一种提取CT图像中人体区域的方法技术

本发明专利技术公开了一种提取CT图像中人体区域的方法，涉及医学图像处理领域，本发明专利技术通过聚类算法以及一系列图像形态学方法将患者CT图像划分为人体区域和背景区域，达到自动生成训练卷积神经网络模型所需的训练子集、验证集和单像素测试集小块；通过卷积神经网络模型，对人体区域和背景区域两类小块进行分类，涉及最优参数化的卷积神经网络模型，达到准确率高的人体区域分类效果；实现了对患者CT图像进行全自动的人体所占区域的提取功能，高效且准确，并对下一阶段的人体体内的全肺分析具有价值与帮助，有助于更高效、准确的定位肺部内的肺实质、肺癌等区域的提取、分类。

【技术实现步骤摘要】
一种提取CT图像中人体区域的方法
本专利技术属于医学图像处理领域，特别涉及一种提取CT图像中人体区域的方法。
技术介绍
医学图像在采集过程中，由于患者需要躺在病床或支撑物上进行采集，因此，医疗器械采集到的医学图像都带有人体下方的病床和人体身上的衣物等背景区域，而这些特殊的图像区域并不具备有价值的医学信息，同时由于其特征可能与人体内部肺实质区域的特征相似，往往会干扰对靶向目标的分割和提取。因此，在对医学靶向目标进行提取时，研究人员会先对图像进行一个预处理来去除背景的干扰。但是，由于患者进行医学扫查时，并不确定身体周围会携带的衣物情况，以及病床的多样性，往往需要对于不同的设备所采集的图像进行不同的去除背景的预处理操作。阈值分割是最常用且最简单的方法，在简单的情况下，病床与人体距离较远，且身体周围的衣物密度较低，阈值分割方便快捷。但当病床与患者紧贴或衣物密度高时，往往会难以去除。基于模型的方法是一种高效且准确的方法，首先单独采集医疗器械的病床图像，直接获得病床在图像中的影像，然后对病床进行建模，在患者图像采集完成后，用患者图像减去已有的病床模型从而获得患者在图像中的人体所占区域，这种方法高本文档来自技高网...

【技术保护点】
1.一种提取CT图像中人体区域的方法，其特征在于：包括如下步骤：步骤1：依据CT图像的先验知识对图像进行钳制操作，得到钳制CT图像，然后依据脂肪组织的先验知识对钳制CT图像进行二值化操作，得到二值化图像，将二值化图像进行最大连通体操作，根据最大连通体的结果检测病床是否被去除；病床被去除则执行步骤3，病床未被去除则执行步骤2；步骤2：针对未去除病床或人体相对于整张图像过低的患者CT图像数据进行相应的一系列形态学操作A，以获得完整的人体区域和背景区域；步骤3：针对病床已去除的患者CT图像数据进行对应的一系列形态学操作B，以获得完整的人体区域和背景区域；步骤4：将步骤2和步骤3所获得的人体区域和背景...

【技术特征摘要】
1.一种提取CT图像中人体区域的方法，其特征在于：包括如下步骤：步骤1：依据CT图像的先验知识对图像进行钳制操作，得到钳制CT图像，然后依据脂肪组织的先验知识对钳制CT图像进行二值化操作，得到二值化图像，将二值化图像进行最大连通体操作，根据最大连通体的结果检测病床是否被去除；病床被去除则执行步骤3，病床未被去除则执行步骤2；步骤2：针对未去除病床或人体相对于整张图像过低的患者CT图像数据进行相应的一系列形态学操作A，以获得完整的人体区域和背景区域；步骤3：针对病床已去除的患者CT图像数据进行对应的一系列形态学操作B，以获得完整的人体区域和背景区域；步骤4：将步骤2和步骤3所获得的人体区域和背景区域进行无重叠裁剪成尺寸为64*64像素的小块，获得训练集和单像素测试集，其中训练集包括训练子集和验证集，建立卷积神经网络模型，采用训练子集和验证集数据对卷积神经网络模型进行训练和验证，同时使用贝叶斯最优化算法对卷积神经网络的超参数进行最优化，从而完成卷积神经网络模型的训练；步骤5：对单像素测试集的CT图像进行k-means聚类，将高像素类区域进行裁剪为64*64像素尺寸的小块，形成高像素类区域的单像素测试集，使用步骤4中训练完成最优化超参数的卷积神经网络模型对高像素区域的单像素测试集进行分类，然后依据分类结果映射到原始CT图像，完成单像素的人体区域分割。2.根据权利要求1所述的一种提取CT图像中人体区域的方法，其特征在于：所述步骤1包括以下步骤：步骤1.1：依据CT值的先验知识，对每张CT图像的CT值小于-1024HU的区域设定为-1024HU，对每张CT图像的CT值大于1024HU的区域设定为1024HU，将所有图像的CT值钳制在[-1024HU,1024HU]之间，获得钳制CT图像；步骤1.2：对钳制CT图像进行二值化操作，将CT值小于-120HU的区域设定为0，将CT值大于等于-120HU的区域设定为1，以完成二值化操作,获得初步确定的人体和病床区域的二值化图像；步骤1.3：对二值化图像进行最大连通体操作，然后基于图像尺寸为512×512像素，设置病床探测线为每张图像的第477行，判断该行数据是否存在1的区域，如果存在，认定为未去除病床或人体相对于整张图像过低，则执行步骤2；如果不存在，认定为病床已去除，则执行步骤3。3.根据权利要求1所述的一种提取CT图像中人体区域的方法，其特征在于：所述步骤2中的一系列形态学操作A包括以下步骤：步骤2.1：针对步骤1.3所述的未去除病床或人体相对于整张图像过低的患者CT图像数据进行阈值100HU的二值化操作，设定CT值大于等于100HU的区域设定为1，设定CT值小于100HU的区域设定为0，以标记为1的区域获得病床、骨头以及离散的小噪声区域进行最大连通体操作，获得骨头区域，将骨头区域去除，留下病床和离散的小噪声区域；步骤2.2：对步骤2.1中获得的病床和离散的小噪声区域进行逐个连通体的体积判断，保留连通体个数大于7500阀值个点的所有连通体，从而去除离散的小噪声区域，获得初步的病床区域，同时提取病床区域中体积第二大的连通体，该连通体代表病床的枕头区域，对枕头区域进行先膨胀后腐蚀的闭操作，闭操作选择的卷积核为半径100像素的圆，获得的初步确定的病床区域；步骤2.3：对未去除病床或人体相对于整张图像过低的患者CT图像的原始钳制CT图像进行聚类，采用k-means聚类算法将图像像素点聚类为高像素类和低像素类，其中，高像素类包括人体的高密度组织和病床区域，而低密度类包括人体外面的背景区域和人体内的肺部区域；然后，将高像素类区域减去步骤2.2中获得的初步确定的病床区域，得到初步的人体高密度区域；步骤2.4：对步骤2.3中获得的低像素类进行最大连通体操作，该最大连通体为人体体外的背景区...

【专利技术属性】
技术研发人员：徐明杰，杨洋，齐守良，马贺，钱唯，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21