基于網(wǎng)絡(luò)相位同步的醫(yī)學(xué)影像處理方法
【專利摘要】本發(fā)明公開了一種基于網(wǎng)絡(luò)相位同步的醫(yī)學(xué)影像處理方法，主要解決現(xiàn)有醫(yī)學(xué)影像處理方法診斷識別率不高以及局部細(xì)節(jié)處理不好的問題。其實現(xiàn)步驟為：（1）讀入原始醫(yī)學(xué)影像，提取像素點的特征，進(jìn)行分水嶺分割；（2）計算分割后區(qū)域之間的相似度；（3）用區(qū)域作為節(jié)點，相似度作為網(wǎng)絡(luò)權(quán)值，建立網(wǎng)絡(luò)；（4）隨機(jī)產(chǎn)生網(wǎng)絡(luò)的初始相位，對相位進(jìn)行迭代直到穩(wěn)定，提取穩(wěn)定后的節(jié)點相位；（5）用穩(wěn)定后的相位對節(jié)點進(jìn)行初分類，再計算節(jié)點斜率，根據(jù)斜率對節(jié)點進(jìn)行細(xì)分類；（6）重新分配被分錯的節(jié)點，并將類別序號標(biāo)記到像素點上；（7）給不同類的像素點賦不同的灰度值，得到分割后的圖像。本發(fā)明與現(xiàn)有方法相比，提高了醫(yī)學(xué)影像的診斷識別率。
【專利說明】基于網(wǎng)絡(luò)相位同步的醫(yī)學(xué)影像處理方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理領(lǐng)域，涉及醫(yī)學(xué)影像的處理，可用于監(jiān)測疾病分布、研究發(fā)病機(jī)理以及疾病輔助診斷。
【背景技術(shù)】
[0002]醫(yī)學(xué)圖像包括CT、正電子放射層析成像技術(shù)PET、單光子輻射斷層攝像SPECTJI磁共振成像MR，及其它醫(yī)學(xué)影像設(shè)備所獲得的圖像。由于醫(yī)學(xué)圖像的復(fù)雜性和多祥性，以及醫(yī)學(xué)影像的成像原理和組織本身的特性差異，且圖像的形成受到諸如噪音、場偏移效應(yīng)、局部體效應(yīng)和組織運動等的影響，醫(yī)學(xué)影像和普通圖像相比，具有模糊、不均勻性等特點。另外，人體解剖組織結(jié)構(gòu)和形狀復(fù)雜，不同個體之間的差異大，也使得醫(yī)學(xué)影像處理的問題更為復(fù)雜。
[0003]近年來，隨著影像醫(yī)學(xué)在臨床醫(yī)學(xué)的成功應(yīng)用，一些醫(yī)學(xué)影像處理的新興技術(shù)，如模糊數(shù)學(xué)、數(shù)學(xué)形態(tài)學(xué)、數(shù)字拓?fù)鋵W(xué)、人工智能等，取得了顯著進(jìn)展，新的醫(yī)學(xué)影像技術(shù)層出不窮。其中，Digabel等人提出的基于數(shù)學(xué)形態(tài)學(xué)的分水嶺算法因具有計算速度快、分割準(zhǔn)確和精確定位圖像邊緣等特性，而受到廣泛關(guān)注。分水嶺算法的基本原理是把圖像看作測地學(xué)上的拓?fù)涞孛玻叶葓D像視為地形外表，像素灰度值對應(yīng)該點的海抜高度。每個局部極小值點，以及它的影響區(qū)域被稱為集水盆，集水盆的邊界則被稱作分水嶺。分水嶺算法通過找到分水嶺對圖像進(jìn)行分割。然而，這種方法的缺陷是存在過分割現(xiàn)象。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于針對醫(yī)學(xué)圖像模糊、不均勻、個體差異大的問題，提出一種基于網(wǎng)絡(luò)相位同步的醫(yī)學(xué)影像處理方法，以解決現(xiàn)有方法存在的過分割問題，提高醫(yī)學(xué)影像的診斷識別率。
