[发明专利]一种基于CT影像的肺结节边缘重建与分割方法

摘要

本发明公开了一种基于CT影像的肺结节边缘重建与分割方法，本发明利用对梯度特征具有稀疏表示能力的变换方式对图像进行空间变换；通过变换域收缩，保留大能量变换系数；再经反变换重建图像，实现对梯度特征的强化；通过信号多级强化，获得对梯度特征小信号的放大，重建肺结节边缘，为后续分割提供重要的边缘信息；提出了基于聚类的肺结节分割算法，它没有训练分类器的过程，具有自我训练的能力，可以强化边缘检测，克服灰度不均匀造成的分割困难，摆脱斑点噪声的影响；建立CT图像分割算法评价体系，将不同临床医学专家手工绘制的轮廓融合成最佳分割标准，使得能够对算法进行系统比较，揭示算法的有效性。

主权项

一种基于CT影像的肺结节边缘重建与分割方法，该方法包括以下步骤：（一）、数据的采集：可装载并同时显示多种数据格式；用户图形界面有五个部分组成：工具栏、图形界面小组、三维显示窗口、三维和切片的操作控制器；（二）、图像的预处理：（1）、图像配准由于图像的拍摄时间和外部客观条件的差异，每个图像都有自己的适用范围和局限性，多种模式下的图像配准能充分发挥图像本身的特点和信息互补，它是图像融合的基础和前提；（2）、图像融合将多源信道所采集到的关于同一目标的图像经过图像处理，提取各自信道的信息，最后综合成同一图像以供观察或进一步处理；（三）、基于空间变换域稀疏强化的肺结节小信号放大，为了利用图像局部区域存在相似性的特点，在变换前对图像进行分组，将相似的二维图像块分到三维数据矩阵中；这样在三维变换域中处理，可以利用分组块间的相似性，增强稀疏性；变换域的稀疏强化是对三维组的处理，分为三个步骤：A）对组的三维变换；B）变换谱的收缩；C）三维反变换；选取或构建对梯度特征具有极好稀疏表示性能的变换方式，由于组内块间存 在很大相似性，通过变换能够获得图像梯度特征的极高的稀疏表示；再通过变换域系数收缩，分离小能量系数；然后进行三维反变换获得三维图像块的估计值；最后，通过一定的聚集方式将处理后的块返回到他们原先的位置，重新集合成二维图像，两次变换域强化过程采用不同的系数收缩算法，第一级输出的特征放大图像与原始图像一起作为第二级的输入项；通过两级变换域信号放大，能够获得边缘信号放大的肺结节重建图像；（四）、肺部CT图像边缘检测：采集图像的边缘进行检测，并与初始设定的阈值进行比较，若满足条件则进行输出，不满足条件，则返回再进行处理。