[发明专利]基于网络相位同步的医学影像处理方法

说明书

技术领域

本发明属于图像处理领域，涉及医学影像的处理，可用于监测疾病分布、研究发病机理以及疾病辅助诊断。

背景技术

医学图像包括CT、正电子放射层析成像技术PET、单光子辐射断层摄像SPECT、核磁共振成像MR，及其它医学影像设备所获得的图像。由于医学图像的复杂性和多样性，以及医学影像的成像原理和组织本身的特性差异，且图像的形成受到诸如噪音、场偏移效应、局部体效应和组织运动等的影响，医学影像和普通图像相比，具有模糊、不均匀性等特点。另外，人体解剖组织结构和形状复杂，不同个体之间的差异大，也使得医学影像处理的问题更为复杂。

近年来，随着影像医学在临床医学的成功应用，一些医学影像处理的新兴技术，如模糊数学、数学形态学、数字拓扑学、人工智能等，取得了显著进展，新的医学影像技术层出不穷。其中，Digabel等人提出的基于数学形态学的分水岭算法因具有计算速度快、分割准确和精确定位图像边缘等特性，而受到广泛关注。分水岭算法的基本原理是把图像看作测地学上的拓扑地貌，灰度图像视为地形外表，像素灰度值对应该点的海拔高度。每个局部极小值点，以及它的影响区域被称为集水盆，集水盆的边界则被称作分水岭。分水岭算法通过找到分水岭对图像进行分割。然而，这种方法的缺陷是存在过分割现象。

发明内容

本发明的目的在于针对医学图像模糊、不均匀、个体差异大的问题，提出一种基于网络相位同步的医学影像处理方法，以解决现有方法存在的过分割问题，提高医学影像的诊断识别率。

本发明的技术思路是：用分水岭方法对特征提取后的图像进行分割，将分割后的小区域对应到网络中的节点，建立网络模型；通过振荡器公式对节点进行相位迭代，完成过分割区域的合并，改善图像分割的效果。其实现步骤包括如下：

（1）提取原始医学影像的像素点特征，并对提取到的像素点特征进行分水岭分割，得到N个区域，N≥1000；

（2）计算每两个区域之间的相似度，以及每个区域与其自身的相似度，得到N×(N+1)/2个相似度值；

（3）用N个区域作为网络中的各节点，用N×(N+1)/2个相似度值作为网络中的权值；

（4）在[0,2π]内随机产生N个数，作为网络中各个节点的初始相位，采用振荡器公式对网络中的N个节点进行相位迭代，当所有节点N都满足公式θ_i(k)-θ_i(k-3)＜0.01时，结束迭代，θ_i(k)表示节点i第k次迭代的相位，迭代总次数记为m；

（5）将[0,2π]划分为n₁个子区间，统计相位落到各个子区间内的节点个数，以n₁个子区间序号作为横坐标，以落在子区间内节点个数作为纵坐标，绘制相位分布曲线，统计在曲线上处于相邻波谷之间所有节点，将其归为一类，N个节点共划分为L₁类，L₁的数值与波谷数相同，把N个节点的类别序号存储到长度为N的向量F中，若N个节点中的任意节点i属于第j类，则F中的第i个值f_i＝j，j=1,...,L₁；

（6）用节点的第m代和m-3代相位计算所有节点的斜率，得到N个斜率值，对L₁类中的每一类进行以下操作：将[-0.01,0.01]划分为n₂个子区间，统计斜率值落到各个子区间内的节点个数，以n₂个子区间序号作为横坐标，以落在子区间节点个数作为纵坐标，绘制L₁条斜率分布曲线，统计每一条曲线上处于相邻波谷之间所有节点，将其归为一类，所有节点共划分为L₂类，L₂与L₁条斜率分布曲线的波谷总数相同，更新向量F中每个节点的类别序号；

（7）检测L₂个类中每一类的节点数，若某类的节点数小于阈值T=N/200，则重新分配该类的所有节点，将该类中的任意节点i与类j的相似度记为v_ij，计算i与所有类的L₂个相似度，对L₂个相似度进行排序，找到最大值，将节点i重新分给最大值对应的类，更新向量F中节点i的类别序号；

（8）将向量F存储的类别序号，即像素点的区域所属的类别序号，标记到每个像素点上；

（9）给不同类的像素赋不同的灰度值，得到分割后的图像，并输出。

本发明与现有技术相比具有以下优点：