[發明專利]一種應用于放療準備的CT圖像的增強方法

有效

• 申請號: 202211341591.X
• 申請日: 2022-10-31
• 公開（公告）號: CN115409745B
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 郭雷鳴;葛紅
• 申請（專利權）人: 深圳市億康醫療技術有限公司
• 主分類號: G06T5/40
• 分類號: G06T5/40;G06T7/11;G06T7/136;G06T7/66;G06V10/26;G06V10/762;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 喬俊霞

1.一種應用于放療準備的CT圖像的增強方法，其特征在于，該方法包括：

獲取患者的CT圖像的梯度直方圖；

利用梯度直方圖中每個波峰對應像素點的梯度幅值構建混合高斯模型；

獲取梯度直方圖中每個波峰的梯度均值，將梯度均值作為每個波峰的中心梯度值，獲取每個波峰的中心梯度值在CT圖像中對應的像素點；

對每個波峰的中心梯度值在CT圖像中對應的像素點進行密度聚類，得到多個密度聚類塊；

以密度最大的密度聚類塊的中心像素點為聚類中心，進行梯度聚類，得到該中心像素點對應的聚類像素點，并將其作為每個波峰對應的目標像素點；

根據每個波峰對應的目標像素點的梯度值的方差和梯度值的頻率，得到每個波峰對應像素點梯度的離散程度；

根據每個波峰對應的像素點的梯度的離散程度，對混合高斯模型進行修正，利用修正后的混合高斯模型對每個波峰進行擬合，得到每個波峰的高斯曲線，根據高斯曲線的偏度系數得到梯度直方圖的梯度分割閾值；

所述根據高斯曲線的偏度系數得到梯度直方圖的梯度分割閾值的方法為：

獲取每個波峰和后一相鄰波峰之間的最小梯度值；

將該最小梯度值和1減去高斯曲線的偏度系數的差值相乘，將該乘積作為每個波峰和后一相鄰波峰之間的梯度分割閾值；

利用梯度分割閾值對相鄰波峰進行閾值分割，得到多個波峰區域，并對每個波峰區域對應的像素點進行梯度拉伸，完成CT圖像增強。

2.根據權利要求1所述的一種應用于放療準備的CT圖像的增強方法，其特征在于，所述密度的獲取方法為：

獲取每個密度聚類塊中每個像素點與其他像素點之間的距離的均值，將該均值作為密度。

3.根據權利要求1所述的一種應用于放療準備的CT圖像的增強方法，其特征在于，所述根據每個波峰對應的目標像素點的梯度值的方差和梯度值的頻率，得到每個波峰對應像素點梯度的離散程度的方法為：

將每個波峰對應的目標像素點的梯度值的方差和每個目標像素點的梯度值的頻率的乘積，作為每個波峰對應像素點梯度的離散程度。

4.根據權利要求1所述的一種應用于放療準備的CT圖像的增強方法，其特征在于，所述利用梯度直方圖中每個波峰對應像素點的梯度幅值構建混合高斯模型為：

獲取每個波峰對應像素點的梯度幅值；

根據梯度幅值構建混合高斯模型：

式中，為第i個梯度幅值的混合高斯模型，即概率密度函數，為梯度直方圖中第G個波峰，為第G個波峰對應像素點的梯度幅值的數學期望，是第G個波峰區域中每個梯度幅值的標準差，是第G個波峰區域中的像素數量占圖像總像素數量的占比，為以e為底的指數函數，為圓周率。

5.根據權利要求1所述的一種應用于放療準備的CT圖像的增強方法，其特征在于，所述根據每個波峰對應的像素點的梯度的離散程度，對混合高斯模型進行修正的方法為：

式中，為第G個波峰的中心梯度值在CT圖像中對應的像素點進行密度聚類后得到的聚類塊的密度，為第G個波峰對應像素點的梯度值的離散程度，是對應像素點梯度值的標準差，為中的像素數在圖像總像素數中的占比。

6.根據權利要求1所述的一種應用于放療準備的CT圖像的增強方法，其特征在于，所述高斯曲線的偏度系數的計算方法為：

式中，為高斯曲線的偏度系數，表示第G個波峰的梯度均值，是對應像素點梯度值的標準差，為第G個波峰中梯度幅值的數學期望。

7.根據權利要求1所述的一種應用于放療準備的CT圖像的增強方法，其特征在于，所述對每個波峰區域對應的像素點進行梯度拉伸，完成CT圖像增強的具體方法為：

獲取每個區域對應的每個像素點的梯度值；

以e為底，以每個區域對應波峰像素點的離散程度為指數，得到指數冪，并將指數冪和每個像素點的梯度值的乘積，作為每個像素點的最終梯度值；

利用直方圖均衡化將每個像素點的梯度值拉伸為最終梯度值，對CT圖像進行增強。