【技术实现步骤摘要】
本专利技术涉及一种基于主动轮廓的超声图像分割中获取初始轮廓的方法,属于超声图像处理领域。
技术介绍
随着高强度聚焦超声的出现,非侵入式治疗肿瘤应用的越来越广泛,该治疗系统在临床中有着很大的优势如不开刀,不留疤痕,无创或微创伤,可以实时检测治疗,不受肿瘤大小限制,总费用低等。这些优势都决定高强度聚焦超声治疗系统有着很大的发展应用前景。而高强度聚焦超声治疗系统中最关键的就是对病人肿瘤进行实时导航。导航过程需要对实时超声图像中的肿瘤进行定位。将传统的手动定位方式改变为自动定位,将对该治疗系统的治疗效率和治疗准确性带来非常大的帮助。超声图像分割是在肿瘤检测、诊断和治疗中被广泛应用,其分割的准确性直接关系到肿瘤的定位。经过长期的深入研究,已经提出的超声图像分割方法有基于区域的、基于边界的和基于统计信息的,不同类型的分割方法具有不同的分割特点。主动轮廓模型(Active Contour Model),又被称为Snake,是由Andrew Blake教授提出的一种目标轮廓描述方法,主要应用于基于形状的目标分割。该模型的优越之处在于它对于范围广泛的一系列视觉问题给出了统一的解决方法,在最近的十多年中,它已经被越来越多的研究者成功地应用于计算机视觉的许多领域,如边缘提取,图像分割和分类,运动跟踪,三维重建,立体视觉匹配等。但是该模型需要初始轮廓,如果手动获取初始轮廓再进行收敛,即费时费力,又不够精确。因此设计自动获取初始轮廓的方法是非常必要的。
技术实现思路
本专利技术所要解决的技术问题在于提供一种。该方法操作简单可靠、速度快,由该方法获取的超声图像肿瘤初始轮廓准 ...
【技术保护点】
一种基于主动轮廓模型的超声图像分割中获取初始轮廓的方法,其特征在于,包含以下步骤:(1)选取60幅以上已有的超声图像组成训练集,所述已有的超声图像含有与待分割超声图像相同的肿瘤,用灰度级共生矩阵从训练集中每幅超声图像中提取肿瘤区域的24个纹理特征,利用数学线性回归中的的最小距离法得到24个纹理特征的标准值,并与标准椭圆经验值、待测超声图像中肿瘤先验大小一起构成一个标准向量A0; (2)对待分割超声图像进行各向异性扩散和直方图均衡的预处理;(3)对(2)所得图像进行动态阈值分割,并提取动态阈值分割结果中产生的所有闭合轮廓,每个闭合轮廓形成一个相应子图像;(4)利用灰度级共生矩阵提取各个子图像的24个纹理特征,计算椭圆拟合结果参数以及子图像闭合轮廓内部像素个数,并用这26个数据构成一个向量A1; (5)计算每一个子图像所得向量A1与肿瘤区域训练所得的标准向量A0的距离D,使得D最小的向量A1所对应子图像中的闭合轮廓为待分割超声图像中肿瘤的初始轮廓。
【技术特征摘要】
1.一种基于主动轮廓模型的超声图像分割中获取初始轮廓的方法,其特征在于,包含以下步骤: (1)选取60幅以上已有的超声图像组成训练集,所述已有的超声图像含有与待分割超声图像相同的肿瘤,用灰度级共生矩阵从训练集中每幅超声图像中提取肿瘤区域的24个纹理特征,利用数学线性回归中的的最小距离法得到24个纹理特征的标准值,并与标准椭圆经验值、待测超声图像中肿瘤先验大小一起构成一个标准向量Atl ; (2)对待分割超声图像进行各向异性扩散和直方图均衡的预处理; (3)对(2)所得图像进行动态阈值分割,并提取动态阈值分割结果中产生的所有闭合轮廓,每个闭合轮廓形成一个相应子图像;...
【专利技术属性】
技术研发人员:张东,龙群芳,刘雨,周静,杨艳,
申请(专利权)人:武汉大学,
类型:发明
国别省市:湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。