[发明专利]基于改进的水平集的自动肿瘤影像区域分割系统及方法

说明书

本发明属于影像区域分割技术领域，公开了一种基于改进的水平集的自动肿瘤影像区域分割系统及方法，所述基于改进的水平集的自动肿瘤影像区域分割系统包括：肿瘤影像获取模块、影像预处理模块、中央处理模块、影像区域分割模块、影像特征提取模块、影像特征融合模块、影像数据分析模块、云存储模块、显示模块。本发明通过影像特征提取模块将神经网络模型设置成多分支神经网络结构，能够实现对肿瘤影像的二维肿瘤特征和三维肿瘤特征的同时捕获；通过影像数据分析模块采用随机森林算法生成若干棵决策树，根据决策树使用二维SVM算法对两类算法得到的分类结果进行再分类，提高了分类的准确性，在临床诊断和治疗上具有重大的实用价值。

技术领域

本发明属于影像区域分割技术领域，尤其涉及一种基于改进的水平集的自动肿瘤影像区域分割系统及方法。

背景技术

目前，在肿瘤的诊疗的过程中，相比临床的一些分析方式，医学影像技术可通过在肿瘤影像中提取海量特征来量化肿瘤异质性，从而无创地实现肿瘤影像资料的定量分析。随着临床影像数据量的不断增长，开发以数据驱动的分割模型对于肿瘤的诊疗意义重大。传统的肿瘤诊断方法主要有两类：1、放射科医生通过查看核磁共振图像，并根据个人经验对肿瘤进行类别和恶性程度的判断。2、通过穿刺手术提取少量的肿瘤组织，然后使用各种病理分析方法，基因检测等手段做出诊断。但是，放射科医生通过查看医学影像做出判断的方法存在着很大的不确定性。因为医生每天要阅读大量的图像，其判断结果很容易受外在和内在因素干扰，在很大程度上造成较高的误判率；通过穿刺手术提取少量肿瘤组织进行病理检查的方法可以得到高准确率的诊断，但穿刺手术无法避免地会对病人造成一定程度的创伤，会增加病人的痛苦，而且相比影像学检查，穿刺检查所需的时间长，无法大规模推广。

通过上述分析，现有技术存在的问题及缺陷为：

(1)放射科医生通过查看医学影像做出判断的方法存在着很大的不确定性。因为医生每天要阅读大量的图像，其判断结果很容易受外在和内在因素干扰，在很大程度上造成较高的误判率。

(2)通过穿刺手术提取少量肿瘤组织进行病理检查的方法可以得到高准确率的诊断，但穿刺手术无法避免地会对病人造成一定程度的创伤，会增加病人的痛苦，而且相比影像学检查，穿刺检查所需的时间长，无法大规模推广。

发明内容

针对现有技术存在的问题，本发明提供了一种基于改进的水平集的自动肿瘤影像区域分割系统及方法。

本发明是这样实现的，一种基于改进的水平集的自动肿瘤影像区域分割方法，所述基于改进的水平集的自动肿瘤影像区域分割方法包括以下步骤：

步骤一，通过肿瘤影像获取模块利用影像获取装置获取待分割的原始肿瘤影像数据；

步骤二，通过影像预处理模块利用影像预处理程序对采集的待分割的原始肿瘤影像数据进行去噪、剪裁和增强处理；

所述对采集的待分割的原始肿瘤影像数据进行去噪、剪裁和增强处理包括：

(2.1)利用各向同性热扩散方程对采集的原始肿瘤影像数据进行多尺度分解；

(2.2)确定去噪强度系数，基于确定的去噪强度系数利用惩罚加权最小平方算法对各尺度内肿瘤影像数据进行去噪以及去噪强度的控制；

(2.3)对去噪后残余边缘进行平滑、增强与补偿；依次遍历所述尺度，并将补偿后的所有尺度的肿瘤影像数据进行融合，得到完整的增强后的肿瘤影像数据；

(2.4)对增强后的肿瘤图像进行病灶区域以及背景区域划分，对边缘背景区域进行裁剪；

步骤三，通过中央处理模块利用中央处理器控制所述基于改进的水平集的自动肿瘤影像区域分割系统各个模块的工作；

步骤四，通过影像区域分割模块利用区域分割程序对处理后的肿瘤影像进行区域划分，将所述肿瘤影像分割成对应的目标区域；