[发明专利]一种基于腹部CT医学图像融合分类的检测装置

摘要

本发明请求保护一种基于腹部CT医学图像融合分类的检测装置，包括：获取模块，获取所述患者的腹部CT扫描图像；预处理模块，进行预处理得到二值化灰度图像；形态学腐蚀与膨胀模块，进行形态学腐蚀运算得到腐蚀后的图像，对所述二值化灰度图像进行膨胀运算得到膨胀后的图像；运算模块，对所述腐蚀后的图像进行开运算得到开运算图，对所述膨胀后的图像进行闭运算得到闭运算图；傅里叶变换部得到傅里叶变换值；腹部医学图像融合分类模块，用于对腹部CT扫描图像进行融合分类区分；病灶检测模块，用于对所述傅里叶变换值结合行融合分类区分结果进行判断得到所述患者的疑似病灶区域。本发明可以降低复杂度、提高腹部病灶的识别诊断精确度。

主权项

1.一种基于腹部CT医学图像融合分类的检测方法，用于处理患者的腹部CT医学图像而得到所述患者的疑似病灶区域，其特征在于，包括，以下步骤：获取步骤，获取所述患者的腹部CT扫描图像，启动CT扫描器对人体的腹部进行电影模式CT扫描，并将所获得的每一张CT图片按人体进入扫描区的先后顺序给CT图像的每一图片赋予床位号和层位号，按扫描成像的时间顺序给CT图像的每一图片赋予相位号；将CT图像的每一图片进行阈值分割并获取人体体表轮廓曲线；以通过人体体表轮廓曲线在垂直方向的最低点的水平线为基准，对每一图片自左向右依次竖向逐点扫描，当图片的一列像素点的像素值全为零时记为零，当图片的一列由上而下有一个像素点的像素值不为零时，便记下第一个像素值不为零的像素点的高度值；然后将所记录的数据按自左向右的顺序排列，再以所得到的排列为行，按床位层位号的顺序由上向下排列，得到每一个床位的轮廓矩阵；将每一轮廓矩阵中所有元素的高度值累加求和，从一个床位中挑出所求和的最大值所对应的一个相位的一组图片，然后以该组图片为起点将相位号大于该组图片相位号的每一组图片按相位号由小到大排列，得到每一个床位内一个完整呼吸周期的图片阵列；预处理步骤，对获取每一个床位内一个完整呼吸周期的图片阵列进行预处理得到二值化灰度图像；形态学腐蚀与膨胀步骤，对所述二值化灰度图像进行形态学腐蚀运算得到腐蚀后的图像，对所述二值化灰度图像进行膨胀运算得到膨胀后的图像；运算步骤，对所述腐蚀后的图像进行开运算得到开运算图，对所述膨胀后的图像进行闭运算得到闭运算图；傅里叶变换步骤，对所述开运算图和所述闭运算图进行傅里叶变换得到傅里叶变换值；腹部医学图像融合分类步骤，用于对腹部CT扫描图像进行融合分类区分，并将区分结果传输给病灶检测部进行判断；病灶检测部，用于对所述傅里叶变换值结合腹部融合分类区分结果进行判断得到所述患者的疑似病灶区域。所述腹部医学图像融合分类步骤包括以下步骤：数据预处理步骤：获取所述患者的腹部CT扫描图像，进行包括去除所述腹部CT扫描图像中的基线和高频噪声在内的预处理步骤，并将其分为腹部CT扫描灰度解剖图像和伪彩色功能腹部CT扫描图像，分别标记为和多尺度分解步骤：在多尺度分解过程中，通过改变传播滤波器中高斯卷积核的大小，对对步骤1的两幅源图像和进行平滑处理，使用平滑处理对信号和进行多尺度分解，获得平滑图像和细节图像；对于平滑图像S采用信息熵进行加权融合得到融合平滑图像，而对于细节图像采用多特征进行融合得到融合细节图像F_S；传播滤波器的原型为：S_p＝1/Z_p∑_t∈N(p)w_p,t×I_t，其中，S_p为平滑后的图像，Z_p为归一化因子，N(p)为以p为中心像素点的邻域，i表示像素点序列号，I_t为在坐标位置t的图像像素值，w_p,t为传播滤波器权值；其中，传播滤波器权值的第一项表示利用与像素p和像素t邻接的像素之间的距离和高斯卷积核σ_a的高斯函数；传播滤波器权值的第二项表示利用与像素p邻接的所有像素距离和高斯卷积核σ_r的高斯函数；重构融合步骤：利用像素级上的简单运算对融合后的平滑图像FD和细节图像FS进行基于ADMM重构得到融合图像F；输出最终的融合图像F；分类步骤：并采用改进的SVM算法对融合图像F进行分类，SVM模型如下：其中β∈R^P表示β是P维的模型向量，x_n表示样例，y_n表示类标签，N表示样本数，n∈{1，…，N}表示样本的索引，P表示特征数，p∈{1，…，P}表示特征的索引，β_p表示第p个特征对应的模型向量分量，f(x_n)表示分类面方程，表示MCP罚函数，φ(β)表示基于相关系数的罚函数，1(y_n，f(x_n))表示铰链损失函数，λ₁、λ₂和γ表示可调参数。