全表示半監(jiān)督快速譜聚類的醫(yī)學(xué)圖像分割方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了全表示半監(jiān)督快速譜聚類的醫(yī)學(xué)圖像分割方法及系統(tǒng)。方法步驟包括：獲取等待處理的醫(yī)學(xué)圖像；通過觸摸屏在該醫(yī)學(xué)圖像中圈畫；對全幅醫(yī)學(xué)圖像進行像素灰度、空間位置及Gabor紋理特征提取，進行特征歸一化和特征降維處理；進行圈畫區(qū)域參照信息的All-In-One形式表示；生成基于全表示半監(jiān)督機制的圖論松弛聚類模型；聚類模型二次項重新整理成新的正定矩陣；改寫為約束型最小包含球形式；基于核心集最小包含球快速逼近策略估算最終解；圖示化聚類指示向量決定聚類分割的實際類別數(shù)；根據(jù)類別數(shù)基于K均值算法將聚類指示分量劃分成不同子集。系統(tǒng)包括一個FPGA模塊及外接設(shè)備。本發(fā)明方法及系統(tǒng)，操作簡單，實時性好，準(zhǔn)確性高。
【專利說明】 全表示半監(jiān)督快速譜聚類的醫(yī)學(xué)圖像分割方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于智能醫(yī)學(xué)圖像分割【技術(shù)領(lǐng)域】，涉及全表示半監(jiān)督快速譜聚類的醫(yī)學(xué)圖像分割方法，本發(fā)明還涉及實現(xiàn)該方法的醫(yī)學(xué)圖像分割系統(tǒng)。
【背景技術(shù)】
[0002]迅速發(fā)展的CT、MRI和PET等醫(yī)學(xué)影像技術(shù)不斷推動著現(xiàn)代醫(yī)學(xué)的進步，其作用已經(jīng)從人體組織器官解剖結(jié)構(gòu)的非侵入檢查和可視化，進一步發(fā)展成用于疾病診斷、治療方案設(shè)計和治療效果評價的基本工具。醫(yī)學(xué)臨床實踐和研究經(jīng)常需要對人體某種組織和器官的形狀、邊界、截面積及體積進行測量，從而得出該組織病理或功能方面的重要信息。這里醫(yī)學(xué)圖象分割系統(tǒng)及其核心方法發(fā)揮著至關(guān)重要的作用。醫(yī)學(xué)圖像分割系統(tǒng)通過內(nèi)嵌圖像分割算法根據(jù)某種一致性原則將醫(yī)學(xué)影像圖片劃分成若干區(qū)域，從中找出目標(biāo)組織對應(yīng)的區(qū)域并進行可視化展現(xiàn)，為醫(yī)務(wù)人員進行后續(xù)定量測繪、定性分析與判別提供方便，為臨床診斷、療效評估等提供重要參考。
[0003]醫(yī)學(xué)圖像處理具有兩方面特殊性。一方面是醫(yī)學(xué)圖像本身物理特性:其對比度通常較低、伴有較多噪聲和偽影；組織和個體差異性導(dǎo)致各組織之間、組織與病灶之間邊界模糊；不同組織的結(jié)構(gòu)形狀和分布常呈現(xiàn)拓?fù)鋸?fù)雜性、不均勻性。另一方面是其現(xiàn)實意義需求，即醫(yī)學(xué)圖像分割要求分割結(jié)果盡可能符合人體解剖學(xué)和病理學(xué)意義，這通常依賴于醫(yī)務(wù)人員的醫(yī)學(xué)常識和病理經(jīng)驗的介入。這些特殊性造成了目前還沒有公認(rèn)最好的醫(yī)學(xué)圖像分割算法及其相應(yīng)軟硬件系統(tǒng)。
[0004]模式識別聚類技術(shù)是醫(yī)學(xué)圖像分割的典型方法之一。針對醫(yī)學(xué)圖像的自身特點，一些聚類算法可應(yīng)用于醫(yī)學(xué)圖像分割。如適用于處理醫(yī)學(xué)圖像常見的模糊性和不確定性的模糊C均值算法；適合處理醫(yī)學(xué)圖像常見的類不平衡性的譜聚類算法，如圖論松弛聚類(Graph-based Relaxed Clustering, GRC)算法,其具有便捷性(聚類結(jié)果直觀并多類劃分一次性處理完成)和自適應(yīng)性(無需預(yù)設(shè)總類別數(shù))的顯著優(yōu)點。此外常用于醫(yī)學(xué)圖像分割的聚類算法還有混合模型聚類、神經(jīng)網(wǎng)絡(luò)聚類以及協(xié)同聚類等。但這些算法普遍存在著系統(tǒng)魯棒性欠佳或?qū)崟r性較差的問題，如分割性能對算法參數(shù)設(shè)置及噪聲數(shù)據(jù)敏感和算法處理大數(shù)據(jù)集系統(tǒng)開銷很大。
