[发明专利]基于MSPCNN的胆囊结石超声图像全自动分割方法

说明书

本发明公开了一种基于MSPCNN的胆囊结石超声图像全自动分割方法，包括：采用MSPCNN算法对超声图像进行分割，得到胆囊粗分割二值图像；采用形态学算法对所述胆囊粗分割二值图像进行分割，得到胆囊精确分割二值图像和结石精确分割二值图像；采用局部加权线性回归算法分别对所述胆囊精确分割二值图像和结石精确分割二值图像进行后处理，使胆囊结石边缘轮廓平滑，最终得到胆囊区域分割结果和结石区域分割结果。实现降低计算复杂度、减少分割步骤、提高图像分割速度与精度的优点。

技术领域

本发明涉及图像处理领域，具体地，涉及一种基于MSPCNN的胆囊结石超声图像全自动分割方法。

背景技术

胆囊结石是一种常见的胆囊疾病，如我国西北地区B型超声检查自然人群的结石发生率在15％左右。近年来CT、核磁共振MRI、超声等医学影像技术快速发展。由于超声影像成像检查费用低，有实时性强、无损伤、无电磁辐射的优点，因而通常将超声影像检查作为胆囊结石疾病的初诊手段。

胆囊结石超声图像分割的目的，在于快速准确地分割出胆囊区域和结石区域，使医师在影像检查初期就能获得有价值的完整诊断信息。目前，胆囊结石超声图像分割主要采用医师手动和半自动分割方法，花费时间较长，且不同程度地依赖于操作者的主观经验和知识，医师据此得出的诊断结论不可避免地掺杂主观性因素。还不能完全满足临床实践对分割速度和准确性的要求。因此，胆囊结石图像全自动分割成为当前学界重点关注与研究的新课题，建立鲁棒性强的图像分割技术支撑的计算机辅助诊断系统，为其重点研究方向。

现有技术中，基于脉冲耦合神经网络(PCNN)的全自动分割方法，实现了计算机全自动分割，并分割出如图1中的(a)和(b)的边缘轮廓线清晰的胆囊区域和结石区域。图1中2号轮廓线内为胆囊区域，3号轮廓线内为结石区域。该分割方法将胆囊结石超声图像分割分为预处理、胆囊区域分割、结石区域分割和后处理四个步骤，共有六种分割算法。其中，预处理步骤采用改进的大津阈值法和改进的各向异性扩散算法；胆囊区域分割步骤采用形态学算法；结石区域分割步骤采用简化的脉冲耦合神经网络(SPCNN)和改进的区域生长算法；后处理步骤采用局部加权线性回归算法。总流程如图2所示。

但上述方法仍存在以下缺陷与不足：

①共有四个分割步骤、六种分割算法，步骤算法较繁冗，计算量较大，需要通过步骤和算法种类的归并与约简，降低计算复杂度，减少分割环节。

②全自动分割算法参数全部根据图像属性值自适应得到，较半自动分割根据经验值设置参数有了明显改进，但设置的参数仍较多，导致计算公式和运算过程较繁冗，有必要简化参数，提高算法简明度。

③在结石区域分割步骤中，需通过三次迭代才能得到结石区域分割结果，如能减少迭代次数，则可收敛分割过程，提高图像分割效率。

④结石区域分割步骤所引入的脉冲耦合神经网络模型(PCNN)，是一种更加符合人眼视觉特征的图像处理工具，欠缺的是前期研究还不够深入，其优势尚未充分发掘和展示出来，全自动分割速度与精度仍存在提高的空间。

发明内容

本发明的目的在于，针对上述问题，提出一种基于MSPCNN的胆囊结石超声图像全自动分割方法，以实现降低计算复杂度、减少分割步骤且提高图像分割速度与精度的优点。

为实现上述目的，本发明采用的技术方案是：

一种基于MSPCNN的胆囊结石超声图像全自动分割方法，包括：

采用MSPCNN算法对超声图像进行分割，得到胆囊粗分割二值图像；

采用形态学算法对所述胆囊粗分割二值图像进行分割，得到胆囊精确分割二值图像和结石精确分割二值图像；

采用局部加权线性回归算法分别对所述胆囊精确分割二值图像和结石精确分割二值图像进行处理，从而得到胆囊区域分割结果和结石区域分割结果。