[发明专利]基于随机森林和模糊聚类的肝癌图像全自动分割方法

摘要

本发明公开了一种基于随机森林和模糊聚类的肝癌CT图像全自动分割方法。该方法主要有两个过程图像预处理和病灶区域分割。预处理阶段，通过曲率滤波去除CT图像的噪声，同时保持图像的边缘不模糊。肿瘤图像分割阶段，先通过提取特征样本训练随机森林，然后对要分割的图像逐个像素点进行分类得到粗分割结果，再通过模糊聚类和形态学算子，进一步得到最终的肿瘤分割结果。本分割方法不需要调整参数，能分割不同时期的肝癌CT图像，具有全自动、精度高和应用广的特点，在肝癌术前规划和精准治疗中具有广泛的应用前景。

主权项

一种基于随机森林和模糊聚类的肝癌CT图像全自动分割方法，其特征在于，包括下述步骤：步骤一：通过曲率滤波对原始的肝脏CT图像进行预处理，去除其中的噪声和灰度不均匀，并且保持图像中原有边界清晰；步骤二：利用肝癌CT图像分割的金标准，从步骤一预处理后的图像中提取肝脏、肿瘤和背景三类图像，并使得三类图像的样本数量相同；步骤三：分别提取三类图像的灰度特征和纹理特征，并通过计算每个特征的信息增益率选出前30%‑50%最具区分度的特征；步骤四：将步骤三中选出的特征向量输入到随机森林中训练，通过调整随机森林中树的棵数和最大深度，得到训练效果最优的随机森林分类器；步骤五：用训练好的随机森林分类器对要分割的图像逐个像素点进行判断，将图像分为正常肝脏、肿瘤和背景三部分；步骤六：对步骤五中的粗分割结果进一步改进，将粗分割得到的肝脏和肿瘤合并，取出最大的连通区域，用形态学闭算子填充空洞；步骤七： 对步骤六中的结果进行基于灰度值的模糊聚类，从中取出灰度值最小的部分作为肿瘤，用形态学开算子去除小的孤立点得到最终肿瘤分割结果。