[发明专利]基于随机森林和单调下降函数的肺肿瘤的自动分割方法

说明书

技术领域

本发明涉及一种基于随机森林和单调下降函数的肺肿瘤的自动分割方法，尤其涉及一种利用随机森林和单调下降函数方法对肺部肿瘤进行全自动分割的方法，属于生物医学影像处理技术领域。

背景技术

肿瘤是指机体在各种致瘤因子作用下，局部组织细胞增生所形成的新生物。根据新生物的细胞特性及对机体的危害性程度，又将肿瘤分为良性肿瘤和恶性肿瘤两大类，而癌症即为恶性肿瘤的总称。

肺肿瘤是常见的恶性肿瘤之一，近几十年肺癌的发病率和死亡率都有明显增高的趋势。肺癌的早期诊断是提高治疗效果的有效途径，在医学影像学当中，图像精确的分割和定位的发展，为肺癌的早期诊断和精确治疗提供了有利条件。

PET和CT作为定量的分子和结构成像技术，已经被广泛应用在肺肿瘤的治疗方案中。目前，国内外的许多专家和学者已经提出并使用了很多种方法来对肺肿瘤进行分割，例如阈值分割，区域生长和基于图割的算法。但是这些算法不是采用了单一模态，无法提供跟精确的分割结果，就是需要人机交互，无法实现全自动的分割方法，例如基于图割的算法需要人为的标定图割的种子点。

本发明使用单调下降函数(Downhill)确定肺肿瘤的初步位置，然后使用随机森林(RandomForest)算法完成精确的分割。通过提取不同的特征值，充分利用了肺肿瘤在PET图像上的新陈代谢信息和在CT图像上的纹理信息，无需人为介入即可达到更快速和更精确的全自动分割。

发明内容

本发明所要解决的技术问题是，提供一种自动精确确定肺肿瘤的位置和大小，以达到在临床上协助医生对肺肿瘤的治疗的基于随机森林和单调下降函数的肺肿瘤的自动分割方法。

为解决上述技术问题，本发明采用的技术方案为：

基于随机森林和单调下降函数的肺肿瘤的自动分割方法，其特征在于，包括以下步骤：

S01，对肺肿瘤病人进行扫描，得PET图像和CT图像；

S02，对PET图像进行上采样，并且对PET图像和CT图像进行仿射配准，使得PET图像和CT图像上的像素点的位置一一对应；

S03，对PET图像和CT图像用滤波器滤波，平滑图像；

S04，用阈值分割的方法在PET图像上进行分割，初步得到连通区域；用数字形态学的开运算，将所述连通区域周边的杂点去掉；

S05，根据单调下降函数的特性，在所述连通区域排除其他器官的干扰，初步得到肺肿瘤的位置；

S06，在PET图像和CT图像上进行特征提取；

S07，用随机森林的算法对肺肿瘤进行分割。

S03中所述平滑图像的标准为保持PET图像和CT图像中肿瘤病灶边界的信息即可。

S06中所述特征提取包括肿瘤在PET图像的新陈代谢信息和CT图像的解剖信息。

所述PET图像中包括肿瘤亮度的单调下降特征、肿瘤位置信息、肿瘤边界的梯度信息和标准化摄取值的分布信息。

所述CT图像中包括肿瘤边界的梯度信息和人体结构信息。

S02中所述上采样为线性上采样。

在PET图像上，先获得最大的所述标准化摄取值，然后用最大的所述标准化摄取值的45％作为阈值，得到很多所述连通区域和一些高亮的杂点，所述连通区域包括肿瘤高亮区域、肿瘤相邻器官高亮区域和脊椎高亮区域。

所述单调下降函数的公式为：