一种基于动态阈值的淋巴癌图像精细分割方法技术

一种基于动态阈值的淋巴癌图像精细分割方法，首先使用双预测精度的方法来保证ROI选取的准确性，以及确保选择区域包含整个淋巴癌；其次，对于在优化过程中新出现的单个淋巴癌病灶，视为一个新的ROI区域，并以独立的阈值标准继续优化边缘，以此调整密集区域单个淋巴癌的边缘精细分割。本发明专利技术通过采用动态ROI阈值方法对密集区域单个病灶图像的初分割结果进行优化，利用双预测精度信息获取更为准确的淋巴癌图像。

【技术实现步骤摘要】
一种基于动态阈值的淋巴癌图像精细分割方法
本专利技术涉及一种基于动态阈值的淋巴癌图像精细分割方法。技术背景18-fluorinefluorodeoxyglucose(18F-FDG)的PET成像是医学分析淋巴癌的主要手段和工具，在PET图像中，standardizeduptakevalue(SUV)被广泛用于定位和分割淋巴癌。淋巴癌的PET图分辨率极低，就算是经验丰富的专家，对同一个淋巴癌手动识别都会存在微小的差异，因此在很多情况下，约定俗成使用局部最大值的41％作为衡量标准。但是，使用局部的阈值作为分割标准一般需要额外提供感兴趣区域，在全身的PET数据中无法使用阈值法。直接使用阈值法明显无法满足淋巴癌的多样性。由于受限于单一的最大值，周围的淋巴癌块图像容易被忽略，并且一些正常的组织图像被误认为淋巴癌图像。
技术实现思路
为了克服现有技术的不足，针对一些粗分割结果的局部病灶图像边缘存在欠分割的问题，本专利技术提供一种基于动态阈值在淋巴癌图像精细分割的方法，通过采用动态ROI阈值方法对密集区域单个病灶图像的初分割结果进行优本文档来自技高网...

【技术保护点】
1.一种基于动态阈值的淋巴癌图像精细分割方法，其特征在于，所述方法包括以下步骤：/n步骤1.获取大致位置准备阶段，probs是指网络输出概率，T1是低阈值，T2是高阈值，过程如下：/n1.1)获取probs中病灶概率大于T1的坐标簇C1；/n1.2)获取probs中病灶概率大于T2的坐标C2；/n1.3)对于每一个C1，使其与C2相与，即C1∩C2，若不为空集保留C1，否则舍弃；/n步骤2.局部优化阶段，即优化C1中每一个簇，所述簇为单个病灶集合，过程如下：/n2.1)对于簇的总像素点多余N1，若SUV最低值＜SUV最大值*0.41：删除这个最低值坐标；否则保存这个簇并进行下一个簇；/n2.2...

【技术特征摘要】
1.一种基于动态阈值的淋巴癌图像精细分割方法，其特征在于，所述方法包括以下步骤：
步骤1.获取大致位置准备阶段，probs是指网络输出概率，T1是低阈值，T2是高阈值，过程如下：
1.1)获取probs中病灶概率大于T1的坐标簇C1；
1.2)获取probs中病灶概率大于T2的坐标C2；
1.3)对于每一个C1，使其与C2相与，即C1∩C2，若不为空集保留C1，否则舍弃；
步骤2.局部优化阶段，即优化C1中每一个簇，所述簇为单个病灶集合，过程如下：
2.1)对于簇的总像素点多余N1，若SUV最低值＜SUV最大值*0.41：删除这个最低值坐标；否则保存这个簇并进行下一个簇；
2.2)对于簇的总像素点少于余N1，保存这次簇并进行下一个簇；
2.3)检...

【专利技术属性】
技术研发人员：胡海根，杜超，苏一平，管秋，周乾伟，肖杰，陈胜勇，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33