【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及基于特征提取的肿瘤分割方法、系统及存储介质。
技术介绍
1、在生物与医疗领域中，特征提取是一项至关重要的技术环节，它对于生物学数据的识别、分类与分析具有显著意义。肺癌，作为一种恶性肺部肿瘤，其诊断与治疗过程中，计算机断层（computed tomography，ct）成像技术的应用尤为关键。ct技术通过融合x射线与计算机处理技术，生成ct图像，为医生提供了对肺部肿瘤区域的直观展示。然而，医生在解读这些ct图像时，往往还需结合丰富的临床经验和患者的病史，才能准确判断图像上的异常区域。针对这一挑战，图像特征提取技术为医生提供了有力的辅助。然而，在利用分水岭算法进行肺部ct图像分割时，尽管该方法能够生成封闭且单像素宽度的分割线，但肺部复杂的管道系统却常常导致分水岭转换后产生众多非肿瘤区域的山谷，进而引发过度分割的问题。这一问题的存在使得分割结果过于细致或杂乱，增加了后续分析的难度和复杂性。可见尽管传统的分水岭算法在一定程度上提供了更为准确、清晰且可视化强化的信息，但其分割结果仍依赖人工严格的筛选和验证才能应用于临床决策。因此，如何优化分水岭算法，以改善肺部ct图像过度分割现象，提高分割结果的准确性和可靠性，成为当前生物与医疗领域亟待解决的问题之一。
技术实现思路
1、为了解决传统肺部ct图像分割存在的分割结果过于细致或杂乱的技术问题，本专利技术的目的在于提供基于特征提取的肿瘤分割方法、系统及存储介质，所采用的技术方案具体如下：
2、第一方面，本
3、在一种可能的实施方案中，根据所述肺部管道区域的特征和肺部肿瘤区域在形态上的特征，调整所述分水岭算法的高度图，包括：对所述灰度图像进行边缘检测；利用边缘检测到的边缘线，在所述灰度图上进行标记，标记后的边缘线将所述灰度图像围成了不同的子区域；
4、针对每个子区域，在水注入高度变化时，计算每个子区域边缘上各个像素点的肺部组织区域边缘平滑度和边缘像素点数量；根据所述边缘像素点数量和肺部组织区域边缘平滑度的变化，计算相邻水注入高度下各个子区域的边缘形状与肺部管道区域在形态上的结构相似度；基于所述结构相似度，计算各个子区域为肺部管道区域的可信度；根据每个子区域为肺部管道区域的可信度，调整所述分水岭算法的高度图。
5、在一种可能的实施方案中，在水注入高度变化时，计算每个子区域边缘上各个像素点的肺部组织区域边缘平滑度，包括：在水注入高度变化时，计算每个子区域边缘上各个像素点的梯度值在水平方向和垂直方向上的分量；根据每个子区域边缘上各个像素点的灰度值和梯度值的分量变化，计算每个子区域边缘上各个像素点的肺部组织区域边缘平滑度。
6、在一种可能的实施方案中，根据每个子区域为肺部管道区域的可信度，调整分水岭算法的高度图的步骤包括：计算所述灰度图像的梯度值，得到图像的梯度幅值和方向信息；在所述灰度图像中寻找不同区域的种子点，以及过所述种子点作m条直线，与肺叶区域相交产生2m个点，m为正整数；每条直线与所述肺叶区域相交产生两个点，选择两个点中灰度值较大的点作为目标点；根据每个子区域为肺部管道区域的可信度，调整分水岭算法的高度图中每个山谷中像素点相对于所述目标点之间的距离，以突出肺部肿瘤区域形成的山谷和肺部肿瘤区域形成的山谷之间的差异。
7、在一种可能的实施方案中，在所述灰度图像中寻找不同区域的种子点，包括：在所述灰度图像中寻找灰度值在不同区域的极大值和极小值，将不同区域的极小值标记为种子点，将此时的极大值标记为隔板。
8、根据所述边缘像素点数量和肺部组织区域边缘平滑度的变化，计算相邻水注入高度下各个子区域的边缘形状与肺部管道区域在形态上的结构相似度，包括：获取2m个点构成的线段的质心点，根据质心点间的距离对两两相邻高度之间的线段进行匹配，距离最短的则认为其存在对应关系；对每一个子区域的边缘都存在一个按照高度增加顺序获取的分组序列；根据所述每个分组序列的边缘像素点数量和肺部组织区域边缘平滑度的变化，计算相邻水注入高度下各个子区域的边缘形状与肺部管道区域在形态上的结构相似度。
9、在一种可能的实施方案中，当子区域的边缘形状与肺部管道区域在形态上的结构相似度大于区域肺部管道可信度阈值时，则确定所述子区域为肺部管道区域。
10、在一种可能的实施方案中，分割得到肺部肿瘤区域之后，还包括：将分割得到肺部肿瘤区域之后的图像传送至用户端，以辅助医学诊断。
11、第二方面，本专利技术实施例提供一种基于特征提取的肿瘤分割系统，包括:
