基于随机森林与统计模型的小鼠CT图像肾脏分割方法技术

本发明专利技术属于医学图像处理技术领域，公开了一种基于随机森林与统计模型的小鼠CT图像肾脏分割方法，包括：基于训练样本分别建立高对比度器官及低对比度器官均值模型；估计目标图像中肾脏的位置；提取训练样本及目标图像的特征；训练随机森林并完成目标分割。本发明专利技术构造了针对CT图像的特征表达，使得随机森林能够精确地分割CT图像，解决了面对CT序列图像的大数据量，随机森林计算复杂、速度太慢的问题；同时可避免统计模型可能带来的过拟合问题，可使用少量样本建立模型；实现CT图像中肾脏的分割，具有精确、快速、不需要人为干预的特点，在医学图像分割等领域有重要的参考应用价值。

Kidney segmentation method for mouse CT image based on random forest and statistical model

The invention belongs to the technical field of medical image processing, and discloses a mouse kidney CT image segmentation method, random forests and based on statistical models include: high contrast organs and low contrast organs mean models are established based on training samples to estimate the position of the kidney; target image; feature extraction of training samples and the target image; training random forest and object segmentation. The present invention is constructed according to the features of CT image expression, the random forest can accurately solve the segmentation of CT image, CT image sequences in large data quantity, complex and slow calculation of random forests; and also can avoid the overfitting problem of statistical modeling could bring, you can use a small amount of sample model; implementation of the kidney the CT image segmentation, has the characteristics of accurate, fast, without human intervention, and has important reference value in the field of medical image segmentation.

【技术实现步骤摘要】
基于随机森林与统计模型的小鼠CT图像肾脏分割方法
本专利技术属于医学图像处理
，尤其涉及一种基于随机森林与统计模型的小鼠CT图像肾脏分割方法。
技术介绍
医学影像学作为一门实用价值极高的交叉性学科在日益受到关注的同时，其成像技术也在不断革新，相继出现了如计算机断层成像(ComputedTomography，CT)、超声成像(Ultrasonography，US)、磁共振成像(MagneticResonanceImaging，MRI)等大量成像技术。Micro-CT(microcomputedtomography,微计算机断层扫描技术)作为一种重要的医学影像形式在对小动物的临床研究中获得了广泛的应用。医学图像描述了各种器官组织、结构和病灶的详细信息，为疾病诊断、病理学定位、解剖结构研究、手术规划及指导等提供了重要依据。由于生物组织内部自身的差异、器官的蠕动、局部体效应的存在及成像技术的限制等原因，医学图像通常会具有灰度分布不均，边缘模糊不定和包含噪声或伪影的特点，所以为了给医生在影响处理和分析时提供更有利的定量分析条件，从而提高诊断效率，医学图像分割成为了不可或缺的关键过程，而实本文档来自技高网...

【技术保护点】
一种基于随机森林与统计模型的小鼠CT图像肾脏分割方法，其特征在于，所述基于随机森林与统计模型的小鼠CT图像肾脏分割方法包括以下步骤：步骤一，基于训练样本分别建立高对比度器官及低对比度器官均值模型，使用阈值法和手动分割方法得到小鼠CT图像训练样本中每个样本的皮肤；对于每一个器官，选定其中一个训练样本作为基准模板，把其余所有训练样本配准到该模板上，得到器官的均值模型；联合皮肤，骨骼和肺的均值模型生成高对比度器官均值模型，以肾脏的均值模型作为低对比度器官均值模型；步骤二，使用阈值法和手动分割方法得到目标CT图像的皮肤，骨骼和肺，得到目标图像高对比度器官，并作为基准来配准高对比度器官均值模型以得到变换...

【技术特征摘要】
1.一种基于随机森林与统计模型的小鼠CT图像肾脏分割方法，其特征在于，所述基于随机森林与统计模型的小鼠CT图像肾脏分割方法包括以下步骤：步骤一，基于训练样本分别建立高对比度器官及低对比度器官均值模型，使用阈值法和手动分割方法得到小鼠CT图像训练样本中每个样本的皮肤；对于每一个器官，选定其中一个训练样本作为基准模板，把其余所有训练样本配准到该模板上，得到器官的均值模型；联合皮肤，骨骼和肺的均值模型生成高对比度器官均值模型，以肾脏的均值模型作为低对比度器官均值模型；步骤二，使用阈值法和手动分割方法得到目标CT图像的皮肤，骨骼和肺，得到目标图像高对比度器官，并作为基准来配准高对比度器官均值模型以得到变换矩阵；根据生物体各器官之间的相对位置相对不变性，将变换矩阵应用在低对比度器官均值模型上，得到目标图像的低对比度器官，完成目标图像中肾脏位置的估计；步骤三，分别以训练样本中包含肾脏的最小六面体和目标图像中包含肾脏估计位置的最小六面体作为特征提取的区域，提取训练样本和目标图像的特征；针对每个体素提取一个特征向量，每个特征向量包括四个方面的特征，分别是灰度统计特征，曲率特征，纹理特征和空间语境特征；步骤四，用训练样本的特征及相应的标签来训练随机森林，把目标图像的特征作为训练后的随机森林的输入，输出的标签即为目标图像中肾脏的分割结果。2.如权利要求1所述的基于随机森林与统计模型的小鼠CT图像肾脏分割方法，其特征在于，所述步骤一中基于训练样本分别建立高对比度器官及低对比度器官的均值模型具体包括：(1)选取N个小鼠的CT图像作为训练样本，使用阈值和手动分割方法得到每个样本的皮肤，骨骼，肺和肾脏；(2)以点云数据表示每个样本的皮肤，骨骼，肺和肾脏，网格剖分获得各器官的点云表示；分别对各个器官的点云数据使用迭代最近点算法进行配准，计算N个样本中各器官的均值模型；将皮肤，骨骼，肺和肾脏的均值模型分别记为Mskin，Mtrunk，Mlung和Mkidney；(3)选取高对比度器官均值模型Mh＝[Mskin，Mtrunk，Mlung]，低对比度器官均值模型Ml＝Mkidney。3.如权利要求1所述的基于随机森林与统计模型的小鼠CT图像肾脏分割方法，其特征在于，所述步骤二中估计目标图像中肾脏的位置的具体包括：1)使用阈值或手动分割方法获得待分割图像的高对比度器官，包括皮肤Oskin，骨骼Otrunk和肺Olung，令目标图像高对比度器官Oh＝[Oskin，Otrunk，Olung]；2)对高对比度器官均值模型Mh和目标图像高对比度器官Oh进行下采样得到Mhs和Ohs，下采样的方法是随机下采样，均匀网格滤波或非均匀网格滤波中的一种,对下采样后的点云数据使用迭代最近点算法进行配准，即把Mhs配准到Ohs得到变换矩阵Tform；3)对低对比度器官均值模型Ml应用变换矩阵Tform得到Ol，作为目标图像中肾脏的位置估计。4.如权利要求1所述的基于随机森林与统计模型的小鼠CT图像肾脏分割方法，其特征在于，所述步骤三中提取训练样本及目标图像的特征的具体包括：a)选取k(1≤k≤N)个训练样本，对第i(1≤i≤k)个样本Si进行特征提取...

【专利技术属性】
技术研发人员：侯榆青，高培，赵凤军，贺小伟，王宾，易黄建，曹欣，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西,61