[0005]醫(yī)學(xué)圖像分割要求分割性能可靠、處理時間迅速和良好的人機交互接口。機器學(xué)習(xí)領(lǐng)域的半監(jiān)督聚類技術(shù)是實現(xiàn)此目標(biāo)的有效方法。所謂半監(jiān)督聚類就是有參照學(xué)習(xí)信息的聚類過程。這在醫(yī)學(xué)圖像分割應(yīng)用中非常必要，因為其聚類分割的結(jié)果應(yīng)盡可能符合人體解剖學(xué)和病理學(xué)意義，而這很大程度上需要醫(yī)務(wù)人員的干預(yù)和協(xié)助。如醫(yī)學(xué)專家在待處理圖像中預(yù)先勾畫出部分病灶區(qū)域，并告知系統(tǒng)其含義，該區(qū)域的特征信息經(jīng)聚類算法智能學(xué)習(xí)和利用后可顯著增強系統(tǒng)聚類的整體健壯性和有效性。醫(yī)學(xué)圖像分割場合，醫(yī)學(xué)專家預(yù)先給出的參照信息可能包括下列多種情形:①明確醫(yī)學(xué)圖像中總共包含的不同組織區(qū)域，并圈畫了每個區(qū)域的部分樣本；②不明確具體有多少組織區(qū)域，但圈畫了一些區(qū)域的樣本；③醫(yī)學(xué)圖像本身模糊、辨析度欠佳，醫(yī)學(xué)專家依據(jù)人體解剖學(xué)和病理學(xué)知識圈畫了部分同屬某組織區(qū)域的樣本；④依據(jù)人體解剖學(xué)和病理學(xué)知識，醫(yī)學(xué)專家圈畫出若干樣本并指明它們屬于不同組織。這四種情形正對應(yīng)半監(jiān)督聚類的兩種基本形式:基于標(biāo)記信息(Labels)的半監(jiān)督學(xué)習(xí)和基于成對關(guān)聯(lián)約束(Side Information, Must-1ink或Cannot-1ink)的半監(jiān)督學(xué)習(xí)。情形①和②屬于標(biāo)記參照信息，情形③和④則屬于成對關(guān)聯(lián)約束信息。
[0006]基于譜圖理論的譜聚類技術(shù)具有全局最優(yōu)解并適合各種形狀的數(shù)據(jù)集，是目前最被廣泛研究的聚類方法之一。但時間復(fù)雜度較高、穩(wěn)定性較差的通病是制約其直接應(yīng)用于醫(yī)學(xué)圖像分割的主要障礙。近年來融合半監(jiān)督學(xué)習(xí)的譜聚類方法也已被很多學(xué)者研究，分別出現(xiàn)了將參照信息用于樣本相似度矩陣計算、用于樣本距離測度優(yōu)化及用于架構(gòu)目標(biāo)函數(shù)正規(guī)化等的不同形式。但這些方法普適性較差，要么基于標(biāo)記信息進行半監(jiān)督學(xué)習(xí)、要么無法處理成對關(guān)聯(lián)約束條件、要么需要預(yù)設(shè)總類別數(shù)等等?？傊?，現(xiàn)有譜聚類技術(shù)不能同時兼容醫(yī)學(xué)圖像分割的多種參照情形，并普遍欠缺快速處理能力，這對其實用性是很大的制約。因此，快速、可靠、智能并使用方便的醫(yī)學(xué)圖像分割技術(shù)仍是生物醫(yī)學(xué)行業(yè)的研究熱點并具有可觀應(yīng)用前景。
[0007]常見的嵌入式系統(tǒng)基于傳統(tǒng)集成電路設(shè)計，需要整合大量的外圍電路，由于PCB板中的IC芯片之間的連線延時，以及本身的體積和重量等因素的限制，整機系統(tǒng)的性能受到了很大的制約。近年來具有超大規(guī)模、低功耗、低成本、設(shè)計靈活等優(yōu)點的FPGA (FieldProgrammable Gate Array,現(xiàn)場可編程門陣列)成為行業(yè)主流并被廣泛應(yīng)用在高速度、高密度的數(shù)字電路設(shè)計領(lǐng)域。工業(yè)、農(nóng)業(yè)、醫(yī)療、科研等領(lǐng)域集成電路設(shè)計已經(jīng)進入了片上系統(tǒng)(System on a Chip, SoC)時代，其將微處理器、模擬IP核、數(shù)字IP核和存儲器(或片外存儲控制接口 )集成在單一芯片上。