[发明专利]基于网络相位同步的医学影像处理方法

摘要

本发明公开了一种基于网络相位同步的医学影像处理方法，主要解决现有医学影像处理方法诊断识别率不高以及局部细节处理不好的问题。其实现步骤为：（1）读入原始医学影像，提取像素点的特征，进行分水岭分割；（2）计算分割后区域之间的相似度；（3）用区域作为节点，相似度作为网络权值，建立网络；（4）随机产生网络的初始相位，对相位进行迭代直到稳定，提取稳定后的节点相位；（5）用稳定后的相位对节点进行初分类，再计算节点斜率，根据斜率对节点进行细分类；（6）重新分配被分错的节点，并将类别序号标记到像素点上；（7）给不同类的像素点赋不同的灰度值，得到分割后的图像。本发明与现有方法相比，提高了医学影像的诊断识别率。

主权项

一种基于网络相位同步的医学影像处理方法，包括如下步骤： （1）提取原始医学影像的像素点特征，并对提取到的像素点特征进行分水岭分割，得到N个区域，N≥1000； （2）计算每两个区域之间的相似度，以及每个区域与其自身的相似度，得到N×(N+1)/2个相似度值； （3）用N个区域作为网络中的各节点，用N×(N+1)/2个相似度值作为网络中的权值； （4）在[0,2π]内随机产生N个数，作为网络中各个节点的初始相位，采用振荡器公式对网络中的N个节点进行相位迭代，当所有节点N都满足公式θi(k)‑θi(k‑3)＜0.01时，结束迭代，θi(k)表示节点i第k次迭代的相位，迭代总次数记为m； （5）将[0,2π]划分为n1个子区间，统计相位落到各个子区间内的节点个数，以n1个子区间序号作为横坐标，以落在子区间内节点个数作为纵坐标，绘制相位分布曲线，统计在曲线上处于相邻波谷之间所有节点，将其归为一类，N个节点共划分为L1类，L1的数值与波谷数相同，把N个节点的类别序号存储到长度为N的向量F中，若N个节点中的任意节点i属于第j类，则F中的第i个值fi＝j，j=1,...,L1； （6）用节点的第m代和m‑3代相位计算所有节点的斜率，得到N个斜率值，对L1类中的每一类进行以下操作：将[‑0.01,0.01]划分为n2个子区间，统计斜率值落到各个子区间内的节点个数，以n2个子区间序号作为横坐标，以落在子区间节点个数作为纵坐标，绘制L1条斜率分布曲线，统计每一条曲线上处于相邻波谷之间所有节点，将其归为一类，所有节点共划分为L2类，L2与L1条斜率分布曲线的波谷总数相同，更新向量F中每个节点的类别序号； （7）检测L2个类中每一类的节点数，若某类的节点数小于阈值T=N/200，则重 新分配该类的所有节点，将该类中的任意节点i与类j的相似度记为vij，计算i与所有类的L2个相似度，对L2个相似度进行排序，找到最大值，将节点i重新分给最大值对应的类，更新向量F中节点i的类别序号； （8）将向量F存储的类别序号，即像素点的区域所属的类别序号，标记到每个像素点上； （9）给不同类的像素赋不同的灰度值，得到分割后的图像，并输出。