[发明专利]超声图像乳腺肿瘤自动提取方法

摘要

本发明涉及生物医学信号处理领域，具体涉及肿瘤超声图像自动提取方法。本发明步骤为：1.选取目标图像：用户利用鼠标划取一个方框，将肿瘤包含在该方框之内；2.肿瘤超声图像边缘自动提取：采用SRAD各向异性扩散算法，对剪裁得到的图像进行噪声抑制；3.由步骤（2）得到经过噪声抑制后的图像I1，利用改进的几何活动轮廓模型对肿瘤图像进行自动分割；3a图像预处理；3b模型优化：3c图像边缘提取；3d模型更新：3e图像收敛。本发明提出了一项新的能量函数对原始模型进行改善，使得该模型更适合于医学超声图像肿瘤的病灶提取，更进一步提高了算法的准确性以及实用性。

主权项

1.一种乳腺肿瘤超声图像自动提取方法，按以下步骤进行：（1）选取目标图像：用户利用鼠标剪裁包括有待处理的乳腺肿瘤的方框图像；（2）肿瘤超声图像边缘自动提取：采用SRAD各向异性扩散算法，对剪裁得到的图像进行噪声抑制， SRAD算法的迭代方程如下： 其中，为剪裁后的图像；为扩散系数；表示图像的支撑域，为的边界，而为的外法向量；为每一次迭代后的输出图像；（3）由步骤（2）得到经过噪声抑制后的图像I1，利用改进的几何活动轮廓模型对肿瘤图像进行自动分割：3a  图像预处理：利用几何形态学的膨胀和腐蚀方法对子图像进行预处理，自动生成初始活动轮廓线，即零水平集，并生成符号距离函数SDF，即水平集函数，膨胀和腐蚀方法采用的计算公式如下：其中表示具有一定形状和大小的结构元素； I1为噪声抑制后的图像；     3b模型优化：采用了窄带算法，即仅考虑零水平集的附近区域，重新更新该窄带区域内的SDF，从而提高算法的工作效率；3c图像边缘提取：结合图像的梯度信息和区域灰度信息，采用最小化能量函数进行计算，使得零水平集曲线沿着肿瘤边缘方向演化：其中，为重新初始化后的水平集函数；和分别为目标区域内部的像素平均值和梯度平均值；和分别为目标区域外部的像素平均值和梯度平均值，以及为可调参数；且有：以及   3d  模型更新：当零水平集曲线靠近或者触及到窄带边界的时候，根据演化公式，自动更新水平集函数，并重新计算新的窄带区域； 3e  模型收敛及准则：检查迭代是否收敛时，若未收敛则转到步骤3b，否则，则计算停止，零水平集曲线停止演化，取迭代收敛的判断条件为：）其中，为第n次迭代得到的水平集函数，为时间步长，而表示满足的网格总数。