基于图像处理的放疗靶区自动分割方法与流程

技术特征：
1.基于图像处理的放疗靶区自动分割方法，其特征在于，该方法包括如下步骤：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。2.如权利要求1所述的基于图像处理的放疗靶区自动分割方法，其特征在于，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；将特征灰度值对应的各像素点归为一个类别，记为该灰度值类别对应的像素点类别；将属于同一个子灰度值序列的各灰度值对应的像素点归为一个类别，记为该灰度值类别对应的像素点类别。3.如权利要求1所述的基于图像处理的放疗靶区自动分割方法，其特征在于，对于任一像素点类别对应的任一聚类簇，根据如下公式计算该聚类簇对应的像素点分布离散度：其中，为该聚类簇对应的像素点分布离散度，t为该聚类簇中的像素点数量，为该聚类簇中的第i个像素点与第j个像素点之间的距离，为组合公式。4.如权利要求1所述的基于图像处理的放疗靶区自动分割方法，其特征在于，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的方法，包括：对于任一像素点类别对应的各聚类簇：选取最大像素点分布离散度对应的聚类簇中的
任意一个像素点作为初始聚类中心。5.如权利要求1所述的基于图像处理的放疗靶区自动分割方法，其特征在于，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的方法，包括：根据各特征聚类簇中各像素点的灰度值，得到各特征聚类簇对应的标准差，以及任意两个特征聚类簇之间的协方差；对于任一特征聚类簇：根据该特征聚类簇与除该特征聚类簇之外的其它各特征聚类簇之间的协方差以及各特征聚类簇对应的标准差，得到该特征聚类簇与除该特征聚类簇之外的其它各特征聚类簇之间的相似性。6.如权利要求5所述的基于图像处理的放疗靶区自动分割方法，其特征在于，根据如下公式计算该特征聚类簇与除该特征聚类簇之外的其它各特征聚类簇之间的相似性：其中，为该特征聚类簇与除该特征聚类簇之外的其它各特征聚类簇中的第b个特征聚类簇之间的相似性，为该特征聚类簇，为除该特征聚类簇之外的其它各特征聚类簇中的第b个特征聚类簇，为该特征聚类簇与除该特征聚类簇之外的其它各特征聚类簇中的第b个特征聚类簇之间的协方差，为该特征聚类簇对应的标准差，为除该特征聚类簇之外的其它各特征聚类簇中的第b个特征聚类簇的标准差，c为常数。7.如权利要求5所述的基于图像处理的放疗靶区自动分割方法，其特征在于，根据特征聚类簇之间的相似性，得到各目标聚类簇的方法，包括：对于任一特征聚类簇：将相似性大于预设相似性阈值的特征聚类簇均与该特征聚类簇进行合并，将合并之后的聚类簇记为目标聚类簇。8.如权利要求2所述的基于图像处理的放疗靶区自动分割方法，其特征在于，根据目标聚类簇中各像素点的斜率，得到癌症病变区域的方法，包括：利用边缘检测算法提取各目标聚类簇对应的连通域的边缘线，记为各目标聚类簇对应的边缘线；根据各目标聚类簇对应的边缘线上每个像素点的斜率，得到各目标聚类簇对应的边缘线的光滑程度；判断各目标聚类簇对应的边缘线的光滑程度是否大于预设光滑程度阈值，若是，则将对应的目标聚类簇对应的连通域记为癌症病变区域。9.如权利要求8所述的基于图像处理的放疗靶区自动分割方法，其特征在于，对于任一目标聚类簇，根据如下公式计算该目标聚类簇对应的边缘线的光滑程度：
其中，为该目标聚类簇对应的边缘线的光滑程度，为该目标聚类簇对应的边缘线上的第g个像素点的斜率的绝对值，g为该目标聚类簇对应的边缘线上的像素点数量。

技术总结
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。区域能够帮助工作人员的确定放疗靶区。区域能够帮助工作人员的确定放疗靶区。


技术研发人员：郭雷鸣 葛红
受保护的技术使用者：深圳市亿康医疗技术有限公司
技术研发日：2022.10.14
技术公布日：2022/11/11