[发明专利]基于元胞自动机模型的结肠息肉图像分割方法

说明书

一种基于元胞自动机模型的结肠息肉图像分割方法，主要解决现有结肠息肉图像分割技术中分割效率低、可重复性差、分割精度低的问题。本发明的技术方案为：(1)读入一幅含有息肉的结肠镜彩色图像；(2)修复图像中的高光区域；(3)初步检测图像中的息肉区域；(4)标记种子像素；(5)构建元胞自动机模型；(6)初始化元胞自动机模型；(7)进行图像分割；(8)输出分割后的图像。本发明利用息肉形状近似椭圆的先验知识，自动标记种子像素，构建元胞自动机模型，通过制定的局部转化规则进行图像分割，充分利用了图像的局部信息，具有分割效率、准确率高的优点，可用于结肠息肉图像的自动分割。

技术领域

本发明属于图像处理技术领域，更进一步涉及医学图像分割技术领域的一种基于元胞自动机CA(Cellular Automata)的结肠息肉图像分割方法。本发明可用于对结肠镜图像中的息肉区域进行分割，以便实现对息肉的分类，判断息肉是否需要切除，进而辅助医生进行结肠镜检查和诊断。

背景技术

结直肠癌是全球第三大最常见的癌症类型。预防结肠癌的关键是检测结肠内潜在的腺瘤性息肉。因此，在结肠镜检查中需要设法只去除结肠上的腺瘤性息肉而保留良性息肉。结肠镜图像中息肉区域的分割是判断息肉类型的基本前提。分割的性能越好，分类的准确性越高，更有利于辅助医生进行结肠镜检查和诊断。

目前，常用的结肠息肉图像分割方法包括人工分割、半自动分割与全自动分割三种方式。人工分割虽然精确度高，但其不仅费时费力，而且分割结果很大程度上取决于医生的经验，一致性和可重复性差。半自动分割方式允许人工交互式操作提供一些有用的信息，然后由计算机进行分割处理。半自动分割通常比较准确，但仍在一定程度上受限于医生的水平。全自动分割完全利用计算机对图像进行分割，不仅能够提高分割的效率，而且分割的准确性更高。因此实现结肠息肉图像分割的主要手段就是设计计算机可执行的算法,进行全自动的分割。在结肠息肉图像的全自动分割算法中，基于知识的分割算法被广泛接受。这类算法在分割时利用了对目标的先验知识，包括专家定义的规则、理想目标的形状、外观模型等高层次知识，适合于对具有特定属性的具体病灶区域的分割。

重庆邮电大学在其申请的专利文献“一种基于云模型和图割相结合的医学图像分割方法”(申请号201510808682.3，公开号CN105389821A)中提出了一种基于云模型和图割相结合的医学图像分割方法。该方法的主要实现步骤是：首先手动标注前景区域；然后对图像进行去噪处理；接着利用逆向云变换分别计算出图像前景和背景的云特征值,利用X条件云发生器计算出每个像素对于前景和背景的隶属度，并计算出数据项和光滑项；最后建立能量函数构造相应网络图，并用最大流/最小割算法实现医学图像分割。该方法存在的不足之处是，需要手动标注前景区域，分割操作在一定程度上依赖于操作者的经验，可重复性差，执行效率低。

Seung-Hwan Bae等人在其发表的论文“Polyp Detection via ImbalancedLearning and Discriminative Feature Learning”(IEEE TRANSACTIONS ON MEDICALIMAGING 34(2015)2379-2393)中提出了一种自动检测内窥镜图像中息肉区域的方法。该方法的主要思想是对大量的训练数据进行特征提取和特征学习，训练出一个检测器，最后利用训练出的检测器来检测内窥镜图像中的息肉区域。该方法存在的不足之处是，检测器对内窥镜图像中息肉区域与非息肉区域的颜色和纹理这些传统特征比较敏感，而且检测结果没有准确地描绘出内窥镜图像中息肉区域的边缘。

发明内容

本发明的目的在于克服上述已有技术的不足，提出了一种基于元胞自动机模型的结肠息肉图像分割方法。

实现本发明目的的思路是，根据结肠息肉图像中拟分割息肉区域的形状近似椭圆的先验知识，在结肠息肉图像的多层级区域树中，选取与椭圆形状最近似的区域，引导种子点的自动标记，使分割操作成为一个全自动的过程，不再需要人工交互，构建的元胞自动机模型充分利用了结肠息肉图像的局部信息，通过元胞之间的局部竞争，实现对结肠息肉图像的分割。