[0005]本發(fā)明的技術(shù)思路是:用分水嶺方法對特征提取后的圖像進(jìn)行分割，將分割后的小區(qū)域?qū)?yīng)到網(wǎng)絡(luò)中的節(jié)點，建立網(wǎng)絡(luò)模型；通過振蕩器公式對節(jié)點進(jìn)行相位迭代，完成過分割區(qū)域的合并，改善圖像分割的效果。其實現(xiàn)步驟包括如下:
[0006](I)提取原始醫(yī)學(xué)影像的像素點特征，并對提取到的像素點特征進(jìn)行分水嶺分割，得到N個區(qū)域，N≥1000 ；
[0007](2)計算每兩個區(qū)域之間的相似度，以及每個區(qū)域與其自身的相似度，得到NX (N+l)/2個相似度值；
[0008](3)用N個區(qū)域作為網(wǎng)絡(luò)中的各節(jié)點，用NX (N+1)/2個相似度值作為網(wǎng)絡(luò)中的權(quán)值；
[0009](4)在[0，2ji]內(nèi)隨機(jī)產(chǎn)生N個數(shù)，作為網(wǎng)絡(luò)中各個節(jié)點的初始相位，采用振蕩器公式對網(wǎng)絡(luò)中的N個節(jié)點進(jìn)行相位迭代，當(dāng)所有節(jié)點N都滿足公式0 i(k)-0 Jk-3) <0.01吋，結(jié)束迭代，0 i (k)表示節(jié)點i第k次迭代的相位，迭代總次數(shù)記為m ；
[0010](5)將[0，2 ]劃分為II1個子區(qū)間，統(tǒng)計相位落到各個子區(qū)間內(nèi)的節(jié)點個數(shù)，以II1個子區(qū)間序號作為橫坐標(biāo)，以落在子區(qū)間內(nèi)節(jié)點個數(shù)作為縱坐標(biāo)，繪制相位分布曲線，統(tǒng)計在曲線上處于相鄰波谷之間所有節(jié)點，將其歸為ー類，N個節(jié)點共劃分為L1類，L1的數(shù)值與波谷數(shù)相同，把N個節(jié)點的類別序號存儲到長度為N的向量F中，若N個節(jié)點中的任意節(jié)點i屬于第j類，貝丨J F中的第i個值fi = j, j=l,..., L1 ；
[0011](6)用節(jié)點的第m代和m-3代相位計算所有節(jié)點的斜率，得到N個斜率值，對L1類中的每ー類進(jìn)行以下操作:將[-0.01,0.01]劃分為112個子區(qū)間，統(tǒng)計斜率值落到各個子區(qū)間內(nèi)的節(jié)點個數(shù)，以n2個子區(qū)間序號作為橫坐標(biāo)，以落在子區(qū)間節(jié)點個數(shù)作為縱坐標(biāo)，繪制L1條斜率分布曲線，統(tǒng)計每一條曲線上處于相鄰波谷之間所有節(jié)點，將其歸為ー類，所有節(jié)點共劃分為L2類，L2與L1條斜率分布曲線的波谷總數(shù)相同，更新向量F中每個節(jié)點的類別序號；
[0012](7)檢測L2個類中每ー類的節(jié)點數(shù)，若某類的節(jié)點數(shù)小于閾值T=N/200，則重新分配該類的所有節(jié)點，將該類中的任意節(jié)點i與類j的相似度記為，計算i與所有類的L2個相似度，對L2個相似度進(jìn)行排序，找到最大值，將節(jié)點i重新分給最大值對應(yīng)的類，更新向量F中節(jié)點i的類別序號；
[0013](8)將向量F存儲的類別序號，即像素點的區(qū)域所屬的類別序號，標(biāo)記到每個像素點上；
[0014](9)給不同類的像素賦不同的灰度值，得到分割后的圖像，并輸出。
[0015]本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點:
[0016]1、本發(fā)明采用振蕩器公式對分水嶺算法分割后的區(qū)域進(jìn)行相位迭代，運算量小，計算速度快；
[0017]2、本發(fā)明通過提取相位和斜率對分割后的區(qū)域進(jìn)行合并，彌補了分水嶺算法的過分割缺陷，提高了醫(yī)學(xué)影像的診斷識別率；
[0018]3、本發(fā)明充分考慮到醫(yī)學(xué)影像的復(fù)雜性，采用相似度排序的方法對歸類錯誤的區(qū)域進(jìn)行重新分類，能夠?qū)Σ≡顓^(qū)域進(jìn)行準(zhǔn)確定位。
