超声定位纤维肌瘤影像的高效精准划分方法技术

本发明专利技术提供的超声定位纤维肌瘤影像的高效精准划分方法，针对现有技术对超声定位导航影像的划分多由人工完成，繁琐耗时的缺点，采用计算机辅助的超声影像划分方法。本发明专利技术提出基于分割归并的超声影像划分方法，没有直接对像素点聚类，而是对超像素聚类，大幅减少计算量，提高整个超声影像划分方法的效率。对超像素而非像素点进行特征提取，得到的纹理特征更为鲁棒，适应HIFU超声定位导航影像质量差的特征。本发明专利技术的影像划分方法能够处理超声影像的各类情形，对信噪比极低的超声影像也具有良好的划分效果。本发明专利技术划分结果精准，人工干预度低，能高效运用于实际的HIFU治疗纤维肌瘤的超声定位导航中。

【技术实现步骤摘要】
超声定位纤维肌瘤影像的高效精准划分方法
本专利技术涉及一种超声定位影像的精准划分方法，特别涉及一种超声定位纤维肌瘤影像的高效精准划分方法，属于超声影像划分

技术介绍
纤维肌瘤是一种常见的妇科子宫疾病，18％至39％的处于生殖期的妇女罹患纤维肌瘤。虽然纤维肌瘤是一种良性肿瘤，但其发病症状给女性带来了巨大痛苦。纤维肌瘤明显降低了女性的生活质量，是女性健康的主要威胁之一。治疗纤维肌瘤的传统方法主要为纤维切除术，虽然该方法能标本兼治，但其手术过程痛苦，且术后女性无法生育，给女性带来了巨大的生理和心理痛苦。高强度聚焦超声(HIFU)治疗是一种非放射性消融手段，HIFU治疗将高强度超声波穿过体表聚焦于体内组织靶区，使靶区温度短时间迅速升高，利用能量效应实现对靶区组织的消融。HIFU治疗纤维肌瘤无创、有效、安全，并且对女性的生育功能没有负面影响。HIFU治疗被广泛运用于纤维肌瘤的临床治疗中，减轻了患者的痛苦，效果显著。影像导航定位是HIFU治疗的重要部分，利用医学影像，医师可在消融治疗前作治疗计划，在消融治疗过程中定位靶区、观测消融过程、及本文档来自技高网...

【技术保护点】
1.超声定位纤维肌瘤影像的高效精准划分方法，基于分割归并将HIFU治疗超声定位导航纤维肌瘤影像进行计算机辅助划分，包括超声影像分割、提取超声影像超像素特征、归并超像素，超声影像分割包括影像分割的超像素、超声影像前置处理、超声影像超像素生成、校正连通性，提取超声影像超像素特征包括提取单像素点纹理特征、构建超像素纹理直方图的特征提取，归并超像素包括Ncut谱聚类方法、创建权值矩阵、智能选取聚类数量；/n本专利技术首先对影像过分割形成超像素，然后提取每个超像素的纹理特征，最后基于超像素的纹理特征和空间邻接关系归并超像素得到最终的影像划分结果；/n基于分割归并法的HIFU治疗超声定位导航影像的纤维肌瘤...

【技术特征摘要】
1.超声定位纤维肌瘤影像的高效精准划分方法，基于分割归并将HIFU治疗超声定位导航纤维肌瘤影像进行计算机辅助划分，包括超声影像分割、提取超声影像超像素特征、归并超像素，超声影像分割包括影像分割的超像素、超声影像前置处理、超声影像超像素生成、校正连通性，提取超声影像超像素特征包括提取单像素点纹理特征、构建超像素纹理直方图的特征提取，归并超像素包括Ncut谱聚类方法、创建权值矩阵、智能选取聚类数量；
本发明首先对影像过分割形成超像素，然后提取每个超像素的纹理特征，最后基于超像素的纹理特征和空间邻接关系归并超像素得到最终的影像划分结果；
基于分割归并法的HIFU治疗超声定位导航影像的纤维肌瘤划分，首先将影像过分割成许多子区域，这些子区域称作超像素，然后对这些子区域提取纹理特征，最后根据纹理特征和空间特性对子区域聚类，得到最后的划分结果；在分割步骤中，本发明采用改进的基于线性迭代聚类的超像素形成方法；在特征提取方面，本发明提出区域纹理特征提取方法；在归并步骤中，本发明采用基于归一化割方法的谱聚类方法，提出智能获取聚类数量并能自动提取肿瘤区域的方法；
本发明HIFU治疗超声定位导航影像的纤维肌瘤划分，采用基于聚类的方法，提出基于肿瘤先验知识智能选取聚类数量的方法，先对影像进行过分割形成超像素，再对超像素聚类；本发明基于分割归并将HIFU治疗超声定位导航纤维肌瘤影像进行计算机辅助划分，首先对超声影像分割得到许多超像素，然后提取超像素特征，最后对超像素聚类。


