一化后的3D肺部腫瘤CT影像B；

(3)構(gòu)建3D肺部腫瘤CT影像B的圖像金字塔S：

設(shè)待構(gòu)建的圖像金字塔S包括I個圖像，S＝{s₁,s₂,...,s_i-1,s_i,...,s_I}，其中s_i表示第i個圖像：

其中upsample()代表2倍上采樣函數(shù)，I≥3；

(4)對圖像金字塔S中的每一個圖像s_i進行超體素預(yù)分割：

對圖像金字塔S中的每一個圖像s_i進行超體素預(yù)分割，得到I個圖像的預(yù)分割區(qū)域集合F，F(xiàn)＝{F₁,F₂,...,F_i,...F_I}，其中F_i表示第i個超體素預(yù)分割區(qū)域集合，代表第k個超體素區(qū)域，K≥2；

(5)對預(yù)分割區(qū)域集合F中的每一個F_i進行區(qū)域合并；

對預(yù)分割區(qū)域集合F中每一個元素F_i的所有超體素預(yù)分割區(qū)域進行合并得到合并結(jié)果l_i，即圖像金字塔中第i層的圖像分割結(jié)果，所有合并結(jié)果組成圖像金字塔分割結(jié)果集合L，L＝{l₁,...,l_i,...,l_I}；

(6)融合圖像金字塔分割結(jié)果L；

對圖像金字塔分割結(jié)果L進行融合，得到原始3D肺部腫瘤CT影像A的最終分割結(jié)果Z：

其中，downsample(d_i)表示對d_i下采樣，下采樣后的圖像大小與原始3D肺部腫瘤CT影像A一致。

2.根據(jù)權(quán)利要求1所述的基于圖像金字塔融合的肺部腫瘤CT影像3D分割方法，其特征在于，步驟(1)中所述的計算M構(gòu)成的幾何區(qū)域的中心坐標c＝(x_M,y_M,z_M)，計算公式為：

其中，x_M,y_M,z_M分別代表中心坐標c的x坐標、y坐標與z坐標。

3.根據(jù)權(quán)利要求1所述的基于圖像金字塔融合的肺部腫瘤CT影像3D分割方法，其特征在于，步驟(2)中所述的對3D肺部腫瘤CT影像A中的每個像素的灰度值進行歸一化，得到像素值歸一化后的影像B，歸一化公式為：

min()代表最小值函數(shù)，max()代表最大值函數(shù)。