一种乳腺超声图像分割方法及系统技术方案

本发明专利技术公开一种基于中智集合理论和水平集曲线演化的乳腺超声图像分割方法及系统，该方法中，获取乳腺超声二维灰度图像；利用中智集合理论对所述乳腺超声二维灰度图像进行滤波处理，去除噪声影响；对滤波处理后的图像在中智理论集合中进行模糊聚类，将乳腺肿块候选区域从图像中分割出来；将所述乳腺肿块候选区域的边界作为水平集合的初始曲线，进行水平集曲线演化；将曲线演化结果的内部区域作为疑似乳腺肿块区域，将该区域赋值为白色，其余区域赋值为黑色，并将该黑白二值图像作为输出图像。本发明专利技术可以使分割结果既去除噪声的影响，又保持肿块形状的精确和完整。

【技术实现步骤摘要】
一种乳腺超声图像分割方法及系统
本专利技术涉及医疗领域，具体而言，涉及一种基于中智集合理论和水平集曲线演化的乳腺超声图像分割方法。
技术介绍
乳腺癌是临床多发病、常见病，其发病率占女性恶性肿瘤的第二位，且有逐年增多的趋势。晚期死亡率较高，严重危害女性健康，近年来男性乳腺癌病例亦时有报道。由于乳腺癌的预后与疾病确诊时机密切相关，因此做到早期诊断、早期治疗，可明显改善患者的生存质量、提高长期存活率。计算机辅助诊断技术能有效的帮助医生发现早期乳腺肿块，降低假阳性，给医生提供有效的诊断依据作为参考，被称为医生的“第二双眼睛”。基于乳腺超声图像的计算机辅助诊断技术通过对乳腺超声图像的数字化处理，能精确地确定病变区域的位置，根据以往的知识和计算机技术对病变的区域进行诊断，从而得出精确的诊断结果。乳腺超声图像分割是乳腺超声图像的计算机辅助诊断技术中一项重要步骤。它通过对乳腺超声图像进行分割，能把可疑肿块区域从背景组织中提取出来，精确描绘可疑肿块的边界，为超声医生提供可疑肿块区域作为参考。国内外已有多个课题组进行乳腺超声图像分割技术研究。Horsch等人(K.Horsch,M.L.Giger,L.A.Venta,andC.J.Vyborny,“Automaticsegmentationofbreastlesionsonultrasound,”Med.Phys.,1652-1659(2001).[6]M.A.KupinskiandM.L.Giger,“Automatedseededlesionsegmentationondigitalmammograms,”IEEETrans.OnMedicalImaging,vol.17,no.4,510-517(1998))应用阈值来分割乳腺超声图像中的肿块。他们引入高斯约束函数来寻找肿块边界。其分割结果依赖高斯函数的形状，一些非椭圆形的肿块也被分割成卵形区域。Yu等人(DonghoonYu,SooyeulLee,JeongWonLee,andSeunghwanKim，“Automaticlesiondetectionandsegmentationalgorithmon2Dbreastultrasoundimages”提出了一种半径依赖增强调整(RDCA)技术来增强肿块区域，然后利用数学形态学和阈值方法来完成肿块的分割。Huang等人(Yu-LenHuang,Yu-RuJiang,Dar-RenChen,andWooKyungMoon，LevelSetContouringforBreastTumorinSonography)利用基于水平集的方法来检测乳腺肿块边界。首先利用滤波器来去除噪声和增强肿块边界，类圆形的边界被用来作为水平集的初始边界，最后，使用基于水平集的形变模型来提取乳腺肿块边界。Chang等人(Ruey-FengChang,Wen-JieWu,WooKyungMoon,andDar-RenChen，“Automaticultrasoundsegmentationandmorphologybaseddiagnosisofsolidbreasttumors”:thismethodonlyusedROIimagestosegmentthetumor.,12.CorsiC,SaracinoG,SartiA,LambertiC:Leftventricularvolumeestimationforreal-timethree-dimensionalechocardiography.IEEETransMedImaging,21(9):1202–1208,200213.WangX,WeeWG:Anewdeformablecontourmethod.In:ImageAnalysisandProcessing,1999.ProceedingInternationalConferenceon1999,Venice,Italy,pp430–435.14.ChenYM,ThiruvenkadamS,TagareHD,HungF,WilsonD,GeiserEA:Ontheincorporationofshapepriorsintogeometricactivecontours.In:VariationalandLevelSetMethodsinComputerVision,2001.Proceedings.IEEEWorkshopon2001,Vancouver,BC,Canada,pp145–152,“Computer-aideddiagnosisusingmorphologicalfeaturesforclassifyingbreastlesionsonultrasound”)综合了图像预处理技术和水平集合的方法进行乳腺肿块分割，但分割算法仅仅针对感兴趣区域的图像，需要人工交互预先选择，属于半自动分割过程，人工选择的区域影响分割的效果。Shan等人(AFullyAutomaticSegmentationMethodforBreastUltrasoundImage)虽然提出全自动的乳腺肿块分割算法，但其分割效果依赖于图像预处理的结果。若经过预处理后，肿块的边界没有很好保留和增强，分割结果就变得很破碎或者和周围的组织连在一起。黄韫栀等人(基于LevelSet的超声乳腺肿瘤图像的轮廓提取)采用曲率各向异性扩散的方法，在保留主要边界信息的前提下对超声乳腺图像加以平滑，并利用水平集的方法自动提取乳腺肿瘤轮廓，对超声乳腺图像进行肿瘤的自动分割，对于乳腺超声肿瘤的弱边界信息，获得良好的效果。然而，现有的技术有的受到噪声的影响，分割结果的边界不够连续和光滑；有的分割结果中单独的肿块区域被分割成几个不连续的区域；有的虽然去除噪声的影响，但分割结果不够精确，把不是肿块区域的点也包括进来。
技术实现思路
本专利技术提供一种基于中智集合理论和水平集曲线演化的乳腺超声图像分割方法，用以克服现有技术中分割结果不够精确的问题。为达到上述目的，本专利技术提供了一种基于中智集合理论和水平集曲线演化的乳腺超声图像分割方法，包括以下步骤：获取乳腺超声二维灰度图像；利用中智集合理论对所述乳腺超声二维灰度图像进行滤波处理，去除噪声影响；对滤波处理后的图像在中智理论集合中进行模糊聚类，将乳腺肿块候选区域从图像中分割出来；将所述乳腺肿块候选区域的边界作为水平集合的初始曲线，进行水平集曲线演化；将曲线演化结果的内部区域作为疑似乳腺肿块区域，将该区域赋值为白色，其余区域赋值为黑色，并将该黑白二值图像作为输出图像。进一步地，所述利用中智集合理论对所述乳腺超声二维灰度图像进行滤波处理，去除噪声影响步骤包括：将所述乳腺超声二维灰度从灰度集合映射到中智集合中，在中智集合中，映射后的新图像采用三个子集来描述，该三个子集分别为表示对前景目标的隶属度、对噪声的隶属度和对背景的隶属度；根据噪声隶属度值对前景目标隶属度矩阵进行alpha方向滤波运算，去除噪声的影响，并且增强肿块边界。进一步地，所述对滤波处理后的图像在中智理论集合中进行模糊聚类，将乳腺肿块候选区域从图像中分割出来步骤包括：对滤波后的新图像中的每个点用模糊聚类方法进行分类，其中聚类数目为三类，分别本文档来自技高网...

