[发明专利]一种基于自适应学习的CT图像分割方法

权利要求书

1.一种基于自适应学习的CT图像分割方法，其特征在于包括以下步骤：

1）获取CT图像；

2）提取CT图像特征；

3）用户在CT图像上输入表明病变区与非病变区的笔触；

4）以用户输入的笔触作为基础，利用提取的CT图像特征，建立图像的区域模型；采用边缘检测方法建立图像的边缘模型；

5）将区域模型与边缘模型结合建立新模型，并对新模型进行求解推理，获得分割结果。

2.根据权利要求1所述基于自适应学习的CT图像分割方法，其特征在于所述步骤2）提取CT图像特征包括提取CT图像每个像素局部的灰度直方图及提取CT图像每个像素局部的SIFT直方图。

3.根据权利要求2所述基于自适应学习的CT图像分割方法，其特征在于所述提取CT图像包括提取每个像素12*12领域内的灰度直方图及提取每个像素12*12领域内的SIFT直方图。

4.根据权利要求1所述基于自适应学习的CT图像分割方法，其特征在于所述步骤4）的建立图像的区域模型包括以下步骤：

41）选取用户笔触标明的区域像素点作为训练样本点，使用Gentle Boost算法训练出分类器；

42）使用训练出来的分类器对CT图像上的每个像素点进行分类评分，求解出区域模型；

43）利用用户笔触的位置距离空间调整区域模型。

5.根据权利要求4所述基于自适应学习的CT图像分割方法，其特征在于所述步骤43）的位置距离空间为欧式距离。

6.根据权利要求1所述基于自适应学习的CT图像分割方法，其特征在于所述步骤5）采用Bregman迭代对新模型进行求解推理。