[发明专利]一种基于特征扩散的CT图像肿瘤组织提取方法

摘要

本发明公开了一种基于特征扩散的CT图像肿瘤组织提取方法，主要解决CT图像肿瘤组织提取问题。其过程为:获取目标CT图片并加入特征点，在整幅CT图像范围内利用特征点之间的距离对所有像素点进行扩散，囊括更多能代表肿瘤组织的像素点，形成一个先验的特征点集合,在该点集合的指导下对CT图像进行聚类，实现CT图像肿瘤组织的提取。本发明具有人工参与度高和肿瘤组织提取准确率高的优点，可用于CT图像肿瘤组织提取。

主权项

一种基于特征扩散的CT图像肿瘤组织提取方法，其特征在于，包括以下步骤：1)获取目标CT图像，并输入CT图像对应的数据集，分别计算数据集中各个点的尺度参数和数据集的相似度矩阵，然后加入若干代表肿瘤组织的特征点，并获取这些特征点对应源图像的坐标；2)求取上述特征点对应CT图像中元素对应值的平均值，并从CT图像中提取前若干个数值与平均值最为接近的点作为辅助特征点，并将这些辅助特征点加入特征点集用于辅助原始特征点；3)将矩阵中的特征点对应位置的值修正为1，代表该位置的点属于正常组织或肿瘤组织的概率为1，然后求取修改后的相似度矩阵对应的拉普拉斯矩阵并进行特征分解，得到若干特征向量,选取前两列特征向量参与后续计算；4)对特征向量进行k均值聚类，然后在步骤3)所得的特征向量中任意选取两个点作为聚类的初始聚类中心，分别计算两列特征向量中任意一点与上述两个初始聚类中心的距离，并按距离远近将特征向量中的点划分为两类；计算这两类点的点群中心，记为A和B，将A和B更新为聚类中心，重新计算特征向量中的点与A和B的距离，根据距离远近将特征向量的点重新划分为两类，重复选定点群中心和根据距离划分点集的操作，直到两类点的点群中心固定不变，停止循环，最终将特征向量中的点划分成两类，得到最终的聚类结果，该两类点集聚类划分了肿瘤组织和正常组织，实现肿瘤组织图像的提取。