[0019]仿真結(jié)果表明，對乳腺X影像圖采用本發(fā)明的醫(yī)學(xué)影像處理方法，提高了影像的識別率，有助于醫(yī)學(xué)影像的準(zhǔn)確診斷。
【專利附圖】

【附圖說明】
[0020]圖1是本發(fā)明的流程圖；
[0021]圖2是本發(fā)明仿真采用的原始乳腺X影像圖；
[0022]圖3是本發(fā)明對圖2進(jìn)行分水嶺分割后的乳腺X影像圖；
[0023]圖4是用本發(fā)明和現(xiàn)有兩種方法對圖3進(jìn)行區(qū)域合并后的乳腺X影像圖。
【具體實施方式】
[0024]參照圖1，本發(fā)明基于網(wǎng)絡(luò)相位同步的醫(yī)學(xué)影像處理方法，包括如下步驟:
[0025]步驟I，提取原始醫(yī)學(xué)影像像素點的特征并對像素點特征進(jìn)行分水嶺分割。
[0026](Ia)輸入原始醫(yī)學(xué)影像，本實例選擇如圖2所示的原始乳腺X影像圖，大小為1024X1024 ；
[0027](Ib)提取基于灰度共生矩陣的特征，對于任意像素點i，提取對比度、一致性、能量在[O，45，90，135]四個方向上的12維特征，然后提取基于非抽樣小波變換的10維特征，將上述12維特征和10維特征這兩特征合并組成22維向量，作為第i個像素點的特征；
[0028](Ic)對圖像中的所有像素點重復(fù)步驟(lb)，得到原始醫(yī)學(xué)影像所有像素點的特征；
[0029](Id)對提取到的像素點特征進(jìn)行分水嶺分割，得到N個區(qū)域，N ^ 1000，分割后的乳腺X影像圖，如圖3所示。
[0030]步驟2，計算區(qū)域之間的相似度。
[0031](2a)計算所有區(qū)域的特征，得到N個區(qū)域的特征Xl，...xN，其中，第i個區(qū)域的特征Xi等于第i個區(qū)域內(nèi)所有像素點特征的平均值；
[0032](2b)用N個區(qū)域的特征Xl，...xN，計算每兩個區(qū)域之間的相似度，以及每個區(qū)域與其自身的相似度，相似度的計算公式為:
[0033]
【權(quán)利要求】
1.一種基于網(wǎng)絡(luò)相位同步的醫(yī)學(xué)影像處理方法，包括如下步驟: (1)提取原始醫(yī)學(xué)影像的像素點特征，并對提取到的像素點特征進(jìn)行分水嶺分割，得到N個區(qū)域，N≥1000 ； (2)計算每兩個區(qū)域之間的相似度，以及每個區(qū)域與其自身的相似度，得到NX(N+l)/2個相似度值； (3)用N個區(qū)域作為網(wǎng)絡(luò)中的各節(jié)點，用NX(N+l)/2個相似度值作為網(wǎng)絡(luò)中的權(quán)值； (4)在[0，2ji]內(nèi)隨機(jī)產(chǎn)生N個數(shù)，作為網(wǎng)絡(luò)中各個節(jié)點的初始相位，采用振蕩器公式對網(wǎng)絡(luò)中的N個節(jié)點進(jìn)行相位迭代，當(dāng)所有節(jié)點N都滿足公式e i (k) - 0 i (k-3) < 0.01吋，結(jié)束迭代，e i (k)表示節(jié)點i第k次迭代的相位，迭代總次數(shù)記為m ； (5)將[0，2Ji]劃分為Ii1個子區(qū)間，統(tǒng)計相位落到各個子區(qū)間內(nèi)的節(jié)點個數(shù)，以Ii1個子區(qū)間序號作為橫坐標(biāo)，以落在子區(qū)間內(nèi)節(jié)點個數(shù)作為縱坐標(biāo)，繪制相位分布曲線，統(tǒng)計在曲線上處于相鄰波谷之間所有節(jié)點，將其歸為ー類，N個節(jié)點共劃分為L1類，L1的數(shù)值與波谷數(shù)相同，把N個節(jié)點的類別序號存儲到長度為N的向量F中，若N個節(jié)點中的任意節(jié)點i屬于第j類，貝丨J F中的第i個值fi = j, j=l,..., L1 ； (6)用節(jié)點的第m代和m-3代相位計算所有節(jié)點的斜率，得到N個斜率值，對L1類中的每ー類進(jìn)行以下操作:將[-0.01,0.01]劃分為112個子區(qū)間，統(tǒng)計斜率值落到各個子區(qū)間內(nèi)的節(jié)點個數(shù)，以n2個子區(qū)間序號作為橫坐標(biāo)，以落在子區(qū)間節(jié)點個數(shù)作為縱坐標(biāo)，繪制L1條斜率分布曲線，統(tǒng)計每一條曲線上處于相鄰波谷之間所有節(jié)點，將其歸為ー類，所有節(jié)點共劃分為L2類，L2與L1條斜率分布曲線的波谷總數(shù)相同，更新向量F中每個節(jié)點的類別序號; (7)檢測L2個類中每ー類的節(jié)點數(shù)，若某類的節(jié)點數(shù)小于閾值T=N/200，則重新分配該類的所有節(jié)點，將該類中的任意節(jié)點i與類j的相似度記為，計算i與所有類的L2個相似度，對L2個相似度進(jìn)行排序，找到最大值，將節(jié)點i重新分給最大值對應(yīng)的類，更新向量F中節(jié)點i的類別序號； (8)將向量F存儲的類別序號，即像素點的區(qū)域所屬的類別序號，標(biāo)記到每個像素點上； (9)給不同類的像素賦不同的灰度值，得到分割后的圖像，并輸出。
2.根據(jù)權(quán)利要求書I所述的基于網(wǎng)絡(luò)相位同步的醫(yī)學(xué)影像處理方法，其中步驟(1)所述的提取原始醫(yī)學(xué)影像的像素點特征，按照以下步驟進(jìn)行: (2a)提取基于灰度共生矩陣的特征，對于任意像素點i，提取對比度、一致性、能量在[0，45，90，135]四個方向上的12維特征； (2b)對于任意像素點i，提取基于非抽樣小波變換的10維特征； (2c)將上述12維特征和10維特征這兩特征合并組成22維向量，作為第i個像素點的特征； (2d)對圖像中的所有像素點重復(fù)步驟(2a)_ (2c)，得到原始醫(yī)學(xué)影像所有像素點的特征。
3.根據(jù)權(quán)利要求書I所述的基于網(wǎng)絡(luò)相位同步的醫(yī)學(xué)影像處理方法，其中步驟(2)所述的計算區(qū)域之間的相似度，按如下步驟進(jìn)行: (3a)計算所有區(qū)域的特征,得到N個區(qū)域的特征X1,…xN,其中，第i個區(qū)域的特征Xi等于第i個區(qū)域內(nèi)所有像素點特征的平均值； (3b)用N個區(qū)域的特征Xl，...xN，計算每兩個區(qū)域之間的相似度，以及每個區(qū)域與其自身的相似度，相似度的計算公式為:
4.根據(jù)權(quán)利要求書I所述的基于網(wǎng)絡(luò)相位同步的醫(yī)學(xué)影像處理方法，其中步驟(4)所述的采用振蕩器相位同步公式對網(wǎng)絡(luò)中的N個節(jié)點進(jìn)行相位迭代，按如下步驟進(jìn)行: (4a)計算網(wǎng)絡(luò)中所有權(quán)值NX (N+l)/2的算木平均值に，生成矩陣E，該矩陣E中第i行第j列的值eu為:
5.根據(jù)權(quán)利要求書I所述的基于網(wǎng)絡(luò)相位同步的醫(yī)學(xué)影像處理方法，其中步驟(6)所述的計算所有節(jié)點的斜率，按照如下公式進(jìn)行:
6.根據(jù)權(quán)利要求書I所述的基于網(wǎng)絡(luò)相位同步的醫(yī)學(xué)影像處理方法，其中步驟(7)所述的計算節(jié)點i與所有類的L2個相似度，按照如下公式進(jìn)行:
【文檔編號】G06T7/00GK103606165SQ201310647729
【公開日】2014年2月26日 申請日期:2013年12月3日 優(yōu)先權(quán)日:2013年12月3日
【發(fā)明者】吳建設(shè), 馬文萍, 焦楊, 馬晶晶, 王爽, 侯彪, 公茂果 申請人:西安電子科技大學(xué)