基于细粒度医学图像分割与真值发现数据扩增的垂体瘤质地影像分级方法技术

本发明专利技术公开了一种基于细粒度医学图像分割与真值发现数据扩增的垂体瘤质地影像分级方法，包括如下步骤：步骤一：基于细粒度优化果蝇‑密度峰值聚类的医学图像分割；步骤二：基于真值发现的垂体瘤数据扩增；步骤三：基于步骤一和步骤二的垂体瘤质地影像分级。本发明专利技术通过细粒度划分算法和FOA‑DPC算法相融合，对医学图像进行精准分割；本发明专利技术还实现了基于真值发现理论的医学影像数据扩增，解决可用医学图像数据集过少的问题。本发明专利技术将KFOA‑DPC分割算法与深度学习相结合，解决dicom格式图像灰度庞杂且特征不易提取的问题，实现垂体瘤质地软韧的分级，辅助临床诊断。

Grading method of pituitary tumor texture image based on fine-grained medical image segmentation and truth value discovery data amplification

【技术实现步骤摘要】
基于细粒度医学图像分割与真值发现数据扩增的垂体瘤质地影像分级方法
本专利技术涉及一种垂体瘤质地影像分级方法，具体涉及一种基于细粒度医学图像分割与真值发现数据扩增的垂体瘤质地影像分级方法，属于医学图像处理

技术介绍
垂体瘤是一组从垂体前叶和后叶及颅咽管上皮残余细胞发生的肿瘤，十分频发，约占颅内肿瘤的10％。垂体瘤的质地软韧影响手术治疗的入路以及手术方案，目前随着微创技术的发展，经蝶窦入路的微创手术已经成为首选的治疗方法，但其仅适应于质地较软的垂体瘤，而对于一小部分质地较韧或者较硬的垂体瘤，采用蝶窦手术入路难以刮除，需要切割甚至反复电凝才能切除。目前对于术前肿瘤质地评估具有一定的困难，因此，术前对肿瘤质地的评估对手术入路的选择以及手术疗效具有重要的意义。医学图像分割是医学图像处理中的重要手段，通过医学图像分割得到医学图像中的ROI(ReginaofInterest，感兴趣区域)，医务人员可以更快更准确地进行临床诊断。传统的医学图像分割算法有很多种，大致可分为基于边缘、基于阈值、结合特定理论和基于聚类的图像分割算法这四类。密本文档来自技高网...

【技术保护点】
1.基于细粒度医学图像分割与真值发现数据扩增的垂体瘤质地影像分级方法，其特征在于，包括如下步骤：/n步骤一：基于细粒度优化果蝇-密度峰值聚类的医学图像分割；/n步骤二：基于真值发现的垂体瘤数据扩增；/n步骤三：基于步骤一和步骤二的垂体瘤质地影像分级。/n

【技术特征摘要】
1.基于细粒度医学图像分割与真值发现数据扩增的垂体瘤质地影像分级方法，其特征在于，包括如下步骤：
步骤一：基于细粒度优化果蝇-密度峰值聚类的医学图像分割；
步骤二：基于真值发现的垂体瘤数据扩增；
步骤三：基于步骤一和步骤二的垂体瘤质地影像分级。


2.根据权利要求1所述的基于细粒度医学图像分割与真值发现数据扩增的垂体瘤质地影像分级方法，其特征在于，步骤一中，首先使用K-means算法对医学图像进行预聚类，将灰度等级分类，之后使用FOA-DPC算法对医学图像的各个灰度等级进行分割。


3.根据权利要求2所述的基于细粒度医学图像分割与真值发现数据扩增的垂体瘤质地影像分级方法，其特征在于，所述垂体瘤医学图像的图像格式为DICOM；将所述灰度等级分为256类。


4.根据权利要求3所述的基于细粒度医学图像分割与真值发现数据扩增的垂体瘤质地影像分级方法，其特征在于，步骤一的具体操作步骤为：
S01，首先输入医学图像，初始化坐标点后输入种群规模Sizepop，迭代次数Maxgen，赋予果蝇随机初始位置X_axis和Y_axis；
S02，其次随机指定256个点作为初始质心，所述的点是指各个灰度等级的灰度值；
S03，根据K-means的K值计算方法，计算比较每个灰度点与初始质心的距离，将每个灰度点指派到最近的初始质心，形成256个簇，然后重新计算已经得到的各个簇的质心，迭代以上S01和S02，直至所有灰度点所属的质心都不再变化时，收敛；
S04，将X_axis，Y_axis分别赋予DPC参数的dc值和k值，即dc←X_axis，k←Y_axis，然后赋予果蝇个体运动的随机方向和距离，即Xa＝X_axis+randi()；Ya＝Y_axis+randi()，开始嗅觉搜索；
其中，dc代表截断距离；k代表DPC算法的聚类中心个数；Xa代表果蝇嗅觉搜索中随机运动后的位置横坐标；Ya代表果蝇嗅觉搜索中随机运动后的位置纵坐标；X_axis代表赋予果蝇个体初始的位置横坐标；Y_axis代表赋予果蝇个体初始的位置纵坐标；randi()代表果蝇随机运动的距离；
S05，计算数据点间的距离δ和数据点个数ρ，利用图像熵计算味道浓度函数fit，并将测试结果记录到味道浓度数组Smell中；
S06，根据初始味道浓度寻找极值Smellbest，保留当代果蝇最佳个体和最佳位置；进入视觉搜索，果蝇按照种群规模Sizepop和迭代次数Maxgen迭代寻优，寻找多元极值，当最优味道浓度值Bestsmell大于极值Smellbest时，保留此时的果蝇个体和果蝇位置信息X_axis，Y_axis，即参数信息；使用该参数信息进行医学图像分割。


5.根据权利要求4所述的基于细粒度医学图像分割与真值发现数据扩增的垂体瘤质地影像分级方法，其特征在于，步骤一分割后的医学图像的集合中的样本数量较少，步骤二则对上述数据进行扩增，具体操作步骤为：
依次分别将与垂体瘤质地相关的医学图像数据中集中各个质地类型的样本输入到深度卷积神经网络，提取内层卷积后的图像特征，构成各个质地垂体瘤特征数据集，假设特征数据集中有n个特征数据，使用滑动窗口技术，选取a个特征数据作为基础数据集，滑动窗口宽度为b，则会产生(n-a)/b个子数据集；将基础数据集和子数据集中的特征数据分别映...

【专利技术属性】
技术研发人员：朱红，徐凯，方谦昊，王琳，吴佳伟，姜代红，
申请(专利权)人：徐州医科大学，
类型：发明
国别省市：江苏;32