【技术实现步骤摘要】
一种基于改进随机游走算法的GGO肺结节分割方法
[0001]本专利技术涉及肺结节治疗
,具体涉及一种基于改进随机游走算法的GGO肺结节分割方法。
技术介绍
[0002]根据2022年最新癌症统计数据,肺癌发病率极高,死亡率也一直非常高,给人类平均寿命带来了巨大危害。肺癌的早期及时发现诊断治疗可以有效地缓解病人的病情,改善病人的生活质量,减小肺癌的死亡率。肺结节的良恶性判断可以及时的发现早期肺癌。由于低剂量螺旋CT的全国的广泛应用,早期肺癌的发现和治疗更为方便精准,肺结节都几乎能够被检测出来,对于多数种类的肺结节,手术有望得到根治性效果。对肺结节的分割和三维重建可以有效地帮助医生判断肺结节的良恶性,如果大量的肺结节都由医生手动分割,这样则效率低下,需要大量的人力。因此,对于肺结节的分割方法国内外有大量的研究,但是对于GGO结节的分割效果并不是很好,并且GGO结节具有边缘模糊、影像略透明,特征不明显等特性。GGO结节的恶性度更高,因此,对GGO结节的分割研究具有重要的实用价值。
[0003]近年来,对肺结节的分割研究一直是热门,也有了好多的肺结节分割方法,主要有阈值法、聚类的方法和活动轮廓等方法,其中聚类的方法对灰度均匀的实性结节分割较好,对于GGO结节分割精度不够高。Sun等提出了一种基于点滤波器和高斯混合模型隐马尔可夫随机场的方法对磨玻璃状肺结节进行分割。Li等提出了一种基于小波能量自适应局部能量和基于K
‑
最近邻估计方法自适应地选择局部能量模型的分割方法分割得到磨玻璃状肺结节,Zha ...
【技术保护点】
【技术特征摘要】
1.一种基于改进随机游走算法的GGO肺结节分割方法,其特征在于,包括以下步骤:步骤1、纹理特征提取,获取像素的纹理值;使用Gabor滤波器提取图像的纹理信息;步骤2、结合图像的灰度、纹理、空间坐标重新定义随机游走的权值;引入空间位置信息和步骤1提取的纹理特征,重新定义加权矩阵,构造新的权函数;步骤3、种子点的自动获取;步骤4、建立未标记点与已标记点的联系,构建新的加权矩阵作为平滑项加入到随机游走的能量函数中并求解随机游走。2.根据权利要求1所述的基于改进随机游走算法的GGO肺结节分割方法,其特征在于,步骤1的具体内容如下:使用二维Gabor函数实数部分调制的高斯函数作为最终的滤波器;如式(7)所示:u=(i
‑
i
o
)cosθ+(j
‑
j0)sinθv=
‑
(i
‑
i0)sinθ+(j
‑
j0)cosθ式中:i0和j0表示滤波器中心坐标;方差σ决定了滤波器的大小;γ为空间纵横比,决定了Gabor函数形状的椭圆率,当γ=1时,形状是圆形,该值为0.5;参数f用来描述滤波器最佳空间频率,σf决定了线性滤波器的空间频率带宽;参数θ表示滤波器的最佳朝向,决定了滤波器的最优响应方向,θ取不同值,可以得到一组滤波器,使用四个最优朝向,θ=[0,45,90,135];表示Gabor核函数中余弦函数的相位参数,它的取值范围为
‑
180
°
到180
°
,其中,0
°
与180
°
对应的方程与原点对称,
‑
90
°
和90
°
的方程关于原点成中心对称。3.根据权利要求2所述的基于改进随机游走算法的GGO肺结节分割方法,其特征在于,所述四个最优朝向和一个空间频率组成的滤波器与原图进行卷积,得到四幅纹理特征图像;则对于原图像上的每个节点vi∈V,经过纹理特征提取后得到一个包含4个元素的特征向量Ri。4.根据权利要求1所述的基于改进随机游走算法的GGO肺结节分割方法,其特征在于,步骤2的具体内容如下:在高斯权函数的基础上还考虑了纹理特征和空间位置特征信息,将图像映射为加权无向图G=(V,E,W),其中V为顶点集合,E表示相邻像素点间构成的无向边的集合,W为相邻像素的相似性矩阵,将纹理信息和空间位置坐标作为度量特征来定义权值;重定义的权函数如下:其中,g
i
和g
j
分别表示像素点i和j的灰度值,h
i
和h
j
分别表示像素点i和j的空间坐标,R
i
和R
j
分别表示与像素点i和j对应的纹理特征向量;β1、β2、β3为特征系数。5.根据权利要求1所述的基于改进随机游走算法的G...
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。