[发明专利]获取CT图像中肿瘤位置和轮廓的数据处理系统及电子设备

权利要求书

1.一种获取CT图像中的肿瘤位置和边缘轮廓的数据处理系统，其特征在于，包括：

预处理模块，被配置为采集CT图像，利用粒子群优化算法对采集到的CT图像进行图像分割，得到分割后的CT图像数据矩阵；

模型构建模块，被配置为建立QSOFM分类器模型，利用分割后的CT图像数据矩阵进行模型训练；

数据处理模块，被配置为利用QSOFM分类器模型对CT图像中的肿瘤癌变种类进行识别，基于多连通区域分割方法获取CT图像中癌变肿瘤的位置和轮廓信息，具体的，所述数据处理模块还用于对利用粒子群优化算法分割之后的CT图像的高灰度值区域的连通域进行分割和编号；

对连通区域进行分割时，计算各个连通域的型心，按照型心位置对连通区域进行分割，同时使用外接矩形框选中连通区域，并将其编号；

将标记后的图像复制为与连通区域数量相同的份数，并对其编号，对和图像编号相同的连通区域进行填充；

在对编号之后的连通区域依次填充时，在不影响其他连通域的情况下，对所选连通区域进行填充；

在对图像填充完毕之后，将填充后的图像输入到QSOFM分类器模型，并记录图像处理结果显示为正常的图像编号，该编号所对应的连通区域代表CT图像中肿瘤的位置。

2.如权利要求1所述的获取CT图像中的肿瘤位置和边缘轮廓的数据处理系统，其特征在于，所述预处理模块利用粒子群优化算法对采集到的CT图像进行分割，具体为：

(1-1)建立图像分割的能量最小化控制点泛化函数，并产生粒子群；

(1-2)计算粒子群算法的适应度函数，产生每个粒子的适应度值；

(1-3)将每个粒子的适应度值与粒子的个体最优值和粒子群的个体最优值进行比较，如果粒子的适应度值更优，则代替粒子的个体最优值和粒子群的个体最优值；

(1-4)根据正交试验机制产生辅助最优点；

(1-5)计算线性递减权重；

(1-6)计算粒子群的新位置和速度，并计算其适应度值；

(1-7)如果粒子群的迭代次数超过最大迭代次数，则粒子群的搜索过程终止；

(1-8)根据粒子群的个体最优值得到问题的能量最小化控制点；

(1-9)根据能量最小化控制点对图像进行分割。

3.如权利要求1所述的获取CT图像中的肿瘤位置和边缘轮廓的数据处理系统，其特征在于，所述QSOFM分类器模型的训练具体为：

(2-1)初始化QSOFM分类器模型的系统参数，进行参数设置；

(2-2)利用经过粒子群优化算法处理后的CT图像数据矩阵对QSOFM分类器模型进行聚类训练，得到可以用于肿瘤分类识别的QSOFM分类器模型；

(2-3)任意选取多张肿瘤CT图像，利用训练好的QSOFM分类器模型判断CT图像上的肿瘤是正常类、癌变类或未知类。

4.如权利要求3所述的获取CT图像中的肿瘤位置和边缘轮廓的数据处理系统，其特征在于，所述步骤(2-1)中，根据竞争节点数为255、领域半径为5、学习速率为1.0、阈值为2.0、无监督训练步数为100和有监督训练步数为100进行参数设置；

或，所述步骤(2-3)中，任意选取多张CT图像，构建待测试CT图像样本矩阵，经过粒子群优化算法计算之后生成特征数据矩阵，并输入到QSOFM分类器模型中。

5.如权利要求4所述的获取CT图像中的肿瘤位置和边缘轮廓的数据处理系统，其特征在于，保留所记录编号的连通区域，同时对其他的连通区域进行填充和处理，得到所有图像处理结果显示为正常的图像编号，将填充后的图像与原CT图像进行对比，得到原CT图像中肿瘤的位置和轮廓信息。

6.一种可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-5任一项所述的获取CT图像中的肿瘤位置和边缘轮廓的数据处理系统的数据处理方法。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5任一项所述的获取CT图像中的肿瘤位置和边缘轮廓的数据处理系统的数据处理方法。