自适应窗的胃部CT图像淋巴结跟踪检测系统及方法技术方案

本发明专利技术公开了一种自适应窗的胃部CT图像淋巴结跟踪检测系统及方法，该发明专利技术首先利用基于模糊C均值和边界先验的疑似淋巴结提取方法获取每个单幅胃部CT图像的疑似淋巴结。由于淋巴结的形状、灰度和空间位置与血管很相近，提取出每个单幅胃部CT图像中的疑似淋巴结存在淋巴结和血管难于区分的问题；针对该问题，本发明专利技术设计了自适应窗的淋巴结跟踪检测方法；该方法按每个疑似淋巴结最大切片面积自适应定义每个疑似淋巴结的窗口并把最大切片面积所在CT图像作为当前帧；从当前帧开始向前和向后进行跟踪操作。由于淋巴结和血管在跟踪过程中其面积变化和中心偏移是有区别的，从而检测出淋巴结。本发明专利技术通过预处理和跟踪操作能自动有效地检测出淋巴结。

【技术实现步骤摘要】
自适应窗的胃部CT图像淋巴结跟踪检测系统及方法
本专利技术属于图像处理
，特别是涉及医学影像处理，可用于医学影像的淋巴结提取、跟踪及其辅助诊断，具体涉及一种自适应窗的胃部CT图像淋巴结跟踪检测系统及方法。
技术介绍
在医学领域，自显微镜问世以来，对一些图像的分析已成为医学研究中的重要方法，许多新型成像技术和设备的出现以及电脑技术的发展，使得计算机辅助技术迅速发展，医学图像处理技术对医学研究及临床实践的作用和影响日益增大，在医学领域可以用图像的形式揭示更多有用的医学信息，医学的诊断方式也发生了巨大的变化。目前的医学图像主要包括CT(计算机断层扫描)图像、MRI(核磁共振)图像、B超扫描图像、数字X光机图像、X射线透视图像、各种电子内窥镜图像及显微镜下病理切片图像等。而在影像医疗诊断中，主要是通过观察一组二维切片图像去发现病原体，这往往需要借助医生的经验来判定。至于准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系，仅通过观察二维切片图像是很难实现的。因此，利用计算机图像处理技术对人体的二维切片图像进行分析和处理，实现对人体器官、软组织和病变体的分割提取、跟踪，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析，可大大提高医疗诊断的准确性和可靠性。近年来医学影像技术发展迅速，使临床医生对人体内部病变部位的观察更直接、更清晰，确诊率也更高。计算机辅助诊断CAD技术被称为医生的“第二双眼睛”，主要研究如何通过图像处理技术对这些医学影像信息进行有效的处理，辅助医生的诊断甚至进行手术规划，具有重大的社会效益和广泛的应用前景。由于胃部CT影像包含内容较为复杂，所以对于胃部CT影像的研究仍处于初期阶段。2000年全球新发胃癌病例87.6万，死亡64.6万，死亡率位居第二，其中新发病例35％在我国统计数据表明，胃癌占全部恶性肿瘤死亡的23.2％，在恶性肿瘤死亡率中位居第一位，所以对胃部CT图像的研究具有十分重要的意义。现有胃癌的诊断与治疗手段包括传统根治手段、腹腔镜手术、内镜切除手术等，医生在术前一般需要先对病人的CT影像进行初步的诊断，通过找到癌变的淋巴结以及大小等信息判断病人的N分期，然后依据判断结果进行手术。而依据医生的临床经验，淋巴结一般只存在于脂肪组织中，其他脏器如肝脏、胰脏、血管等在检测淋巴结时都属于影响医生判断的冗余信息，因此，首先需要提取疑似淋巴结，然后再对疑似淋巴结进行跟踪，总之，研究计算机辅助技术检测胃部CT图像的淋巴结具有很大的应用需求。
技术实现思路
