[发明专利]基于图像处理的放疗靶区自动分割方法

说明书

本发明涉及图像处理技术领域，具体涉及基于图像处理的放疗靶区自动分割方法。方法包括：根据CT灰度图像的灰度直方图，得到各像素点类别；根据各像素点类别中像素点之间的距离，得到各像素点类别对应的各聚类簇的像素点分布离散度；根据各聚类簇的像素点分布离散度，得到各初始聚类中心点；根据各初始聚类中心点对CT灰度图像上的各像素点进行聚类，得到各特征聚类簇；根据特征聚类簇之间的相似性，得到各目标聚类簇；根据目标聚类簇中各像素点的斜率，得到癌症病变区域。本发明能够较准确的确定癌症病变区域，并且基于得到的癌症病变区域能够帮助工作人员的确定放疗靶区。

技术领域

本发明涉及图像处理技术领域，具体涉及基于图像处理的放疗靶区自动分割方法。

背景技术

临床把肺癌根据生长部位的不同简单的分为中央型肺癌和周围型肺癌；周围型肺癌的生长部位是跟中央型肺癌相对的，越靠近肺的周围的、边缘的，称之为周围型肺癌；又由于周围型肺癌区域的准确分割是确定放疗靶区的关键，即在对周围型肺癌进行放疗之前需要先确定周围型肺癌区域，而当分割得到的周围型肺癌区域不准确时将会影响后续放疗的效果，因此对周围型肺癌区域进行较准确的划分至关重要。

现有技术中一般基于传统的聚类方法来实现对周围型肺癌区域的分割，但是由于周围型肺癌生长在肺的周围或者边缘，靠近除了肺部以外的其他正常组织，而肺部以外的其他正常组织的像素值会存在与周围型肺癌区域像素值差异较小的现象，这种现象会对癌症病变区域的获取造成影响，即若基于传统的聚类方法对周围型肺癌区域分割，可能使得分割得到的周围型肺癌区域中含有正常的组织区域，因此现有技术在对周围型肺癌区域进行分割时准确性较低。

发明内容

本发明提供基于图像处理的放疗靶区自动分割方法，用于解决现有方法不能对周围型肺癌区域进行分割时准确性较低的问题，所采用的技术方案具体如下：

本发明实施例提供了一种基于图像处理的放疗靶区自动分割方法包括以下步骤：

获取周围型肺癌患者肺部的CT灰度图像；

根据所述CT灰度图像的灰度直方图，得到各像素点类别；

对于任一像素点类别，根据该像素点类别中像素点之间的距离，对该像素点类别中的各像素点进行聚类，得到该像素点类别对应的各聚类簇；

根据各像素点类别对应的各聚类簇中各像素点之间的距离，得到各像素点类别对应的各聚类簇的像素点分布离散度；

根据所述各聚类簇的像素点分布离散度，得到各初始聚类中心点；根据各初始聚类中心点和所述CT灰度图像上各像素点的灰度值，对所述CT灰度图像上的各像素点进行聚类，得到各特征聚类簇；

根据所述特征聚类簇中各像素点的灰度值，得到特征聚类簇之间的相似性；根据特征聚类簇之间的相似性，得到各目标聚类簇；

根据目标聚类簇中各像素点的斜率，得到癌症病变区域。

优选的，根据所述CT灰度图像的灰度直方图，得到各像素点类别的方法，包括：

将所述灰度直方图上频数为0的灰度值筛选掉，并将灰度直方图上剩余的灰度值按照从小到大的顺序进行排列，得到灰度值序列；

将灰度值序列中连续的灰度值归为一个类别，记为灰度值类别；

对于任一灰度值类别：判断该灰度值类别中各灰度值出现的频率是否大于预设频率阈值，若是，则将对应灰度值记为该灰度值类别对应的特征灰度值；

将该灰度值类别中除特征灰度值之外的各灰度值按照从小到大的顺序进行排序，得到第一灰度值序列，并按照预设长度对第一灰度值序列进行划分，得到各子灰度值序列；