[发明专利]一种基于超像素和密度聚类的序列肺结节图像分割方法

说明书

本发明公开了一种基于超像素和密度聚类的序列肺结节图像分割方法，包括以下步骤：利用CT图像三维特征平均投影密度(AIP)结合多尺度圆点增强进行预处理；利用六边形聚簇和形态学优化的超像素序列图像分割算法(HMSLIC)对图像进行过分割；在超像素块间的距离计算中构造自适应权重系数，实现肺结节的精准定位，得到后续的聚类起始块，同时，通过对距离进行拟合并检测斜率的变化，得到后续准确的聚类阈值；采用只对肺结节进行聚类的策略和自适应阈值两方面优化的快速DBSCAN超像素序列图像聚类算法，得到序列肺结节掩膜，最终得到肺部CT的序列肺结节图像；能更快速、完整、准确地分割出各种类型的序列肺结节图像，为后续的处理和诊断分析奠定基础。

技术领域

本发明涉及肺结节序列图像分割，具体涉及一种基于超像素和密度聚类的序列肺结节图像分割方法。

背景技术

肺结节序列图像的快速精准分割是后续处理和诊断分析的基础。以往序列肺结节图像分割算法研究中，对实性结节的分割都是很有效的，但是会出现以下问题：在不降低分割准确率的前提下，无法高效的分割出序列肺结节图像；空洞型结节内部的空洞和周围区域灰度值差异较大，很容易把空洞部分当做肺实质的一部分，导致分割得到的结节区域不完整；血管粘连型结节的灰度值和血管的灰度值非常接近，很容易把血管当做结节的一部分保留下来，不能有效的把血管和结节分离开；噪声较多，导致分割出肺结节的同时也将噪声和各种组织结构分割出来，出现过分割的现象；从而一种既能对序列肺结节图像实现精准分割，又能在速度上达到临床要求的方法对辅助医师做出可靠的诊断决策具有重要的参考价值。

发明内容

本发明针对现有技术的不足提供一种序列肺结节图像分割方法，既能对孤立性肺结节、空洞型结节以及血管粘连型结节等序列图像实现精准分割，又能在速度上达到临床要求，为医师对病灶的诊断提供决策支持，从客观方面起到辅助诊断的作用。

本发明采用的技术方案为：

一种基于超像素和密度聚类的序列肺结节图像分割方法，包括以下步骤：

步骤A，利用CT图像三维特征平均投影密度(AIP)结合多尺度圆点增强进行预处理；

步骤B，根据肺部图像中肺结节的类圆形特征和面积特征，采用一种改进的适用于肺部图像的超像素分割算法，即基于六边形聚簇和形态学优化的序列线性迭代聚类算法(HMSLIC)，来进行肺部CT序列图像的过分割；

步骤C，设计超像素块间的距离计算公式，并在其距离计算中构造自适应权重系数，实现肺结节的快速精准定位，得到后续的聚类起始块；同时，通过对距离进行拟合并检测斜率的变化，得到后续准确的聚类阈值，实现聚类阈值能根据具体CT图像和结节类型特征进行自动调整，达到自适应阈值的效果；

步骤D，采用只对肺结节进行聚类的策略和快速准确自适应阈值两方面优化的DBSCAN超像素序列图像聚类算法，对超像素样本进行聚类，得到序列肺结节掩膜，最终得到肺部CT的序列肺结节图像。

所述的方法，所述步骤A中预处理过程如下：

A1、运用平均投影密度(AIP)对原始CT序列图像进行稀疏采样；

通过计算连续多张CT图像每条射线上所遇点的灰度平均值，并应用到肺部CT图像中能有效起到弱化血管和血管形状恢复的作用，一定程度上消除长条形、斑点状的高亮血管对后续肺结节分割的影响；

A2、通过不断的迭代尺度因子，选取各个尺度上响应最大的点进行输出，来得到圆点增强后的CT图像；

针对肺结节的类圆形特征，设计对圆点增强的圆点相似性函数