[發(fā)明專利]一種基于單像素特征的醫(yī)學(xué)圖像分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911331719.2
• 申請(qǐng)日: 2019-12-21
• 公開(kāi)（公告）號(hào): CN111091574A
• 公開(kāi)（公告）日: 2020-05-01
• 發(fā)明（設(shè)計(jì)）人: 劉洋;徐肖攀;張曦;杜鵬;盧虹冰
• 申請(qǐng)（專利權(quán)）人: 中國(guó)人民解放軍第四軍醫(yī)大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T5/10;G06K9/62
• 代理公司: 西安銘澤知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61223
• 代理人: 耿路

1.一種基于單像素特征的醫(yī)學(xué)圖像分割方法，其特征在于，包括以下步驟：

獲取醫(yī)學(xué)圖像；

對(duì)獲取的原始圖像進(jìn)行變換域轉(zhuǎn)換，獲得多個(gè)變換域的分量圖像；

在原始圖像和所有分量圖像中，提取各像素點(diǎn)的單像素特征；

對(duì)提取的單像素特征進(jìn)行特征選擇獲取最優(yōu)特征子集，獲得最優(yōu)特征子集后使用該特征子集構(gòu)建訓(xùn)練集，并利用訓(xùn)練集建立SVM分類器；

利用SVM分類器判別原始圖像中每個(gè)像素點(diǎn)的類別，從而完成腫瘤區(qū)域的分割。

2.如權(quán)利要求1所述的基于單像素特征的醫(yī)學(xué)圖像分割方法，其特征在于，所述方法還包括對(duì)于分割后不連續(xù)的邊界，采用最大區(qū)域連接以及孔洞填充，獲得連續(xù)的邊界。

3.如權(quán)利要求1所述的基于單像素特征的醫(yī)學(xué)圖像分割方法，其特征在于，對(duì)所述原始圖像的變換域轉(zhuǎn)換為小波變換或拉普拉斯變換，變換次數(shù)為一次或者多次。

4.如權(quán)利要求1所述的基于單像素特征的醫(yī)學(xué)圖像分割方法，其特征在于，所述SVM分類器對(duì)像素點(diǎn)的類別進(jìn)行判別后，獲得每個(gè)像素點(diǎn)屬于腫瘤區(qū)域的概率值，將概率值為0.5的像素點(diǎn)確定為腫瘤區(qū)域的邊界，將該邊界標(biāo)記在原始圖像上。

5.如權(quán)利要求4所述的基于單像素特征的醫(yī)學(xué)圖像分割方法，其特征在于，將概率值處于[0.1,0.9]之間的像素點(diǎn)標(biāo)記在原始圖像上。