SoPC (System on a Programmable Chip)是一種基于FPGA的SoC設(shè)計方案,它將FPGA及微處理器的核心嵌在同一芯片上,構(gòu)成一個可編程的SoPC系統(tǒng)框架，具有高度的集成能力，很大程度上減小了產(chǎn)品體積以及外部信號對系統(tǒng)的干擾，大大增加了系統(tǒng)的可靠性、穩(wěn)定性和靈活性。全球著名FPGA制造商Altera推出的內(nèi)部集成軟核處理器Nios II及各種IP核的Cyclone II，是一種目前民用市場常用的SoPC架構(gòu)，配合SoPC Builder和Nios II IDE開發(fā)工具，能夠在很短的時間內(nèi)推出一個完整的系統(tǒng)，極大的方便了系統(tǒng)的開發(fā)。該架構(gòu)也成為醫(yī)療行業(yè)信號檢測、數(shù)據(jù)處理等系統(tǒng)設(shè)計的發(fā)展趨勢。

【發(fā)明內(nèi)容】

[0008]本發(fā)明的目的是提供全表示半監(jiān)督快速譜聚類的醫(yī)學(xué)圖像分割方法，解決了現(xiàn)有技術(shù)中存在的不能同時兼容醫(yī)學(xué)圖像分割多種參照情形，以及快速處理能力不夠的問題。
[0009]本發(fā)明的另一目的是提供一種實現(xiàn)該方法的醫(yī)學(xué)圖像分割系統(tǒng)。
[0010]本發(fā)明所采用的技術(shù)方案是，全表示半監(jiān)督快速譜聚類的醫(yī)學(xué)圖像分割方法，按照以下步驟實施:
[0011]步驟1:從本地SD卡或者通過網(wǎng)絡(luò)從上位機獲取等待處理的醫(yī)學(xué)圖像，設(shè)其分辨率為mXn=N，m和η分別為圖像的長和寬，單位是像素，N是該醫(yī)學(xué)圖像總的像素容量；
[0012]步驟2:醫(yī)務(wù)人員通過觸摸屏在該醫(yī)學(xué)圖像中圈畫，以供參照分割信息；
[0013]步驟3:對全幅醫(yī)學(xué)圖像包括圈畫的參照區(qū)域，進行像素灰度、空間位置及Gabor紋理特征提取，并進行特征歸一化和特征降維處理，生成待處理大規(guī)模數(shù)據(jù)集X及相應(yīng)的特征矩陣D=Iixrx2;...;XN]，其中Xi為數(shù)據(jù)特征向量，1=1.2......N ；
[0014]步驟4:進行圈畫區(qū)域參照信息的All-1n-One形式表示；
[0015]步驟5:生成基于全表示半監(jiān)督機制的圖論松弛聚類模型
[0016]該圖論松弛聚類模型的目標(biāo)函數(shù)如式(6)所示:
【權(quán)利要求】
1.全表示半監(jiān)督快速譜聚類的醫(yī)學(xué)圖像分割方法，其特點是，按照以下步驟實施: 步驟1:從本地SD卡或者通過網(wǎng)絡(luò)從上位機獲取等待處理的醫(yī)學(xué)圖像，設(shè)其分辨率為mXn=N，m和η分別為圖像的長和寬，單位是像素，N是該醫(yī)學(xué)圖像總的像素容量； 步驟2:醫(yī)務(wù)人員通過觸摸屏在該醫(yī)學(xué)圖像中圈畫，以供參照分割信息； 步驟3:對全幅醫(yī)學(xué)圖像包括圈畫的參照區(qū)域，進行像素灰度、空間位置及Gabor紋理特征提取，并進行特征歸一化和特征降維處理，生成待處理大規(guī)模數(shù)據(jù)集X及相應(yīng)的特征矩陣D=Iixrx2;...;xN]，其中Xi為數(shù)據(jù)特征向量，1=1.2......N ； 步驟4:進行圈畫區(qū)域參照信息的All-1n-One形式表示； 步驟5:生成基于全表示半監(jiān)督機制的圖論松弛聚類模型 該圖論松弛聚類模型的目標(biāo)函數(shù)如式(6)所示:

