[发明专利]前列腺KVCT图像的病变区域分割方法

摘要

本发明公开了一种前列腺KVCT图像的病变区域分割方法，主要解决现有技术不能在KVCT图像上进行前列腺病变组织分割的问题。其实现步骤为：1)输入待分类前列腺KVCT图像和相对应的掩膜图像，提取前列腺KVCT图像上的感兴趣区域；2)计算感兴趣区域像素块的15维纹理特征；3)从感兴趣区域中随机选取1/5的像素块，在对所选的每个像素块上设置病变与正常标记，再用这些像素块训练支撑矢量机SVM分类器；4)使用训练好的支撑矢量机SVM分类器对感兴趣区域剩余像素块进行分类，得到前列腺上的病变区域。本发明能根据感兴趣区域的纹理特征的不同，准确地分割出KVCT图像上前列腺的病变组织，可用于对KVCT的图像分割。

主权项

前列腺KVCT图像的病变区域分割方法，包括如下步骤：(1)输入待分类的前列腺KVCT图像S；(2)输入与前列腺KVCT图像S对应的掩膜图像，以减掉KVCT图像S中前列腺以外的区域，得到感兴趣区域图像S_O；(3)将感兴趣区域S_O每一个像素取9×9窗口得到像素块，统计每个像素块的灰度‑梯度共生矩阵H^z，进而计算每个像素块的15维纹理特征T^z，1≤z≤N_p，N_p为总像素块数，这15维纹理特征T^z包括：小梯度优势T₁、大梯度优势T₂、灰度分布不均匀性T₃、梯度分布不均匀性T₄、能量T₅、灰度均值T₆、梯度均值T₇、灰度标准差T₈、梯度标准差T₉、相关性T₁₀、灰度熵T₁₁、梯度熵T₁₂、混合熵T₁₃、差分矩T₁₄和逆差分矩T₁₅；(4)从感兴趣区域S_O中随机选择1/5像素块，在对所选的每个像素块上设置病变与正常标记，再用这些像素块训练支撑矢量机SVM分类器；(5)使用训练好的支撑矢量机SVM分类器对感兴趣区域S_O中剩余的像素块进行分类，得到前列腺KVCT图像的病变区域。