本专利技术的目的在于针对胃部CT图像所含信息复杂，血管的形状、空间位置、灰度值都和淋巴结很相似，提取出每个单幅胃部CT图像中的疑似淋巴结存在淋巴结和血管难于区分的问题。为此，本专利技术提供了1、自适应窗的胃部CT图像淋巴结跟踪检测系统，其特征是：依次包括用于对图像进行分类的基于模糊C均值的分类模块、用于对感兴趣区域进行外边界检测的基于边界先验的疑似淋巴结提取模块和用于对疑似淋巴结的窗口图像中的目标进行跟踪并检测出目标的自适应窗的淋巴结跟踪检测模块；所述基于模糊C均值的分类模块依次包括用于求解模糊C均值目标函数的模糊C均值参数计算子模块和对计算结果样本分类的模糊C均值分类子模块；所述基于边界先验的疑似淋巴结提取模块依次包括对图像各区域进行边界提取的边界提取子模块和对疑似淋巴结边界进行标记的疑似淋巴结提取子模块；所述自适应窗的淋巴结跟踪检测模块依次包括疑似淋巴结面积排序子模块、疑似淋巴结窗口大小及中心位置计算子模块、血管跟踪子模块、淋巴结跟踪子模块、血管标记子模块和淋巴结标记子模块；所述的自适应窗的胃部CT图像淋巴结跟踪检测系统的跟踪检测方法，包括以下几个步骤：第一步，基于模糊C均值的分类用于对图像进行分类，主要步骤为：1.1、利用模糊C均值参数计算子模块进行模糊C均值参数计算：求解模糊C均值目标函数的参数，其中v1,…,vc是c个聚类中心，m>1是个常量，μik是隶属度，是样本xk属于第i类的概率，并且0≤μik≤1，U是c·n的隶属度矩阵；1.2、利用模糊C均值分类子模块进行模糊C均值分类：通过模糊C均值参数计算子模块，得到最终的参数，通过公式得到样本xj被分到第k类，其中c＝3，这样就把样本分为3类，第一类为背景区域中的样本，第二类是脂肪区域中的样本，第三类为感兴趣区域中的样本；第二步，基于边界先验的疑似淋巴结提取用于对感兴趣区域进行外边界检测，主要步骤为：2.1、利用边界提取子模块进行边界提取：对感兴趣区域图中各个连通区域进行外边界提取，将感兴趣区域图中每个像素的8邻域中是脂肪区域和背景区域的像素标记为边界；2.2、利用疑似淋巴结提取子模块进行疑似淋巴结提取：利用疑似淋巴结的外边界在脂肪区域中这个先验，若感兴趣区域图的一个连通区域的外边界全都在脂肪区域中，则标记该区域为疑似淋巴结；第三步，自适应窗的淋巴结跟踪检测用于对疑似淋巴结的窗口图像中的目标进行跟踪并检测出目标，自适应窗的淋巴结跟踪与检测按每个疑似淋巴结最大切片面积自适应定义每个疑似淋巴结的窗口并把最大切片面积所在CT图像作为当前帧；从当前帧开始向前和向后进行跟踪操作，检测出淋巴结，主要步骤为：3.1利用疑似淋巴结面积排序子模块进行疑似淋巴结面积排序：通过基于边界先验的疑似淋巴结提取步骤，得到所有图像中的疑似淋巴结，对所有图像中的疑似淋巴结按照面积从大到小进行排序，得到A＝{a1,a2,…,an}，其中Area(ak)是疑似淋巴结ak的面积，即疑似淋巴结ak所在区域的像素个数，n为所有图像的疑似淋巴结的总个数；3.2、利用疑似淋巴结窗口大小及中心位置计算子模块进行疑似淋巴结窗口大小及中心位置计算：设定疑似淋巴结ak∈A的窗口大小为(2*lk+1)·(2*lk+1)，其中lk的定义为：找到疑似淋巴结ak中所有像素点到中心点(x,y)之间具有最远距离的像素点，该像素点与中心点(x,y)的距离即为lk，中心点是疑似淋巴结ak中所有像素的均值位置，即其中(xj,yj)∈K(ak)，K(ak)是疑似淋巴结ak中的所有像素的位置集合，m为集合K(ak)中包含像素总数；以疑似淋巴结ak的中心像素点(x,y)为中心，大小为(2*lk+1)·(2*lk+1)的窗口作为ak的窗Wf，其中f是疑似淋巴结ak的窗口所在的帧；3.3、利用血管跟踪子模块进行血管跟踪：从当前帧开始向前向后进行血管的跟踪，下一帧所能正确跟踪出的血管是由上一帧的血管在上一帧窗口的相应位置所决定的，此时分为三种情况，如果在相应位置上有多个不同的连通区域，并且在相应位置所含像素最多的那个连通区域的面积和当前帧血管的面积相差不大，那么选择在相应位置所含像素最多的那个连通区域即为跟踪到的目标；如果在相应位置上只有一个连通区域，并且该连通区域在该窗口中的面积与当前帧血管的面积相差不大，那么该连通区域即为跟踪到的目标；如果在相应位置上没有连通区域存在，那么血管跟踪算法结束；如果在下一帧中可以跟踪到目标，那么首先取一个比原来窗口更大的新的窗口W，该新窗口W的边界线上不包含该跟踪到的目标在W中对应的目标中的像素，如果在下一帧跟踪到的目标区域和新的窗口W对应的目标区域的面积不相同，那么需要做扩窗本文档来自技高网...