12、图像预处理模块，用于对肺部ct图像进行预处理并转换为灰度图像；
13、图像提取模块，用于从所述灰度图像中提取出肺部管道区域和肺部肿瘤区域在形态上的特征；
14、分水岭转换模块，用于利用分水岭算法对所述灰度图像进行分水岭转换，得到肺部管道区域形成的山谷和肺部肿瘤区域形成的山谷；
15、高度图调整模块，用于根据所述肺部管道区域和肺部肿瘤区域在形态上的特征，调整所述分水岭算法的高度图；
16、所述分水岭转换模块，还用于利用调整后的所述分水岭算法的高度图，对所述灰度图图像重新进行分水岭转换，以填平所述肺部管道区域形成的山谷，分割得到肺部肿瘤区域。
17、第三专利技术方面，本专利技术实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质包括程序，当程序在电子设备上运行时，使得所述电子设备执行上述第二方面的任意一种可能的实施方式的方法。
18、本专利技术实施例所提供的基于特征提取的肿瘤分割方法、系统及存储介质，其显著优势在于：通过提取肺部管道区域和肺部肿瘤区域在形态上的特征，优化分水岭算法，调整分水岭算法的高度图，扩大了不同类型区域所形成山谷的差异，进一步增强了肺部管道系统区域和肿瘤区域的区分度，分割得到肺部肿瘤区域更为精确，为医学专家提供更直观、更准确的诊断依据。本专利技术的方法在实际应用中具有较高的通用性和可扩展性。不仅可以应用于肺部组织的图像分析，还可以根据具体需求进行调整和扩展，以适应不同部位和不同类型的医学图像分析任务。综上所述，本专利技术实现了对肺部组织图像中肿瘤区域的准确识别和分析，为医学专家提供了有力的辅助，具有显著的有益效果和应用价值。
本文档来自技高网...【技术保护点】
1.一种基于特征提取的肿瘤分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于特征提取的肿瘤分割方法，其特征在于，根据所述肺部管道区域的特征和肺部肿瘤区域在形态上的特征，调整所述分水岭算法的高度图，包括：
3.根据权利要求2所述的一种基于特征提取的肿瘤分割方法，其特征在于，在水注入高度变化时，计算每个子区域边缘上各个像素点的肺部组织区域边缘平滑度，包括：
4.根据权利要求2所述的一种基于特征提取的肿瘤分割方法，其特征在于，根据每个子区域为肺部管道区域的可信度，调整分水岭算法的高度图的步骤包括：
5.根据权利要求4所述的一种基于特征提取的肿瘤分割方法，其特征在于，在所述灰度图像中寻找不同区域的种子点，包括：
6.根据权利要求4所述的一种基于特征提取的肿瘤分割方法，其特征在于，根据所述边缘像素点数量和肺部组织区域边缘平滑度的变化，计算相邻水注入高度下各个子区域的边缘形状与肺部管道区域在形态上的结构相似度，包括：
7.根据权利要求6所述的一种基于特征提取的肿瘤分割方法，其特征在于，当子区域的边缘形
8.根据权利要求1至7任一项所述的一种基于特征提取的肿瘤分割方法，其特征在于，分割得到肺部肿瘤区域之后，还包括：
9.一种基于特征提取的肿瘤分割系统，其特征在于，包括：
10.一种计算机可读存储介质，所述计算机可读存储介质内存储有程序，其特征在于，所述程序被处理器执行时，实现如权利要求1至8中任一项所述的一种基于特征提取的肿瘤分割方法。
...【技术特征摘要】
1.一种基于特征提取的肿瘤分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于特征提取的肿瘤分割方法，其特征在于，根据所述肺部管道区域的特征和肺部肿瘤区域在形态上的特征，调整所述分水岭算法的高度图，包括：
3.根据权利要求2所述的一种基于特征提取的肿瘤分割方法，其特征在于，在水注入高度变化时，计算每个子区域边缘上各个像素点的肺部组织区域边缘平滑度，包括：
4.根据权利要求2所述的一种基于特征提取的肿瘤分割方法，其特征在于，根据每个子区域为肺部管道区域的可信度，调整分水岭算法的高度图的步骤包括：
5.根据权利要求4所述的一种基于特征提取的肿瘤分割方法，其特征在于，在所述灰度图像中寻找不同区域的种子点，包括：
6.根据权利要求4所述的一种基于特征提取的...
【专利技术属性】
技术研发人员：朴瑛，陈娟，高金平，丁震宇，季发和，邓丽，
申请(专利权)人：高州市人民医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。