[发明专利]基于自适应构造最优图的多模态鼻咽肿瘤分割算法

摘要

本发明涉及一种基于自适应构造最优图的多模态鼻咽肿瘤分割算法，其包括以下步骤：输入已配准多模态鼻咽肿瘤MR图像；将肿瘤图像映射为加权无向图G＝(V,E)；输入数据矩阵V，定义正则系数γ及参数λ；对相似度矩阵S进行初始化；对S进行行列变换使其成为块对角矩阵，判断变换过后的相似度矩阵中对角块数是否与聚类类数一致，若一致，则转至最后一步，否则进行下一步；构造/更新由Laplacian矩阵前c个最小特征值对应的特征向量组成的矩阵F；对相似度矩阵按行进行更新；根据构造得到的类标记矩阵对目标图像进行分割。本发明的算法在计算数据相似度的同时对图像数据进行聚类，可有效地提升鼻咽肿瘤的分割精度。

主权项

一种基于自适应构造最优图的多模态鼻咽肿瘤分割算法，其特征在于，包括以下步骤：步骤1：输入已配准多模态鼻咽肿瘤MR图像；步骤2：将肿瘤图像映射为加权无向图G＝(V,E)，其中V为图节点的集合，E为边的集合，并以{v1,v2,…,vn}表示图像数据集，表示数据矩阵；步骤3：输入数据矩阵V，正则系数γ，参数λ；其中，初始值与正则参数γ相同，若对角化后的相似度矩阵中对角块块数小于聚类类数则增大λ，反之减小；步骤4：根据对相似度矩阵S进行初始化；步骤5：对S进行行列变换使其成为块对角矩阵，判断变换过后的相似度矩阵中对角块数是否与聚类类数一致，若一致，则转至步骤8，否则进行下一步；步骤6：构造/更新由Laplacian矩阵前c个最小特征值对应的特征向量组成的矩阵F；步骤7：对i＝1,2,…,n,由公式对相似度矩阵按行进行更新，其中转至步骤5；步骤8：根据构造得到的类标记矩阵对目标图像进行分割。