[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

说明书

本公开提供了一种获取CT图像中肿瘤位置和轮廓的数据处理系统及电子设备，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；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；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；本公开对图像的分割更加细致减少了冗杂数据，使得自动穿刺装置对CT图像中的肿瘤识别率更高，对肿瘤位置的定位更加快速和准确，提高了自动穿刺装置的自动化程度，为计算机辅助治疗打下了基础。

技术领域

本公开涉及图像处理技术领域，特别涉及一种获取CT图像中肿瘤位置和轮廓的数据处理系统及电子设备。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

目前来说，基于图像的肿瘤识别方法有多种多样，且大多数方法的识别效果都比较出众，最常用的有基于卷积神经网络的识别方法、传统滑窗方法和特征值法等。

本公开发明人在研究中发现，随着计算机技术和机器人技术的进一步发展，一些基础的医疗操作慢慢由机械装置所代替，比如，医院的放疗室在对肿瘤进行放疗治疗时，需要对肿瘤进行穿刺处理，而这些装置目前还无法对获取的CT图像进行有效的数据处理以得到CT图像中的肿瘤位置和轮廓信息，从而限制着自动穿刺装置的发展。因此，如何快速精确的对CT图像进行数据处理和分析，实现对CT图像中肿瘤进行定位识别和轮廓分割以提高医疗自动化设备的自动化水平是一个迫切需要解决的技术问题。

发明内容

为了解决现有技术的不足，本公开提供了获取一种获取CT图像中肿瘤位置和轮廓的数据处理系统及电子设备，利用粒子群优化算法、基于量子的自组织特征映射神经网络分类器模型和基于多连通区域分割的方法，实现了对图像更加细致的分割，减少了冗杂数据，进而能够快速的获取到CT图像中肿瘤位置和轮廓，提高医疗自动化装置的自动化水平。

为了实现上述目的，本公开采用如下技术方案：

第一方面，本公开提供了一种获取CT图像中的肿瘤位置和边缘轮廓的数据处理系统；

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，步骤如下：

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。

作为可能的一些实现方式，所述预处理模块中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；