[发明专利]一种基于神经网络改进的RSG肝脏CT图像交互式分割算法

权利要求书

1.一种基于神经网络改进的RSG肝脏CT图像交互式分割算法，其特征在于，包括以下步骤：

Step1：图像预处理，提取CT图像序列集中含有肝脏的切片，使用窗口算法(W/L)将CT图像转化为灰度图像；

Step2：图像边缘检测，计算像素在不同边缘检测算子下的梯度值作为该像素的特征，形成像素特征向量；

Step3：构建网络模型，提取训练数据集，训练网络模型，该网络以一对像素特征向量为输入，以两像素的关联度系数为输出；

Step4：分割，将训练好的卷积神经网络模型作为区域生长算法的生长准则，利用鼠标点击肝脏区域产生初始分割结果，利用形态学方法进行填充孔洞得到最终结果。

2.根据权利要求1所述的一种基于神经网络改进的RSG肝脏CT图像交互式分割算法，其特征在于，所述Step1中的具体过程如下：

Step1.1 提取切片：

数据集包括原始CT图像和分割标签，在标签图像中，专业人员已经将13个腹部器官与数字一一对应，其中肝脏对应的数字为6；切片T满足：Start+5 T End-5，其中Start表示标签图像序列集中最早出现数字6的序列号，End表示标签图像序列集中最后出现数字6的序列号；

Step1.2 图像转换：

使用Window-Leveling(W/L)窗口算法处理后该像素点的值g(i)为：

其中：，，肝脏组织的CT值通常位于50～250之间，取ww=200，wl=150。

3.根据权利要求1所述的一种基于神经网络改进的RSG肝脏CT图像交互式分割算法，其特征在于，所述Step2中的具体过程如下：

Step2 对图像分别进行Sobel算子、Roberts算子、Canny算子、Gabor算子、Sobel_h算子、Sobel_v算子、Robert_neg_diag算子滤波，得到的值作为该像素的特征值，形成像素特征向量：，其中为该像素的灰度值。

4.根据权利要求1所述的一种基于神经网络改进的RSG肝脏CT图像交互式分割算法，其特征在于，所述Step3中的具体过程如下：

Step3.1 提取数据：

限定取值区域，肝脏边界向外10像素城市街区距离以内：

区域包含两部分：肝脏内部区域和肝脏外10像素距离区域；在区域内任意选取两像素组合配对，形成神经网络的一个输入样本X，对应的输出标签Y,

Step3.2 训练网络模型:

网络模型最后层级使用sigmoid激活函数，将输出值归一化到（0，1）之间，表示输入两像素属于同一区域的概率：，其中Z表示未激活前的输出值；使用二元交叉熵函数(binary cross entropy)作为网络的损失函数：

只有当和相等时，loss才为0，否则loss就是个正数，且概率相差越大，loss就越大。

5.根据权利要求1所述的一种基于神经网络改进的RSG肝脏CT图像交互式分割算法，其特征在于，所述Step4中的具体过程如下：

Step4.1将训练好的卷积神经网络模型作为区域生长算法的生长准则，在判断种子像素时，f₁四邻域里像素f₂是否合并到种子像素所代表的生长区域中时，将f₁、f₂作神经网络的输入，得到输出结果y^’，当y^’0.9时，合并；反之不合并；重复执行该步骤，直到所有种子像素四领域内的像素无满足条件的；初始的种子像素通过鼠标点击选取；

Step4.2由于肝脏组织中包含血管和肿瘤等，分割结果中的肝脏区域存在孔洞；形态学填充孔洞的基本原理为： ,其中是孔洞填充的起始点，B是用来填充孔洞的结构元素，是A的补集；对公式不断进行迭代计算，直到，最终的填充结果是和边界的并集，即最终分割结果。