[發明專利]局部最大值點閾值膨脹的MPI圖像分割方法、系統及設備

在審

• 申請號: 202210460043.2
• 申請日: 2022-04-24
• 公開（公告）號: CN114821057A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 杜洋;田捷;王宇;安羽;尹琳;梁倩
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V10/762;G06K9/62
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明屬于MPI圖像分割領域，具體涉及了一種基于局部最大值點閾值膨脹的MPI圖像分割方法、系統及設備，旨在解決的問題。本發明包括：基于閾值分割方法，區分待分割MPI圖像的前景信號和背景信號；通過K?means聚類方法對所述前景MPI圖像信號聚類，獲得不同類別的聚類中；選擇各聚類中心設定區域的鄰域像素，并獲取各聚類的局部最大信號強度點所在位置；分別基于各聚類的局部最大信號強度點所在位置，結合各位置對應的信號強度，進行閾值膨脹操作，獲得各聚類的膨脹區域；合并各聚類的膨脹區域，獲得待分割MPI圖像的分割結果。本發明基于局部最大值點的閾值膨脹MPI圖像分割方法，實現了魯棒且準確的MPI圖像分割，降低MPI圖像分割所存在的選擇性偏差的影響。

技術領域

本發明屬于MPI圖像分割領域，具體涉及了一種基于局部最大值點閾值膨脹的MPI圖像分割方法及系統。

背景技術

磁粒子成像(MPI，Magnetic particle imaging)是一種新興的直接檢測氧化鐵納米顆粒磁化的方法，具有高特異性和靈敏度、線性定量能力和高臨床轉化潛力等優點。在生物醫學研究的各個領域中，這種相對新穎的成像方式在分子成像和分析這一新的先進領域中引發了科學探究，并顯示出治療學和精準醫學發展的顯著進步。它依靠超順磁氧化鐵(SPIO)納米粒子信號產生正對比圖像，為定量生物學成像樹立了新的標準。

然而，由于MPI成像是一種新型的成像模態，難以為MPI掃描中的感興趣區域(ROI)定義一個明確的邊界，這便導致成像數據分割存在選擇性偏差，難以魯棒地分析與量化成像信號。

因此，將MPI領域與機器學習相結合至關重要，機器學習能夠快速、高吞吐量地分析數據系統和結構。通過在臨床前和臨床掃描中對感興趣區域(ROI)的分析，研究人員發現機器學習可以解決生物醫學圖像量化中面臨的障礙。這使得利用機器學習解決MPI圖像分割質量差的問題成為可能。

發明內容

為了解決現有技術中的上述問題，即現有MPI圖像分割存在選擇性偏差，導致MPI圖像分割質量差的問題，本發明提供了一種基于局部最大值點閾值膨脹的MPI圖像分割方法，該MPI圖像分割方法包括：

基于閾值分割方法，區分前景圖像信號和背景信號，獲得待分割MPI圖像的前景MPI圖像信號；

通過K-means聚類方法對所述前景MPI圖像信號聚類，獲得不同類別的聚類中心；

選擇各聚類中心設定區域的鄰域像素，并獲取各聚類的局部最大信號強度點所在位置；

分別基于各聚類的局部最大信號強度點所在位置，結合各位置對應的信號強度，進行閾值膨脹操作，獲得各聚類的膨脹區域；

合并各聚類的膨脹區域，獲得待分割MPI圖像的分割結果。

在一些優選的實施例中，所述閾值分割，其方法為：

其中，0和1代表閾值分割的結果，0代表背景信號，1代表前景MPI圖像信號，x_i，j代表待分割MPI圖像的第i行第j列像素的MPI信號強度，θ₁為預設的閾值，θ₂為預設的百分比閾值，max(X)代表待分割MPI圖像的信號強度最大值。

在一些優選的實施例中，所述K-means聚類，其方法為：

其中，x_i代表第i個前景MPI圖像信號的橫縱坐標，u_k代表第k個類別聚類的類內平均橫縱坐標值，C_k代表第k個類別聚類的MPI信號點集合，K為聚類的類別數量，n為前景MPI圖像信號中的像素個數，r_i，k用于表示第i個前景MPI圖像信號是否屬于第k個類別聚類，若屬于，r_i，k＝1，否則r_i，k＝0。