[发明专利]基于稀疏表示的医学CT图像肾上腺肿瘤分割方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及稀疏表示的医学CT图像肾上腺肿瘤分割方法。

背景技术

肾上腺位于腹膜后，其下外侧则与两侧肾的上内侧紧密贴近。它能够分泌肾上腺素、皮质激素等多种调节人体生理功能的重要激素，是体内重要的内分泌器官。一旦肾上腺的某一部位发生肿瘤，相应部位分泌的激素就会失调，引发一些心血管疾病，严重时会威胁生命。

因为肾上腺肿瘤引发的病症与其它肾上腺疾病(如肾上腺皮质增生)相似，但是两者的治疗方案不同。因此，其诊断需要借助于医学影像技术。CT图像由于其高密度分辨率，在成像诊断中有着广泛的应用。但是由于肿瘤病灶组织与周围组织在CT图像中很接近，使得它们之间的边界难于区分。

水平集的方法在医学CT图像分割的问题上有很好的性能[1]-[3]，它具有灵活的约束条件且对(肿瘤)拓扑结构的适应性强。但是水平集的方法对于初始轮廓的要求很高，往往需要人工勾画，较差的初始轮廓容易导致分割结果进入局部极小值。

针对上述问题，本发明利用稀疏表示以及图像块处理的方法，通过区域生长法自动获取肿瘤初始轮廓，该初始轮廓已十分接近于肿瘤的轮廓，用它作为基于局部信息水平集分割方法的初始轮廓，提高了分割的自动化水平，降低了后续水平集分割的难度，获取的最终分割结果更加准确。

发明内容

本发明的目的是提出一种可以有效提高分割准确率与自动化水平的的医学CT图像肾上腺肿瘤分割方法。

本发明提出的医学CT图像中肾上腺肿瘤的分割方法，具体步骤为：

（1）获取一系列包含肿瘤边界图像子块作为训练样本，用K均值聚类奇异值分解(KSVD)的方法，训练出一个对边界敏感的过完备字典；

（2）利用步骤（1）得到的字典，把CT图像上的感兴趣区域(ROI)的每一个图像子块做稀疏表示，获得第一个稀疏系数的绝对值；选取适当的阈值，区分第一个系数值，把图像子块分成同质区和边界区两类，从而把原图像映射成一个二值图像；

（3）用区域生长的方法，从步骤（2）中的二值图像中心点开始，往外生长得到感兴趣区域内肿瘤的粗糙轮廓；

（4）以步骤（3）得到的粗糙轮廓作为水平集分割方法的初始轮廓，用基于局部信息的水平集分割方法获得最终的精确轮廓。

下面就本发明方法的各个步骤涉及的相关技术细节作进一步的具体描述。

关于步骤1，获取一系列包含肿瘤边界图像子块的做法为：首先，对已知肿瘤边界的训练图像I进行分块，利用的滑动窗口，从左到右，从上到下，遍历整幅图像，依次提取图像子块；把N个包含肿瘤边界的图像块保留下来，作为训练样本，并将其展开为的列向量，M=25。其余图像块舍弃。

感兴趣区域是在图1(a)的红框内，图1(b)为放大后的感兴趣区域。

图2是所选取训练样本的示例，红色轮廓为已知的肿瘤轮廓，蓝色框为所选取的训练样本。

所述用K均值聚类奇异值分解(KSVD)的方法，训练出一个对边界敏感的过完备字典，具体做法如下：

设包含肿瘤边界的图像块集合为，N=900。冗余字典D为L个25维原子的集合(L=100)，经过稀疏分解后的系数为X，则包含肿瘤边界的图像块集合Y的稀疏表示为：

(1)

其中与分别为l²-范数与l⁰-范数，前者为向量各个元素平方和的次方，后者为向量中非0元素的个数，为稀疏度。式(1)表示，在约束条件下，从稀疏分解后的系数X中找到一系列合适的列向量，使得最终的X能让取到最小值。

式(1)中的图像块集合Y由人工选定的包含边界的图像块组成，因此如果可以找到合适的字典D，使之能够对集合Y中所有元素均能做到稀疏的表示，那么便能够获得一个如上文所述对边界敏感的过完备字典。显而易见，以此字典对包含边界的图像块做稀疏表示，其系数的稀疏性要强于不包含边界(相对匀质)的图像块做稀疏表示的系数。

首先，每一个包含肿瘤边界的图像块样本的稀疏表示为：

(2)

其中为以离散余弦变换基元取的初始化字典；系数矩阵 ，其第列表示第个训练样本的稀疏分解系数。