2.根据权利要求1所述的超声定位纤维肌瘤影像的高效精准划分方法，其特征在于，超声影像前置处理是在对超声影像运用SLIC方法生成超像素之前进行降噪处理，提升SLIC方法性能；本发明利用双边滤波器对超声影像去噪；
设E(x,y)为输入影像，(x,y)是空间坐标，则滤波后的影像Ef(x,y)由以下二式确定：






式中(i,j)代表点(x,y)附近的一个窗口大小为Rf×Rf的邻域，σd和σr是权重核函数Lf的参数，双边滤波器根据中心像素点的邻域像素点决定滤波后的中心像素点的灰度值，双边滤波器的权重核函数不仅考虑像素点间的空间关系，而且考虑像素点间的灰度值关系；当像素点位于相对匀质区域时，双边滤波器正常去噪，而当像素点位于边缘时，像素点邻域内的像素点灰度值变化大，权重核函数考虑灰度值域，双边滤波器适度减轻平滑效果，保持边缘。


3.根据权利要求1所述的超声定位纤维肌瘤影像的高效精准划分方法，其特征在于，超声影像超像素生成基于SLIC方法，对于具有M个像素点的灰度影像E，欲生成N个超像素{Ω1，Ω2，...，ΩN}且SLIC方法在三维空间(x，y，E(x，y))对像素点聚类，这里的x和y是几何空间坐标，E(x,y)是影像的灰度值；假设生成的超像素是等大小的正方形区域，每个超像素面积大约为M/N，且二个超像素质心间的距离约为首先，选取N个像素点作为初始聚类中心，这些像素点平均分布在影像上,然后，不断迭代更新聚类和聚类中心，直到满足收敛条件,收敛条件是迭代到一定次数，或聚类中心在某个误差限不再变动，SLIC方法的像素点搜索范围限制在聚类中心2R×2R的区域，将搜索范围限制在聚类中心2R×2R的区域，像素点f和聚类中心像素点g之间的距离h通过加权的欧拉距离得到：









(xf，yf)和(xg，yg)是像素点f和g的几何空间坐标，参数cmp是紧致度因子，cmp值越大，空间距离所占比重越大，形成的超像素更为紧致，具有规则的形状，参数R为归一化因子，对空间距离进行归一化；
本发明的SLIC方法的具体步骤是：
第一步，均匀的选取超声影像的N个像素点作为初始聚类中心，每个像素点和聚类中心的距离初始化为无穷大；
第二步，依次对每个聚类中心，计算2R×2R区域内像素点与聚类中心的距离，若该距离小于像素点原有的与聚类中心的距离，则将该像素点划分到聚类中心，对所有聚类中心的处理完成后，能够形成新的N个聚类；
第三步，计算新形成的N个聚类的聚类中心，聚类中心的分量坐标为属于该聚类的像素点的分量坐标的均值；
第四步，若满足收敛条件，则停止计算；否则返回到第二步。


4.根据权利要求1所述的超声定位纤维肌瘤影像的高效精准划分方法，其特征在于，本发明改进SLIC的校正连通性处理方法，将不连通的小区域划分到和它相邻的且灰度均值和该小区域最为接近的超像素，使得形成的超像素内部更匀质，使超像素边界更好的符合肿瘤边界；首先，利用广度搜索优先方法得到所有的连通区域，如果某一小块连同区域的大小小于0.25倍的预设超像素大小M/N，则该小区域被认为是孤立的不连通区域，需要归并到周围的区域；然后，对每一个需要归并的小区域，计算小区域和与其邻接的区域的平均灰度值，将平均灰度值与该小区域最接近的邻接区域归并到该小区域。


5.根据权利要求1所述的超声定位纤维肌瘤影像的高效精准划分方法，其特征在于，构建超像素纹理直方图的特征提取中，采用纹理直方图表示超像素的纹理特征，纹理直方图的构建包括二个步骤，定义纹理直方图的横轴，然后再对超像素的每个像素点纹理特征计数，得到直方图的纵轴，每个超像素的纹理特征均可用一个纹理直方图表示；
在构建局部二值模式纹...

【专利技术属性】
技术研发人员：高小翎，王辉，
申请(专利权)人：高小翎，
类型：发明
国别省市：浙江;33