[发明专利]基于多尺度滤波器的CT影像皮肤分割方法

权利要求书

1.基于多尺度滤波器的CT影像皮肤分割方法，其特征在于，包括：

S01：获取CT图像和与之相应的皮肤轮廓区域(SKN)、骨骼肌组织外轮廓(OAM)、骨骼肌组织内轮廓(IAM)；

S02：对CT图像进行Min-Max归一化处理，通过皮肤轮廓区域(SKN)、骨骼肌组织外轮廓(OAM)、骨骼肌组织内轮廓(IAM)获得皮肤组织的重点感兴趣区域(ROI)；

S03：通过2D滤波器对经过在人体Z轴(头至足部方向为Z轴)切片处理后得到的多帧人体2D CT图像，并进行滑动窗口操作，通过该2D滤波器进行滑动窗口计算方法，得到分割结果；

S04：通过广度优先搜索连通域算法，对分割后的结果进行去噪处理，最终得到精确没有噪点的皮肤组织。

2.根据权利要求1所述的基于多尺度滤波器的CT影像皮肤分割方法，其特征在于，所述步骤S02中的重点感兴趣区域(ROI)算公式如下：

ROI_i＝Output_i*(SKN_i-(OAM_i+IAM_i))

其中，i表示归一化CT图像Output与相应GroundTruth二值图像SKN、OAM、IAM的2D切片索引；经过与二值图像的相乘操作完成图像处理中的集合相交功能。

3.根据权利要求1所述的基于多尺度滤波器的CT影像皮肤分割方法，其特征在于，所述步骤S03中的滑动窗口操作公式如下：

其中，滑动窗口采用2D方式进行计算，I为输入的2D数据；K表示为2D滤波器；

所述2D滤波器由5组大小不同的滤波器构成，其中，中部的滤波器为较小的中心滤波器(Kernel)，其余四个滤波器为大小不同的投票者滤波器(Voter[1-4])。

4.根据权利要求1所述的基于多尺度滤波器的CT影像皮肤分割方法，其特征在于，所述步骤S03中5个滤波器(中心滤波器与4个投票者滤波器)需要执行的流程如下：

1)对CT图像的2D切片数组进行滑动窗口操作得到相应的小正方形区域(patch)，包括：中心的小正方形区域(kernel_patch)、投票者1的小正方形区域(voter1_patch)、投票者2的核心小正方形区域(voter2_patch)、投票者3的核心小正方形区域(voter3_patch)和投票者4的核心小正方形区域(voter4_patch)；

2)5个滤波器分别对相应的中心的小正方形区域(kernel_patch)、投票者1的小正方形区域(voter1_patch)、投票者2的核心小正方形区域(voter2_patch)、投票者3的核心小正方形区域(voter3_patch)、投票者4的核心小正方形区域(voter4_patch)块进行一一对应的单独处理，得到各自的计算结果；其中，中心滤波器(kernel)完成的工作为“对皮肤组织的粗定位”，投票者滤波器(voter[1-4])所承担的功能为对中心体素是否为皮肤组织通过考量周围体素环境进行投票机制的再确认；

3)得到结果，重复步骤2)处理下一组patch块；直到该切片结束，开始下一切片重复1)步骤。

5.根据权利要求1所述的基于多尺度滤波器的CT影像皮肤分割方法，其特征在于，所述中心滤波器(Kernel)首先会判断是否所有体素全部为背景体素，若是，则选择跳过；否则，会进一步判断含0体素的占比是否大于阈值，若大于阈值，则中心滤波器(Kernel)已经不处在皮肤的边缘；若小于阈值，则体素点可能还处在皮肤的边缘；若中心滤波器(Kernel)未检测到0体素的出现，会进一步通过一个阈值判断所覆盖的所有体素是否有足够超过该阈值的体素，若超过则说明可能处在皮肤区域，若不超过则不再进行处理；4个投票者滤波器(voter[1-4])通过将自己覆盖范围内的小正方形区域块进行正序排序，选定一边界作为分界线，如果中心滤波器的中心体素值大于该分界线所处体素值，那么经过4个投票者滤波器(voter[1-4])的投票行为，来共同决定该体素是否为皮肤组织的体素。