[发明专利]一种乳腺肿块超声图像超声区域分离方法

说明书

本发明公开了一种乳腺肿块超声图像超声区域分离方法，包括以下步骤，1.1.对于一幅乳腺肿块超声图像I，利用金字塔均值漂移算法对其进行滤波，得到滤波后的图像I_f；1.2.利用分水岭算法对图像I_f进行分割；1.3.计算I_s中特定感兴趣区域内的最小灰度minGray；1.4.遍历I_s，对于灰度等于minGray的像素，将其灰度赋为前景，即为目标肿块区域，否则赋为背景，得到最终的肿块分割结果二值图像。本发明方法在分割乳腺肿块超声图像时自动化水平高，是完全、充分的自动化分割，避免了手工交互。

技术领域

本发明属于图像处理技术领域，特别涉及一种医学超声图像自动分割方法，是一种乳腺 肿块超声图像超声区域分离方法。

背景技术

乳腺肿块是妇女最常见的疾病之一，目前最有效的检测与诊断方式是乳腺X线摄影。但 由于乳腺X线摄影的特异度较低，导致了大量不必要的活检，不仅给患者带来痛苦，而且增 加了成本。另外，乳腺X线摄影产生的电离辐射也会给患者和医生带来健康风险。超声影像 具有低成本、无侵性、实时性等特点，已成为乳腺肿块检测的重要手段之一。但乳腺超声图 像具有低对比度、斑点噪声以及与组织相关的纹理结构，会给医生的诊断带来一定的困难； 且不同的医生之间存在对乳腺超声的理解和诊断方面的差异。因此，乳腺超声的计算机辅助 诊断系统具有很大的意义。有研究表明，乳腺超声计算机辅助诊断系统的输出结果可以为医 生在乳腺肿块检测、定征和诊断决策时提供一种参考。

图像分割是乳腺超声计算机辅助诊断系统的重要环节。近几十年来，国内外在乳腺超声 图像分割方面已经提出许多方法，包括阈值分割、区域生长、基于模型的方法(包括活动轮廓 模型，水平集，马尔科夫随机场等)、基于图论的方法(包括图割，归一化割等)、基于机器学 习的方法、基于聚类的方法(包括K均值，模糊C均值等)。这些方法存在一些主要缺点：(1) 多数方法需要手工交互，诸如手工选择种子点或初始轮廓；(2)多数方法对斑点噪声敏感，且 由于超声图像对比度低，具有与组织相关的纹理，故准确分割较为困难；(3)多数方法算法复 杂度高，处理时间长，难以满足临床要求。

准确、快速、自动化分割是图像分割的目标。但分割的准确性、效率以及自动化水平也 是相互矛盾的。近些年来，也有一些乳腺超声图像自动分割方法相继被提出，这些方法一般 思路为：(1)通过某种手段自动找到肿块区域的种子点或者找到能够将肿块涵括在内的感兴趣 区域；(2)利用种子点或者感兴趣区域内的某一点作为区域生长算法的种子点，进行区域生长 粗分割；(3)将粗分割得到的边界作为活动轮廓模型的初始轮廓，进行活动轮廓模型精分割。 但这些方法存在以下问题：(1)自动查找种子点或感兴趣区域的算法往往鲁棒性不高，仅对部 分图像有效，影响了自动分割的准确性；(2)算法复杂度高，处理费时，难以达到临床上对自 动分割的速度要求。分水岭算法是图像分割中应用较广的一种快速分割方法，但由于超声图 像的固有特性，在淹没过程会产生过多的区域，会导致分割较慢并且准确性低的问题。

发明内容

本发明旨在提出一种乳腺肿块超声图像的准确、快速、自动化分离方法。本发明将分水 岭算法与均值漂移算法结合在一起，并进行了改进。首先采用金字塔均值漂移算法对乳腺超 声图像进行滤波，大幅提高了图像的同质性，使其更加平滑，再使用分水岭算法对滤波后的 图像进行分割处理，从而能够大量减少生成的区域个数，提高了分割的速度和精度。分水岭 分割得到的结果图像中包含了若干区域，每个区域内部的灰度相同，但各区域之间灰度不同。 此外，本发明还结合了临床医生的经验知识，即乳腺肿块一般位于图像的中部或上部且乳腺 肿块内部平均回声强度较低，提取分水岭分割结果图像中特定感兴趣区域内的最小灰度，作 为目标肿块区域的灰度，再遍历整个分水岭分割结果图像，将灰度等于最小灰度的像素赋为 前景，否则赋为背景，即得到最终的肿块分割结果图像。

具体技术内容如下：

本发明的一种乳腺肿块超声图像超声区域分离方法包括以下步骤：