[发明专利]千兆电子计算机断层扫描的前列腺三维图像分割方法

摘要

本发明公开了一种前列腺KVCT图像前列腺区域的3D分割方法，主要解决现有技术不能在KVCT图像上进行前列腺分割的问题。其实现步骤为：1)输入待分割前列腺KVCT三维图像，将三维图像生成超像素；2)计算超像素的15维纹理特征；3)对超像素进行一次聚类得到初始分割结果；4)对初始分割结果进行第二次聚类得到两次聚类结果；5)对两次聚类结果进行三维形态学处理得到去黏连结果；6)对序列图顶部黏连严重的图像使用配准进行分割，然后将配准分割得到的这部分序列图替换掉去黏连结果中对应的序列图，从而得到最终的分割结果。

主权项

1.千兆电子计算机断层扫描的前列腺三维图像分割方法，包括如下步骤：(1)输入待分割的前列腺KVCT三维图像D；(2)将前列腺KVCT三维图像D使用SLIC超像素生成算法生成三维超像素组成的三维矩阵S；(3)以能将三维超像素包含在内的最小立方体块儿的特征代表每个三维超像素的特征，统计每个最小立方体块儿的灰度‑梯度共生矩阵Hz，进而计算每个最小立方体块儿的15维纹理特征Tz，1≤z≤Np，Np为总像素块数，这15维纹理特征Tz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，其中：小梯度优势：大梯度优势：式中，i为灰度值，j为梯度值，Nh为最大灰度值，Ng为最大梯度值，H(i,j)是灰度共生矩阵Hz中的元素，其代表灰度值为i、梯度值为j的像素点；(4)使用密度峰值聚类算法对超像素进行第一次聚类得到初始分割结果D1；(5)使用密度峰值聚类算法对初始分割结果D1进行第二次聚类得到两次聚类结果D2；(6)对两次聚类的结果D2使用三维形态学的腐蚀和膨胀进行去除黏连和平滑得到结果D3；(7)对输入三维图像D的顶端1/8的截面图使用配准的方法进行分割：7a)取多组前列腺序列图的顶端1/8截面图作为训练数据集T，并将T中所有图像进行手工勾画出前列腺区域；7b)对于待分割序列图中顶端1/8截面图的每一张图片n，依次遍历T中各图片mi，求T中与n的最大归一化相关系数对应的m；7c)将m与n进行配准求得配准的变换关系，然后将人工勾画的m中的前列腺区域通过坐标变换关系映射到待分割图像上实现图像的分割：(8)将配准分割得到的二维截面图替换掉D3中对应的二维截面图，从而得到最终的三维结果D4。