[发明专利]基于超图模型的PET-CT多模态鼻咽癌图像分割方法

权利要求书

1.一种基于超图模型的PET-CT多模态鼻咽癌图像分割方法，其特征在于，所述方法包括：

步骤1：读取待分割的多模态鼻咽部肿瘤图像；

步骤2：提取所述肿瘤图像中像素点的灰度信息和位置信息作为该像素点的特征值，根据所述特征值构建包含所述肿瘤图像全部像素点的数据集X，X＝[x₁,x₂，…，x_n]；

步骤3：利用所述数据集X构建稀疏表示模型；

步骤31：通过式(1)构建稀疏表示模型，

X＝XZ (1)

其中，Z＝[z₁,z₂…z_n]为主对角线为零的重建系数矩阵，根据稀疏表达理论，通过求解最优化问题，得到稀疏表示模型的重建系数矩阵Z；

步骤32：通过所述重建系数矩阵Z构建相应的关联矩阵H，并基于所述关联矩阵H构建与所述肿瘤图像中像素点对应的超边，取所述重建系数矩阵Z中与x_i对应的列z_i中非零的值作为与x_i关联的顶点；

步骤4：基于构建的超边，计算超边权重值，采用高斯核模型计算顶点之间的相似度，并基于该相似度得到对应顶点间的超边权重值，从而得到完整的带权超图模型；

步骤5：基于所述关联矩阵H和所述超边权重值，构建顶点阶对角矩阵、超边阶对角矩阵和超边权重对角矩阵；

步骤6：根据周氏标准化原理基于所述顶点阶对角矩阵、所述超边阶对角矩阵、所述超边权重对角矩阵和所述关联矩阵H，构造超图拉普拉斯矩阵Δ；

步骤7：对所述肿瘤图像进行标记，得到标记向量l，

步骤71：利用所述标记向量l构造半监督学习模型；

步骤72：利用所述半监督学习模型，通过求解最小二乘问题得到最优切向量f，所述最优切向量f表示超图模型内某一顶点属于正常组织或肿瘤组织的可能性；

步骤8：将超图模型中每个顶点的分类结果返回至像素级别，即实现了对所述肿瘤图像的分割。

2.如权利要求1所述的鼻咽癌图像分割方法，其特征在于，步骤32中基于重建系数矩阵Z构建关联矩阵H的公式如下：

其中，v_i对应x_i，表示第i个顶点；e_j表示第j个顶点对应的超边。

3.如权利要求2所述的鼻咽癌图像分割方法，其特征在于，步骤4中计算超边权重值的具体方法为：

首先采用高斯核模型计算顶点间的相似度，计算公式如下：

其中A_ij为x_i与x_j的相似度值，A为相似度矩阵；

将两顶点间的相似度值作为对应顶点间普通边的权重值，根据超图的概念得到对应超边权重值w(e_i)：

其中，v_j表示超图模型中的第j个顶点，e_i表示超图中的第i条超边。

4.如权利要求3所述的鼻咽癌图像分割方法，其特征在于，在步骤7中对所述肿瘤图像进行标记时，当一像素点i被标记为正样本时l(i)＝1，为负样本时l(i)＝-1，为未标记样本时l(i)＝0。