[发明专利]基于随机森林的股骨头图像分割装置及分割方法

摘要

本发明提供一种基于随机森林的股骨头图像分割装置及分割方法，包括：存储包含股骨头的第一图像；粗搜索第一图像选出与股骨头匹配性最高的候选区域；在股骨头边界设置多个轮廓点，对轮廓点位置求平均，得到平均轮廓形状，设定与平均轮廓形状外切的目标区域，轮廓点在目标区域的映射的形状作为迭代初始的轮廓形状；根据分裂参数构建前一次迭代后轮廓形状的每个轮廓点的树，得到每个轮廓点对应的局部二值特征；通过上一次迭代后每个轮廓点对应的局部二值特征对全局线性回归器进行训练，确定形状增量，结合上一次迭代后轮廓形状，确定此次迭代轮廓形状，将最终迭代次数的轮廓形状作为分割结果。上述装置和方法能够自动化分割第一图像的股骨头区域。

主权项

1.一种基于随机森林的股骨头图像分割装置，其特征在于，包括：图像存储部，用于存储多个包含股骨头的第一图像；粗搜索部，分别对第一图像进行检索，选出与股骨头匹配性最高的候选区域；精搜索部，包括平均模块、设定模块、随机森林模块和全局线性回归模块，其中：平均模块，在各第一图像的候选区域内的股骨头边界上设置多个轮廓点，对多个轮廓点的位置求平均，得到平均轮廓形状，设定与平均轮廓形状外切的目标区域，各第一图像的轮廓点在目标区域的映射的形状作为迭代初始的轮廓形状；设定模块，设定全局线性回归模块的迭代次数和随机森林模块的分裂参数；随机森林模块，每一次迭代中，根据分裂参数分别构建前一次迭代后轮廓形状的每个轮廓点的树，得到每个轮廓点对应的局部二值特征；全局线性回归模块，在每一次迭代中，通过上一次迭代后轮廓形状的每个轮廓点对应的局部二值特征根据下式(1)对全局线性回归器进行训练，通过下式(2)确定形状增量，根据形状增量和上一次迭代后的轮廓形状，根据下式(3)确定此次迭代的轮廓形状，将最终迭代次数的轮廓形状作为分割结果，ΔSt＝WtΦt(I,St‑1)  (2)St＝St‑1+ΔSt   (3)其中，t是迭代次数索引，i是第一图像索引，N为第一图像总数，λ为抑制因子，W^t为第t次迭代的全局线性回归器，S^t为第t次迭代后的轮廓图形，ΔS^t为第t次迭代的形状增量，I_i第i个第一图像，表示对于图像I_i在t‑1次迭代后的轮廓形状的局部二值特征，表示估计的形状增量。