[发明专利]脑胶质母细胞瘤的多模态核磁共振图像分割方法

权利要求书

1.脑胶质母细胞瘤的多模态核磁共振图像分割方法，其特征在于包括以下步骤：

步骤1、预处理过程：收集并预处理脑胶质母细胞瘤的多模态核磁共振图像，建立训练样本和测试样本；

步骤2、粗分割过程：采用步骤1所得的训练样本训练随机森林，构建初始随机森林模型；将步骤1所得的测试样本输入初始随机森林模型进行粗分割，分别相应获得得分图、标签图像、粗分割结果、肿瘤区包含域的矩形边框；

步骤3、精分割过程：选取种子点，使用区域生长法生长相应区域；将区域生长结果的高分部分对步骤2所得的粗分割结果进行置换，并利用置换完成的粗分割结果对步骤2建立的初始随机森林模型进行再训练，获得随机森林模型；将步骤1所得的测试样本输入随机森林模型进行精分割，获得精分割结果；

选取种子点的方法如下：

3.1、设置置信区间：

首先分析肿瘤区域内每个置信区间的准确性：利用步骤2所得到的得分图、标签图像、粗分割结果、包含肿瘤区域的矩形边框分别进行卷积操作得到肿瘤区域的得分图、肿瘤区域的标签图像和肿瘤区域的自动分割结果；

设置置信区间：以0.1为间隔设置0-1之间10个置信区间；获取处于每个置信区间内的像素，设置每一个阶段的端点，每一个阶段的间隔为0.1，ind包含不同置信区间的像素及其信息；

3.2、获取步骤3.1中所设置的每个置信区间的像素及其信息：

ind{1}：肿瘤区域内的得分图0.1的部分与由步骤3.1肿瘤区域的标签图像的非0部分进行逻辑“与”运算所得的像素及其信息；

ind{2}至ind{9}：前一阶段端点肿瘤区域内的得分图后一阶段端点的部分，并与步骤3.1所得肿瘤区域的标签图像的非0部分进行逻辑“与”运算所得的像素及其信息；

ind{10}：肿瘤区域内的得分图0.9，并与由步骤3.1肿瘤区域的标签图像的非0部分进行逻辑“与”运算所得的像素及其信息；

3.3、选择种子点：

首先提取肿瘤区域内每一个置信区间内的所有像素点，获得像素点的行坐标、列坐标、所在切片图像数、得分和对应预测标签；

依据得分将像素点进行由小到大排序，并获取排序后像素的索引号；依据排序后第一个索引号提取出此像素作为种子点，剩下的点作为当前点，依次计算当前点与种子点之间的距离，计算公式如下：

其中w₁为特征距离的权重，w₂为位置距离的权重；x、y、z为种子点的坐标，x₁、y₁、z₁为当前点的坐标，d_slice为每两个相邻切片图像之间的距离；

当D_seed阈值，则继续进行下一个点的距离测量，直至大于等于阈值时获得一个种子点；最多种子点数为50；

可视化步骤2得到的得分图和标签图像中每一个切片图像上选择的种子点，并可视化种子点对应的类别标签分布；

区域生长的方法为：采用步骤3.3中所得的种子点通过三维区域生长法进行区域生长；

根据不同区域选择的种子点生长该区域：根据种子点的坐标提取测试数据集中像素的相应特征，并为每一个特征都赋予一个权重，计算当前种子点与测试样本中其他像素点之间的距离；利用以下公式进行距离计算：

其中，x₁、y₁、z₁为测试样本中其它像素的坐标，x、y、z为当前种子点的坐标；s为当前像素某特征与种子点对应特征的差的平方乘以对应特征权重的和；L为所有非零权重的个数；w₁为特征距离的权重，w₂为位置距离的权重；d_slice为每两个相邻切片图像之间的距离；

若种子点与当前像素间的距离小于限制距离的阈值Tdist＝30时，并且得分小于限制分数的阈值Tconf＝0.2时，则此像素将视作与种子点属于相同类别；遍历所有种子点后三维区域生长完毕，得到脑胶质母细胞瘤多模态磁共振图的三维区域生长分割结果；

步骤4、后处理过程：对步骤3所得的精分割结果进行后处理。

2.根据权利要求1所述的脑胶质母细胞瘤的多模态核磁共振图像分割方法，其特征在于：

所述多模态核磁共振图像包括脑部正常组织区、坏死区、活动肿瘤区、T1异常区以及FLAIR异常区5类，且5个区域均不重叠。