[发明专利]基于信息融合的肝脏CT影像肿瘤分割方法

说明书

本发明公开的基于信息融合的肝脏CT影像肿瘤分割方法，具体按照以下步骤实施：步骤1、通过三维直方图重建模型对图像做平滑与去噪预处理，得到预处理后的肝脏CT图像B；步骤2、分别提取肝脏CT图像B的光谱、纹理和空间关系三类不同的特征，得到肝脏CT图像B对应的三幅特征图像；步骤3、对肝脏CT图像B的三幅不同的特征图像的像素进行聚合处理，用改进的区域生长算法检测原始图像A中肿瘤部分的边缘，得到融合后的图像C1；步骤4、结合形态学运算对步骤3融合后的图像C1中检测到的肿瘤部分的边缘进行后处理操作，形成最终的图像分割结果图A’。该方法解决了现有技术中存在的CT影像肿瘤分割方法中检测肿瘤边缘模糊的问题。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于信息融合的肝脏CT影像肿瘤分割方法。

背景技术

肝脏影像肿瘤分割技术在疾病判断、术前预防等方面有着重要的意义。CT全称计算机断层扫描技术，相比较于其他的成像技术，CT成像密度分辨率较高，提高了病灶检测率和诊断的准确率。CT影像技术不仅可以诊断脑部疾病，还可以检查人体的腹腔胸腔器官，判断肿瘤的情况，即可用于肝脏、肺部、胰腺、大脑等各个组织器官的检测。然而，由于计算机断层扫描技术等成像得到的医学影像组织特征间的可变性大，软组织与病灶之间的边界模糊，因此，在进行图像处理时仍然具有许多的困难，如何在CT数据中快速找到有效信息，同时保证好的目标质量，是十分重要的。

肿瘤区域分割可以从医学影像中快速地检测出感兴趣的肿瘤区域，实现图像中病灶目标的提取。相比于传统的自然影像，医学影像分辨率低，对比度低，远远不如自然图像中的清晰，且数据量少，因此，用于自然图像的目标分割方法不适合于医学影像。针对医学影像的固有特点，很多人应用了不同的算法，以快速找到感兴趣病灶区域。如尝试将CT影像数据与统计学分析法相结合，基于局部区域来进行肿瘤部分的分割，或者与聚类方法相结合，使用无监督方法来进行检测，解决了医学影像灰度分布不均匀等问题。然而，现有的一些病灶分割算法对于医学CT影像的分割仍有着一些缺陷，比如，先验知识不足、检测的肿瘤目标尺寸、大小、位置变化较大等，不能很好地呈现目标的边界以及对于目标的描述不够充分等等。

因此，如何快速的找到CT影像的病灶目标，同时对目标的描述更加精确，对于医学CT影像的病灶分割领域是一项十分重要的技术。

发明内容

本发明的目的是提供一种基于信息融合的肝脏CT影像肿瘤分割方法，解决了现有技术中存在的CT影像肿瘤分割方法中检测肿瘤边缘模糊的问题。

本发明所采用的技术方案是，基于信息融合的肝脏CT影像肿瘤分割方法，具体按照以下步骤实施：

步骤1、取一张肝脏CT影像A，肝脏CT影像A作为输入，通过三维直方图重建模型对图像做平滑与去噪预处理，得到预处理后的肝脏CT图像B；

步骤2、分别提取肝脏CT图像B的光谱、纹理和空间关系三类不同的特征，得到肝脏CT图像B对应的三幅特征图像；

步骤3、对肝脏CT图像B的三幅不同的特征图像的像素进行聚合处理，用改进的区域生长算法检测原始图像A中肿瘤部分的边缘，得到融合后的图像C1；

步骤4、结合形态学运算对步骤3融合后的图像C1中检测到的肿瘤部分的边缘进行后处理操作，形成最终的图像分割结果图A’。

本发明的特征还在于，

步骤1具体按照以下步骤实施：

使用三维直方图重建模型，消除肝脏CT影像A中像素值间存在的灰度级不均匀性，对肝脏CT影像A做平滑与去噪预处理，消除肝脏CT影像A存在的噪点，得到处理后的肝脏CT图像B。

步骤2具体按照以下步骤实施：