[发明专利]稀疏动态集成选择的胃部CT图像疑似淋巴结提取方法

说明书

技术领域

本发明属于医学图像处理技术领域，特别是涉及医学CT图像分割和分类，具体是一种稀疏动态集成选择的胃部CT图像疑似淋巴结提取方法。可用于胃部脂肪组织CT图像分割和分类，可以用于其他类型的CT图像分割和分类，还可用于分割或分类其他类型的图像。

背景技术

胃癌在全球恶性肿瘤死亡率中排名第二，其发展迅速、易于转移的特点是导致死亡率居高不下的重要原因。淋巴结转移是影响胃癌预后的重要独立因素，内外科治疗前需要尽可能准确的了解淋巴结情况以确定治疗方案及评价预后。淋巴结主要分布在胃壁周围的脂肪组织内，因而准确地分割出脂肪组织是非常重要的。当前CT是常用的影像学手段，要实现脂肪组织区域中的淋巴结提取，首先要从中提取脂肪组织区域。

由于胃部CT图像的结构和纹理非常复杂，因而自动提取脂肪组织仍旧是一个具有挑战性的任务。而手动提取又比较费时，因而不适于临床应用。因此采用交互式分割的方法提取脂肪组织更加合适。当前大部分交互式分割的方法需要标明目标和背景的主要特征。然而在临床应用中，由于脂肪组织周围包括多种脏器和组织，放射师或医生很难确定哪一部分背景对于脂肪组织的提取是有效的。

淋巴结主要分布在胃壁周围的脂肪组织内，要找到对应的淋巴结，就要提取出疑似淋巴结区域，也就是疑似淋巴结区域和胃部脂肪组织区域分别开来。近年来，越来越多的分类方法通过监督方法实现。其原因如下：(1)能够从手动分类的图像中提取知识并将其应用于新的测试图像，这有助于性能的提升；(2)监督的分类方法不需要模型初始化和特别的优化策略。在基于监督的方法中，多分类器集成是最有效的方法之一，并且已经成功应用于多个领域。动态集成选择是多分类器集成的最新成果，由于其能够取得更好的分类性能，因而受到了广泛关注，但是现有技术中在采用动态集成选择实现脂肪组织分类时，计算复杂度较高，需要耗费大量的时间。

发明内容

为了弥补上述已有技术的不足和更加有效地提取出疑似淋巴结区域，本发明提出了一种稀疏动态集成选择的胃部CT图像疑似淋巴结提取方法。本发明不仅能在不标记背景的情况下自动、有效地提取出胃部CT图像中的疑似淋巴结区域，而且能极大地降低计算复杂度。

为实现上述目的，本发明提出一种基于稀疏动态集成选择的胃部CT图像疑似淋巴结区域提取方法，胃部CT图像疑似淋巴结区域提取包括有如下步骤：

步骤1，提取一副胃部CT图像；

步骤2，对该胃部CT图像人为标记部分脂肪组织，运用均值漂移进行整体图像的初始分割，分割为未标记区域集和已标记脂肪区域集，然后采用灰度直方图作为特征将与已标记区域相邻并且相似的未标记区域迭代标记，最后将重新标定的标记区域集合提取，重新标定的标记区域集合包含人为标记脂肪组织区域以及其连通区域的脂肪组织区域；

步骤3，对已提取的脂肪组织区域再根据其灰度值运用均值漂移进行过分割，达到将脂肪组织区域初始化；

步骤4，提取脂肪组织的每个过分割区域灰度直方图特征，每个过分割区域的灰度直方图特征为一组数据，脂肪组织区域中的所有过分割区域构成待分类样本集，其中待分类样本集包括疑似淋巴结区域和胃部脂肪组织区域；

步骤5，运用稀疏动态集成选择方法，将稀疏表示引用到动态集成选择中，对已提取的脂肪组织区域待分类样本集进行分类；

步骤6，将同一类别的过分割区域合并为一个分割区域，获得胃部CT图像疑似淋巴结区域。

当前大部分交互式分割的方法需要标明目标和背景的主要特征，本发明采用一种基于目标信息的交互式分割方法提取脂肪组织，不同于其他交互式分割方法，本方法仅仅需要标记部分脂肪组织，而背景部分完全不需要标记。针对现有技术中在采用动态集成选择实现脂肪组织分类时，计算复杂度较高，需要耗费大量的时间，本发明采用的稀疏动态集成方法实现分类，能够取得较好的分类性能，有效地降低计算的复杂度。

本发明的实现在于，步骤5所述的运用稀疏动态集成选择方法对已提取的脂肪组织区域待分类样本集进行分类过程包括训练阶段和测试阶段：

在训练阶段，首先为脂肪组织学习一个字典，然后为字典中的每个原子选择一组分类器，组成该原子的集成分类器，即原子集成系统；在测试阶段，将过分割的脂肪组织的每一个区域利用字典和对应的稀疏系数表示，然后由所选择的原子集成系统的输出通过投票决定最终的结果。

训练阶段