【技术保护点】
一种基于中智集合理论和水平集曲线演化的乳腺超声图像分割方法，其特征在于，包括以下步骤：获取乳腺超声二维灰度图像；利用中智集合理论对所述乳腺超声二维灰度图像进行滤波处理，去除噪声影响；对滤波处理后的图像在中智理论集合中进行模糊聚类，将乳腺肿块候选区域从图像中分割出来；将所述乳腺肿块候选区域的边界作为水平集合的初始曲线，进行水平集曲线演化；将曲线演化结果的内部区域作为疑似乳腺肿块区域，将该区域赋值为白色，其余区域赋值为黑色，并将该黑白二值图像作为输出图像。

【技术特征摘要】
1.一种基于中智集合理论和水平集曲线演化的乳腺超声图像分割方法，其特征在于，包括以下步骤：获取乳腺超声二维灰度图像；利用中智集合理论对所述乳腺超声二维灰度图像进行滤波处理，去除噪声影响；对滤波处理后的图像在中智集合中进行模糊聚类，将乳腺肿块候选区域从图像中分割出来；将所述乳腺肿块候选区域的边界作为水平集合的初始曲线，进行水平集曲线演化；将曲线演化结果的内部区域作为疑似乳腺肿块区域，将该区域赋值为白色，其余区域赋值为黑色，并将黑白二值图像作为输出图像；所述利用中智集合理论对所述乳腺超声二维灰度图像进行滤波处理，去除噪声影响步骤包括：将所述乳腺超声二维灰度从灰度集合映射到中智集合中，在中智集合中，映射后的新图像采用三个子集来描述，该三个子集分别为表示对前景目标的隶属度、对噪声的隶属度和对背景的隶属度；根据噪声隶属度值对前景目标隶属度矩阵进行alpha方向滤波运算，去除噪声的影响，并且增强肿块边界。2.根据权利要求1所述的乳腺超声图像分割方法，其特征在于，所述对滤波处理后的图像在中智集合中进行模糊聚类，将乳腺肿块候选区域从图像中分割出来步骤包括：对滤波后的新图像中的每个点用模糊聚类方法进行分类，其中聚类数目为三类，分别为肿块类、乳腺组织类和腺体类，模糊聚类输入的属性值是目标隶属度矩阵中的对应值；根据模糊聚类的结果，将肿块类的区域作为乳腺肿块候选区域。3.一种基...

【专利技术属性】
技术研发人员：田家玮，郭延辉，姜双全，刘宇杰，王影，
申请(专利权)人：哈尔滨医科大学，
类型：发明
国别省市：黑龙江;23