[发明专利]基于交互式字典迁移的序列医学图像快速分割方法

权利要求书

1.一种基于交互式字典迁移的序列医学图像快速分割方法，包括如下步骤：

(1)输入腹部CT序列图像I={I⁽¹⁾,I⁽²⁾,…,I⁽ⁿ⁾}，n为从序列图像的数量，n最大值为300；

(2)对每幅图像I^(q)以每个像素点为中心提取5×5的块作为每个像素的特征，则该图像所有像素的特征向量集合为X_N×25^(q)，N为每幅图像的大小，其中1≤q≤n；

(3)用mean shift方法对CT序列图像I进行初始分割，则CT序列图像I^(q)的初分割图像为S^(q)，并统计初分割图像S^(q)中的区域数目m；

(4)选取CT序列图像I⁽¹⁾，进行交互式分割：

首先，在序列图像I⁽¹⁾对应的初分割图像S⁽¹⁾上的区域进行手动标记部分目标区域M_O和部分背景区域M_B，剩余的区域为未标记区域N；

然后，根据合并准则，重复合并未标记区域N中与标记背景M_B中相似性最大的区域，直到所有区域都合并后，得到CT序列图像I⁽¹⁾的全部目标区域和背景区域，即得到分割结果，其中该目标区域代表腹部CT图像中的胃癌病变区域；

(5)提取步骤(4)中的目标区域内对应像素点的特征向量X_O，并用K-SVD算法对目标特征向量X_O进行训练学习，生成一个目标字典D_O；

(6)用k均值方法将步骤(4)中得到的背景区域聚为4类，每类对应的特征向量为X_B1,X_B2,X_B3,X_B4，并用K-SVD方法分别对其训练学习，生成背景字典D_B={D_B1,D_B2,D_B3,D_B4}，其中D_B1,D_B2,D_B3,D_B4分别为4类背景区域对应的背景字典；

(7)由目标字典D_O和背景字典D_B分别去逼近CT序列图像I^(q)的特征向量X_N×25^(q)，得到所有像素点的目标字典逼近误差e_O和背景字典逼近误差e_B，然后根据误差最小原则计算二值图像T^(q)：

T(q)(i)=1ifeO(i)<eB(i)0otherwise,]]>

其中，2≤q≤n，i为像素点，其范围为1≤i≤N；

(8)对二值图像T^(q)进行高斯滤波处理后，计算二值图像T^(q)中值为1的像素点在初分割图像S^(q)上对应区域的密度d(r)：

d(r)=Σi∈rI(T(q)(i)=1)Σi∈rI(T(q)(i)=1)+Σi∈rI(T(q)(i)=0),]]>

其中，r为初分割图中的区域，其范围为1≤r≤m，i为像素点，其范围为1≤i≤N，m为初分割图像中的区域总数目；I(·)是指示函数，当该函数输入的等式成立时其函数值为1，反之函数值为0；

(9)根据步骤(8)中的密度d(r)得到CT序列图像I^(q)的分割结果图像C^(q)：

C(q)(r)=1ifd(r)>0.30otherwise.,]]>

其中，2≤q≤n，C^(q)中值为1的区域为目标区域，值为0的区域为背景区域；

(10)判断分割结果图像C^(q)分割是否正确，即计算分割结果图C^(q)与上一幅分割结果图C^(q-1)的信息差异指标VI,当信息差异指标VI>0.25时，判定为分割结果不正确，返回步骤(4)开始执行，即对序列图像I^(q)进行交互式分割；否则，执行步骤(11)；

(11)计算步骤(9)得到的分割结果图像C^(q)的目标区域的特征向量集合X′_O，并用K-SVD方法对其训练学习，得到一个新目标字典D′_O，计算新目标字典D′_O与原目标字典D_O的误差E=||D_O-D′_O||₂，若误差E<1，则将新目标字典D′_O中的原子迁移到原目标字典D_O中，更新目标字典D_O；否则，原目标字典D_O不变；

(12)统计步骤(11)中字典的迁移次数，当字典迁移次数等于4时，计算当前目标字典D_O中原子的贡献度g，并按贡献度g的大小进行降序排列，保留贡献度g最大的前50个原子，构造新的目标字典D_O；

(13)重复执行步骤(7)到步骤(10)，对输入的腹部CT序列图像I中还未分割的图像进行目标区域提取，直到所有序列图像都分割出目标区域为止。