基于图像处理的卵巢组织癌变区域分割方法

技术特征：
1.一种基于图像处理的卵巢组织癌变区域分割方法，其特征在于，包括以下步骤：获取腹腔区域ct图像；将腹腔区域ct图像通过canny边缘检测获取图像中所有轮廓边缘；通过3
×
3滑窗对ct图像中的非边缘区域从左至右或从上至下依次进行遍历，获取每个滑窗中的灰度级数；根据每个滑窗中的灰度级数获取每个滑窗中的灰度信息量；根据每个滑窗中所有像素点的灰度值获取每个滑窗内的平均灰度值；根据每个滑窗内的平均灰度值及对应滑窗中的灰度级数获取每个滑窗中的边缘程度值；根据每个滑窗中的边缘程度值大于该滑窗中的灰度信息量获取非边缘区域中多个含有边缘像素点的滑窗，记为边缘滑窗；将非边缘区域中一连续排布的边缘滑窗一侧与其对应的轮廓边缘围成连通域，根据该连通域中像素点的灰度分布获取每个连通域的分布函数；通过统计每个边缘滑窗内符合该分布函数的边缘像素点；根据该轮廓边缘与符合该分布函数的边缘像素点获取新的连通域；依次类比获取每个连续排布的边缘滑窗内的边缘像素点与其对应轮廓边缘围成多个新的连通域；根据多个新的连通域将ct图像中非边缘区域分割为若干个区域。2.根据权利要求1所述基于图像处理的卵巢组织癌变区域分割方法，其特征在于，每个所述连通域的分布函数均为：式中，为连通域中平均灰度值；为连通域中灰度值标准差；为连通域中像素点的灰度值；为连通域的分布函数。3.根据权利要求2所述基于图像处理的卵巢组织癌变区域分割方法，其特征在于，所述灰度值标准差计算公式如下：式中，为连通域中灰度值标准差；为滑窗中像素点的灰度值；为连通域中平均灰度值；表示连通域所在的区域；为中像素点的个数。4.根据权利要求3所述基于图像处理的卵巢组织癌变区域分割方法，其特征在于，所述通过统计每个边缘滑窗内符合对应分布函数的像素点过程中，是将每个边缘滑窗内的像素点的灰度值符合公式: ，将作为符合对应分布函数的像素点；其中，表示边缘滑窗内的像素点的灰度值；表示与边缘滑窗邻近的第个连通域中平均灰度值；表示与边缘滑窗邻近的第个连通域中灰度值标准差。
5.根据权利要求1所述基于图像处理的卵巢组织癌变区域分割方法，其特征在于，每个滑窗中的灰度信息量计算公式如下：式中，表示滑窗中第个灰度级的概率；表示滑窗中的灰度信息量。6.根据权利要求5所述基于图像处理的卵巢组织癌变区域分割方法，其特征在于，每个滑窗中的边缘程度值计算公式如下：式中，表示滑窗中的边缘程度值；表示滑窗中第个灰度级的灰度值；表示滑窗中第个灰度级的概率；表述滑窗中灰度级的序数；表示滑窗内的平均灰度值。7.根据权利要求1所述基于图像处理的卵巢组织癌变区域分割方法，其特征在于，还包括：将获取的若干个区域通过训练好的卷积神经网络识别分割后的ct图像中卵巢组织所在位置。8.根据权利要求1所述基于图像处理的卵巢组织癌变区域分割方法，其特征在于，获取腹腔区域ct图像的过程中，是先获取初始ct图像后，再经中值滤波处理而得的。

技术总结
本发明公开了一种基于图像处理的卵巢组织癌变区域分割方法，属于图像处理技术领域；包括以下步骤：获取腹腔区域CT图像；根据每个滑窗中的灰度级数获取每个滑窗中的灰度信息量；获取每个滑窗中的边缘程度值；根据每个连通域中像素点的灰度分布获取每个连通域的分布函数；通过统计每个边缘滑窗内符合该分布函数的边缘像素点；根据该轮廓边缘与符合该分布函数的边缘像素点获取新的连通域；根据多个新的连通域将CT图像中非边缘区域分割为若干个区域。本发明根据不同软组织边缘的灰度信息量与差异程度的特点将CT图像中非边缘区域中不同组织器官进行分割，进而将卵巢组织与其他组织器官进行分离。织器官进行分离。织器官进行分离。


技术研发人员：潘颖 王雪 李析蒨 黄笑尘 刘安琪
受保护的技术使用者：吉林大学中日联谊医院
技术研发日：2022.09.15
技术公布日：2022/11/15