The invention discloses an automatic segmentation method for brain tumor images based on superpixel fuzzy spectral clustering. First, superpixel segmentation is performed on FLAIR modal images containing brain tumors, then gray histogram features of these superpixel blocks are extracted, and the gray histogram features of the superpixel blocks are used as the input of the algorithm. The fuzzy similarity matrix of the image is calculated by the input features, and then the final segmentation result is obtained by clustering with NJW spectral clustering algorithm. The method uses fuzzy theory to optimize the similarity measurement method of spectral clustering, introduces fuzzy weight parameters into the Gaussian distance measurement method of spectral clustering, and defines the fuzzy similarity measurement method based on superpixel features. The invention is an automatic image segmentation method, which does not need human intervention, and uses the fuzzy spectral clustering segmentation algorithm based on superpixel, greatly reducing the time complexity of the spectral clustering algorithm, and improving the segmentation accuracy.
【技术实现步骤摘要】
一种基于超像素的模糊谱聚类脑肿瘤图像自动分割方法
本专利技术涉及图像处理和模式识别与机器学习领域,特别涉及一种基于模糊聚类的脑肿瘤图像分割方法。
技术介绍
脑肿瘤是现代发病率较高的一种疾病,这种疾病会压迫人体正常脑组织,对患者的健康影响比较大,甚至可能导致死亡。目前脑肿瘤发病率占全身肿瘤的1.5%,近年来,随着核磁共振成像、CT等影像技术的广泛应用,为医生的可靠诊断提供依据。由于这类技术相对简单、快速有效,而且准确性高,使得脑肿瘤的检出率大大提升。目前,对于脑肿瘤疾病的治疗方案基本是以手术为主,放疗和化疗手段为辅。因此,在临床手术中,脑肿瘤区域的定位显得尤为关键。脑肿瘤分割一直以来都是医学图像领域研究的重点和难点,但是由于脑肿瘤边界模糊,结构复杂多变,并且经常与正常脑组织混合在一起,使得分割问题变得复杂。现有的针对脑肿瘤分割的方法有很多,比如基于区域生长的分割方法、基于形变模型的分割方法、基于聚类的分割方法以及形态学分水岭分割方法等。从人为干预程度来划分,可以将脑肿瘤分割划分为三类,分别是人工分割、半自动化分割以及自动化分割。其中,人工分割需要医生具有丰富的临床经验,缺点很明显,比如分割过程非常耗时,而且不同专家的分割结果不同,即使同一专家在不同时间段分割的结果也可能不同;半自动化分割往往是通过初始化操作或者人工矫正分割结果等“人机交互”的方式,实现完整的分割过程,目前,这种半自动分割方式在临床应用中较为广泛;自动化分割通常结合人类智能和先验知识,利用软计算等技术实现不需要人工干预的智能分割,但是,由于脑肿瘤在不同病人身上表现出的多样性,以及在多数情况下与 ...
【技术保护点】
1.一种基于超像素的模糊谱聚类脑肿瘤图像分割方法,其特征在于:主要包括以下步骤:步骤一:获取待分割包含脑肿瘤核磁共振成像的FLAIR模态图像,并将其转换为灰度图像;步骤二:对灰度图像中的像素点进行超像素分割,获得超像素块;步骤三:提取超像素块的灰度直方图特征,得到整个图像的特征集形成输入矩阵;步骤四:对上述的基于超像素特征的输入矩阵进行模糊聚类,计算模糊相似性矩阵,同时设置模糊相似性矩阵的对角线元素为零;步骤五:将以上得到的基于超像素特征的模糊相似性矩阵采用NJW谱聚类算法进行聚类;步骤六:根据上述基于超像素的模糊谱聚类算法的聚类结果,得到最终的分割图像,并将分割图像映射到真值图像上,统计分割精度和分割时间。
【技术特征摘要】
1.一种基于超像素的模糊谱聚类脑肿瘤图像分割方法,其特征在于:主要包括以下步骤:步骤一:获取待分割包含脑肿瘤核磁共振成像的FLAIR模态图像,并将其转换为灰度图像;步骤二:对灰度图像中的像素点进行超像素分割,获得超像素块;步骤三:提取超像素块的灰度直方图特征,得到整个图像的特征集形成输入矩阵;步骤四:对上述的基于超像素特征的输入矩阵进行模糊聚类,计算模糊相似性矩阵,同时设置模糊相似性矩阵的对角线元素为零;步骤五:将以上得到的基于超像素特征的模糊相似性矩阵采用NJW谱聚类算法进行聚类;步骤六:根据上述基于超像素的模糊谱聚类算法的聚类结果,得到最终的分割图像,并将分割图像映射到真值图像上,统计分割精度和分割时间。2.根据权利要求1所述的一种基于超像素的模糊谱聚类脑肿瘤图像分割方法,其特征在于:所述灰度直方图特征,包括峰值、标准差、中值、平均值、平滑度、三阶矩、四分位矩、一致性和熵。3.根据权利要求1或2所述的一种基于超像素的模糊谱聚类脑肿瘤图像分割方法,其特征在于:步骤四中所述的计算模糊相似性矩阵,具体步骤如下:(1)将超像素块的灰度直方图特征矩阵,采用模糊C均值算法聚类,得到特征集的隶属度函数u和聚类标签;(2)采用隶属度函数u计算模糊...
【专利技术属性】
技术研发人员:赵海峰,夏国峰,陈天聪,张少杰,汤振宇,
申请(专利权)人:安徽大学,安徽安大笃北信息科技有限责任公司,
类型:发明
国别省市:安徽,34
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。