【技术保护点】
自适应窗的胃部CT图像淋巴结跟踪检测系统，其特征是：依次包括用于对图像进行分类的基于模糊C均值的分类模块、用于对感兴趣区域进行外边界检测的基于边界先验的疑似淋巴结提取模块和用于对疑似淋巴结的窗口图像中的目标进行跟踪并检测出目标的自适应窗的淋巴结跟踪检测模块；所述基于模糊C均值的分类模块依次包括用于求解模糊C均值目标函数的模糊C均值参数计算子模块和对计算结果样本分类的模糊C均值分类子模块；所述基于边界先验的疑似淋巴结提取模块依次包括对图像各区域进行边界提取的边界提取子模块和对疑似淋巴结边界进行标记的疑似淋巴结提取子模块；所述自适应窗的淋巴结跟踪检测模块依次包括疑似淋巴结面积排序子模块、疑似淋巴结窗口大小及中心位置计算子模块、血管跟踪子模块、淋巴结跟踪子模块、血管标记子模块和淋巴结标记子模块。

【技术特征摘要】
1.自适应窗的胃部CT图像淋巴结跟踪检测系统，其特征是：依次包括用于对图像进行分类的基于模糊C均值的分类模块、用于对感兴趣区域进行外边界检测的基于边界先验的疑似淋巴结提取模块和用于对疑似淋巴结的窗口图像中的目标进行跟踪并检测出目标的自适应窗的淋巴结跟踪检测模块；所述基于模糊C均值的分类模块依次包括用于求解模糊C均值目标函数的模糊C均值参数计算子模块和对计算结果样本分类的模糊C均值分类子模块；所述基于边界先验的疑似淋巴结提取模块依次包括对图像各区域进行边界提取的边界提取子模块和对疑似淋巴结边界进行标记的疑似淋巴结提取子模块；所述自适应窗的淋巴结跟踪检测模块依次包括疑似淋巴结面积排序子模块、疑似淋巴结窗口大小及中心位置计算子模块、血管跟踪子模块、淋巴结跟踪子模块、血管标记子模块和淋巴结标记子模块；所述的自适应窗的胃部CT图像淋巴结跟踪检测系统的跟踪检测方法，包括以下几个步骤：第一步，基于模糊C均值的分类用于对图像进行分类，主要步骤为：1.1、利用模糊C均值参数计算子模块进行模糊C均值参数计算：求解模糊C均值目标函数的参数，其中v1,…,vc是c个聚类中心，m>1是个常量，μik是隶属度，是样本xk属于第i类的概率，并且0≤μik≤1，U是c·n的隶属度矩阵；1.2、利用模糊C均值分类子模块进行模糊C均值分类：通过模糊C均值参数计算子模块，得到最终的参数，通过公式得到样本xj被分到第k类，其中c＝3，这样就把样本分为3类，第一类为背景区域中的样本，第二类是脂肪区域中的样本，第三类为感兴趣区域中的样本；第二步，基于边界先验的疑似淋巴结提取用于对感兴趣区域进行外边界检测，主要步骤为：2.1、利用边界提取子模块进行边界提取：对感兴趣区域图中各个连通区域进行外边界提取，将感兴趣区域图中每个像素的8邻域中是脂肪区域和背景区域的像素标记为边界；2.2、利用疑似淋巴结提取子模块进行疑似淋巴结提取：利用疑似淋巴结的外边界在脂肪区域中这个先验，若感兴趣区域图的一个连通区域的外边界全都在脂肪区域中，则标记该区域为疑似淋巴结；第三步，自适应窗的淋巴结跟踪检测用于对疑似淋巴结的窗口图像中的目标进行跟踪并检测出目标，自适应窗的淋巴结跟踪与检测按每个疑似淋巴结最大切片面积自适应定义每个疑似淋巴结的窗口并把最大切片面积所在CT图像作为当前帧；从当前帧开始向前和向后进行跟踪操作，检测出淋巴结，主要步骤为：3.1利用疑似淋巴结面积排序子模块进行疑似淋巴结面积排序：通过基于边界先验的疑似淋巴结提取步骤，得到所有图像中的疑似淋巴结，对所有图像中的疑似淋巴结按照面积从大到小进行排序，得到A＝{a1,a2,…,an}，其中Area(ak)≥Area(ak+1)≥5,1≤k≤n-1，Area(ak)是疑似淋巴结ak的面积，即疑似淋巴结ak所在区域的像素个数，n为所有图像的疑似淋巴结的总个数；3.2、利用疑似淋巴结窗口大小及中心位置计算子模块进行疑似淋巴结窗口大小及中心位置计算：设定疑似淋巴结ak∈A的窗口大小为(2*lk+1)·(2*lk+1)，其中lk的定义为：找到疑似淋巴结ak中所有像素点到中心点(x,y)之间具有最远距离的像素点，该像素点与中心点(x,y)的距离即为lk，中心点是疑似淋巴结ak中所有像素的均值位置，即其中(xj,yj)∈K(ak)，K(ak)是疑似淋巴结ak中的所有像素的位置集合，m为集合K(ak)中包含像素总数；以疑似淋巴结ak的中心像素点(x,y)为中心，大小为(2*lk+1)·(2*lk+1)的窗口作为ak的窗Wf，其中f是疑似淋巴结ak的窗口所在的帧；3.3、利用血管跟踪子模块进行血管跟踪：从当前帧开始向...

【专利技术属性】
技术研发人员：刘芳，焦李成，薛海珍，李玲玲，戚玉涛，郝红侠，李婉，马文萍，马晶晶，尚荣华，于昕，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61