[发明专利]基于目标跟踪的计算机辅助胃癌诊断方法

权利要求书

1.一种基于目标跟踪的计算机辅助胃癌诊断方法，其具体实现步骤如下：

(1)分割图像

1a)采用KSVD字典学习的方法提取胃壁周围感兴趣区域；

1b)运用字典学习的稀疏表示方法检测每帧切片图中的目标；

(2)提取被跟踪目标

2a)采用四邻域连通标记算法，对所有待跟踪的胃部切片图像中的目标区域依次进行中心标记；

2b)提取每个目标区域中心标记，得到每个目标的中心位置，将每一帧中所有目标的中心位置确定为被跟踪目标的中心位置

(3)预测跟踪

3a)按照中心标记的先后顺序依次从切片图中提取被跟踪目标；

3b)采用卡尔曼预测方法，对被跟踪目标进行预测，得到该目标在下一帧胃部切片图像的预测坐标点，如果预测坐标点在下一帧切片图某个区域的内部，则将此区域目标的坐标作为被跟踪目标在下一帧切片图中的坐标，记录到目标轨迹段中；如果预测坐标点不在下一帧切片图某个区域的内部，则返回步骤3a)；

(4)判断是否全部目标预测跟踪完毕，如果全部目标预测跟踪完毕，则进行下一步骤；否则，返回步骤(3)；

(5)特征匹配

5a)将记录的每个目标轨迹段中的起始和终止坐标分别存于起始坐标集合和终止坐标集合中；

5b)将被跟踪目标在当前胃部切片序列图像中的坐标作为中心，在下一帧胃部切片序列图像中建立一个矩形区域，将该矩阵区域作为被跟踪目标的邻域匹配区域；将当前胃部切片序列图像中轨迹终止坐标代表的目标作为待匹配目标；

5c)利用相似度计算公式计算被跟踪目标与每个待匹配目标的相似度，将相似度最大的待匹配目标与被跟踪目标确定为同一个目标，再将其跟踪轨迹连接到被跟踪目标的跟踪轨迹后；

5d)重复执行步骤5a)、步骤5b)、步骤5c)，直到最后一帧图像，完成对所有目标的特征匹配，将属于同一目标的跟踪轨迹，按顺序连接，形成完整的跟踪轨迹；

(6)淋巴结识别

6a)依次对每个目标轨迹中目标前后帧面积差求其平均值，如果平均值大于10，则将此目标标记为候选淋巴结，若小于5，则标记为候选血管，其余判定为杂点目标；

6b)对候选淋巴结依次计算其跟踪轨迹段中心的前后帧欧氏距离，计算每个目标中心欧氏距离的平均值，如果平均值小于3，则判定为淋巴，否则，判定为血管；

6c)对候选血管目标查看其对应的跟踪轨迹，如果其出现的帧数大于10帧则判定为血管，否则，判定为杂点。

2.根据权利要求1所述的基于目标跟踪的计算机辅助胃癌诊断方法，其特征在于：步骤1a)所诉的KSVD字典学习的方法是按照以下步骤求感兴趣区域：

第一步：采用KSVD字典学习的方法对脂肪组织和非脂肪组织进行学习，生成脂肪组织D1和非脂肪组织D2两个字典；

第二步：以原始图像的每个像素点为中心取5×5的邻域得到像素块Q，对像素块Q提取15维的梯度特征值和25维的灰度特征值，组成一个40维的特征向量v，用字典D₁和字典D₂分别逼近特征向量v，得到逼近误差e₁和e₂，如果e₁＜e₂则认为该像素点为感兴趣像素点，标记类标为1，如果e₁≥e₂则该像素点为不感兴趣点，标记类标为0；对于类标为0的像素点，将原始图像中该像素点的灰度值赋值为0，对于类标为1的像素点，保持该像素点的灰度值为原始图像中的灰度值，得到脂肪图；

第三步：检测脂肪图中人体组织的最外层边缘，以脂肪图中心点处为基准，将最外层边缘向中心点缩进30个像素的半径，得到感兴趣脂肪图；

第四步：以感兴趣脂肪图的每个像素点为中心，将0°到360°方向均分为32个方向，如果32个方向中有超过28个方向上存在灰度值非0的像素点，则判定该像素点为感兴趣点，将该像素点灰度值赋值为原始图像中对应的灰度值，得到感兴趣区域检测结果图。