[发明专利]基于影像组学的影像数据特征自动生成方法和装置

权利要求书

1.一种基于影像组学的影像数据特征自动生成方法，其特征在于，

所述方法包括：

获取放射影像图，利用预构建的边缘检测算法，对所述放射影像图进行区块划分，得到初始放射影像区块图；

利用预构建的边缘连接算法，对所述初始放射影像区块图中相邻区块的分段边缘分割线进行连接处理，得到目标放射影像区块图；

接收用户在所述目标放射影像区块图中选定的待定兴趣区块生长点，将所述待定兴趣区块生长点的所在区块，设置为待定兴趣区块；

接收用户对所述待定兴趣区块的区块确定指令，根据所述区块确定指令，将所述待定兴趣区域生长点确定为兴趣区块生长点，将所述待定兴趣区块确定为初始兴趣区块；

利用所述兴趣区块生长点，根据预构建的区域生长算法及所述初始兴趣区块，构建出目标兴趣区块；

计算所述目标兴趣区块的影像组学特征，对所述影像组学特征进行特征选择，得到所述放射影像图的影像数据特征；

其中，所述边缘连接算法为对所述初始放射影像区块图的分段边缘分割线组成像素点进行非极大值抑制后，利用双阈值算法连接所述分段边缘分割线；

双阈值算法为利用高阈值连接像素点得到轮廓边缘，在断点的8邻域像素点中寻找满足低阈值的像素点，直至边缘曲线闭合；

其中，所述利用预构建的边缘检测算法，对所述放射影像图进行区块划分，得到初始放射影像区块图，包括：

利用预构建的高斯函数构建高斯核函数；

根据所述放射影像图中每个像素点的灰度值，构建图像灰度矩阵；

利用所述高斯核函数，对所述图像灰度矩阵的每一个像素点的灰度值进行加权求和，得到高斯滤波灰度矩阵；

构建边缘检测水平算子及边缘检测竖直算子；

利用所述边缘检测水平算子，计算所述高斯滤波灰度矩阵中每个像素点的水平梯度分量；

利用所述边缘检测竖直算子，计算所述高斯滤波灰度矩阵中每个像素点的竖直梯度分量；

根据所述高斯滤波灰度矩阵中，每个像素点的所述水平梯度分量及竖直梯度分量，计算所述像素点的梯度幅值及梯度方向；

根据所述像素点的梯度幅值及梯度方向，对所述放射影像图进行划分，得到所述初始放射影像区块图。

2.如权利要求1所述的基于影像组学的影像数据特征自动生成方法，其特征在于，

所述利用预构建的边缘连接算法，对所述初始放射影像区块图中相邻区块的分段边缘分割线进行连接处理，得到目标放射影像区块图，包括：

识别所述初始放射影像区块图中，相邻区块的分段边缘分割线所经过的像素点；

对所述相邻区块的分段边缘分割线所经过的像素点，执行非极大值抑制处理，得到初始边缘像素点；

利用预构建的双阈值算法，根据所述初始边缘像素点，计算出目标边缘像素点；

链接所述目标边缘像素点，得到目标边缘分割线；

利用所述目标边缘分割线，分割所述初始放射影像区块图，得到所述目标放射影像区块图。

3.如权利要求2所述的基于影像组学的影像数据特征自动生成方法，其特征在于，

所述对所述相邻区块的分段边缘分割线所经过的像素点，执行非极大值抑制处理，得到初始边缘像素点，包括：

根据预构建的线性插值公式，利用所述分段边缘分割线所经过的像素点的梯度方向，及所述分段边缘分割线所经过的像素点的邻域像素点的梯度幅值，判断所述分段边缘分割线所经过的像素点是否为梯度幅度最大点；

若所述分段边缘分割线所经过的像素点，不是梯度幅度最大点，则判断所述分段边缘分割线所经过的像素点，不是所述初始边缘像素点；

若所述分段边缘分割线所经过的像素点，是梯度幅度最大点，则判断所述分段边缘分割线所经过的像素点，是所述初始边缘像素点。