2.根據(jù)權(quán)利要求1所述的全表示半監(jiān)督快速譜聚類的醫(yī)學(xué)圖像分割方法，其特點是，所述方法中涉及如下定義: 定義1:數(shù)據(jù)集X=Ix1, X2, , xj為對某醫(yī)學(xué)圖像中的所有像素點進行特征提取并逐行排列而構(gòu)成的特征數(shù)據(jù)的集合，其中N表示數(shù)據(jù)集容量； 定義2:參照集CS為某醫(yī)學(xué)圖像中醫(yī)務(wù)人員圈畫的所有區(qū)域所包含的所有數(shù)據(jù)點，CS={...，Xi,...，xk，...，xq，...}，其中的i，k，q為數(shù)據(jù)點在原始采集的數(shù)據(jù)集X中的下標(biāo)； 定義3: V+ eCS，定義〃,1為CS中所有與Xi屬同一區(qū)域的數(shù)據(jù)點的集合； 定義4: Vv「CS，定義〃為CS中所有與Xi屬不同區(qū)域的數(shù)據(jù)點的集合； 定義5:
3.根據(jù)權(quán)利要求1或2所述的全表示半監(jiān)督快速譜聚類的醫(yī)學(xué)圖像分割方法，其特點是，所述的步驟3中，具體步驟包括: 步驟3.1:對位置為(i，j)的像素點，記其灰度值為gu ； 步驟3.2:對位置為(i，j)的像素點，記其空間位置特征為lfti/m，j/n]； 步驟3.3:設(shè)置Gabor濾波器參數(shù)，頻率覆蓋范圍U1=0.05，Uh=0.4，尺度數(shù)S=4，方向數(shù)K=6，進行基于Gabor濾波和高斯平滑處理的圖像紋理特征提取，位置(i，j)的紋理特征記為tU ; 步驟3.4:綜合考慮前幾步得到的位置(i，j)的灰度值、空間位置特征和圖像紋理特征，得到27維復(fù)合特征^逐行排列像素點復(fù)合特征生成臨時大規(guī)模高維特征矩陣
4.根據(jù)權(quán)利要求3所述的全表示半監(jiān)督快速譜聚類的醫(yī)學(xué)圖像分割方法，其特點是，所述的步驟4中，具體步驟包括: 步驟4.1:對醫(yī)務(wù)人員圈畫區(qū)域進行映射，得到參照集CS ； 步驟4.2:依據(jù)式(3)和(4)分別計算參照集CS的正參照和K+與負(fù)參照和K_，正、負(fù)參照和均能同時兼容標(biāo)記參照信息和成對關(guān)聯(lián)約束信息，具備全表示能力。
5.根據(jù)權(quán)利要求4所述的全表示半監(jiān)督快速譜聚類的醫(yī)學(xué)圖像分割方法，其特點是，所述的步驟8中，具體步驟包括: 步驟8.1:將數(shù)據(jù)集X按照約束性最小包含球理論擴展新維^，且擴展維的原點為O，生成擴展空間數(shù)據(jù)集Z ； 步驟8.2:設(shè)t為迭代計數(shù)器，且初值為O，從數(shù)據(jù)集Z中任取10個數(shù)據(jù)點初始化為核心集Qci,按照式(10)計算此時的CCMEB的中心點Ctl和半徑&則有:
6.一種實現(xiàn)權(quán)利要求1或2所述方法的醫(yī)學(xué)圖像分割系統(tǒng)，其特點是:包括一個FPGA模塊及外接設(shè)備， 所述的FPGA模塊中，設(shè)置有Avalon總線及三態(tài)橋總線，在Avalon總線及三態(tài)橋總線上連接有Flash控制器、SDRAM控制器、通用10、IXD驅(qū)動器、定時器、LTM控制器、C2H加速、SD卡控制器、以太網(wǎng)控制器、JTAGUART模塊和Nios II軟核； 所述的外接設(shè)備包括，F(xiàn)lash控制器外接Flash設(shè)備，SDRAM控制器外接SDRAM設(shè)備，通用IO外接LED等和按鈕，IXD驅(qū)動器外接IXD顯示器，LTM控制器外接觸摸屏，SD卡控制器外接SD卡，以太網(wǎng)控制器外接以太網(wǎng)。
7.根據(jù)權(quán)利要求6所述的醫(yī)學(xué)圖像分割系統(tǒng)，其特點是:軟件平臺選用NiosII IDE,基于移植的μ c/os II多任務(wù)實時操作系統(tǒng)以及μ c/gui圖形庫和用戶自定義接口控制模塊，預(yù)置有觸摸 屏人機交互式醫(yī)學(xué)圖像分割系統(tǒng)軟件。
【文檔編號】G06T7/00GK103617623SQ201310667423
【公開日】2014年3月5日 申請日期:2013年12月10日 優(yōu)先權(quán)日:2013年12月10日
【發(fā)明者】錢鵬江, 王士同, 鄧趙紅, 王駿, 蔣亦樟 申請人:江南大學(xué)