基于腹部CT医学图像融合及器官分割方法及系统

专利主权项内容

1.一种基于腹部CT医学图像融合及器官分割方法，其特征在于，包括：选择图像分解工具，对腹部CT医学图像进行水平方向分解和垂直方向分解，产生低频子带和高频子带；对所述低频子带进行区域划分，根据区域特征，计算低频融合值；分析所述高频子带的像素信息，计算高频融合值，通过所述低频融合值和所述高频融合值，构建融合子带，将所有所述融合子带重建成融合图像；对所述融合图像进行像素值预处理，生成预处理图像，将所述预处理图像输入图像初级分割网络，确定初级分割结果图像，其中，所述图像初级分割网络采用全连接分割方法，形成全连接卷积结构，基于所述全连接卷积结构，构建下采样层，通过计算池化区域的激活值，按照预设的激活值选择规则，确定填充值，构建上采样层，所述下采样层和所述上采样层相堆叠；将所述初级分割结果图像输入特征精细分割网络，经过所述特征精细分割网络中的全域特征融合器处理，提取全域特征表示，将所述全域特征表示输入所述特征精细分割网络中的动态特征调控器，进行分流和卷积操作，提取最终输出特征，确定最终分割结果图像；选择图像分解工具，对腹部CT医学图像进行水平方向分解和垂直方向分解，产生低频子带和高频子带；对所述低频子带进行区域划分，根据区域特征，计算低频融合值；分析所述高频子带的像素信息，计算高频融合值，通过所述低频融合值和所述高频融合值，构建融合子带，将所有所述融合子带重建成融合图像带包括：选择多分辨率分解工具，结合小波函数，进行腹部CT医学图像分解；将所述医学图像沿水平方向进行水平分解，得到低频信息和水平高频信息，将所述低频信息沿垂直方向进行垂直分解，得到更新低频信息和垂直高频信息，重复所述水平分解和所述垂直分解，直到达到预设的分解级别，所述水平高频信息和所述垂直高频信息构成高频子带，所述更新低频信息构成低频子带；对所述低频子带进行分割，得到局部区域，计算所述局部区域的区域特征值，基于所述区域特征值分配区域特征权重，根据所述区域特征权重，结合局部区域像素值，进行区域特征融合，计算低频融合值；比较所述水平高频信息和所述垂直高频信息在同一位置的像素值，选择两者像素最大值作为像素特征融合值，以所述像素特征融合值的位置为中心，创建窗口区域，确定所述窗口区域的纹理信息和结构信息，融合所述纹理信息和所述结构信息作为上下文感知融合值，将所述像素特征融合值和所述上下文感知融合值进行结合，得到高频融合值；通过所述低频融合值和所述高频融合值，构建融合子带，将所有所述融合子带重建成融合图像带；对所述低频子带进行分割，得到局部区域，计算所述局部区域的区域特征值，基于所述区域特征值分配区域特征权重，根据所述区域特征权重，结合局部区域像素值，进行区域特征融合，计算低频融合值包括：将低频子带图像分割成局部区域，对局部区域计算区域特征值，所述区域特征值包括：平均亮度、对比度和纹理强度，所述区域特征值表示如下：
；其中，表示区域内像素的平均亮度，表示区域，∣∣表示区域内的像素数，()表示像素的亮度值，表示区域内像素的对比度，表示区域内的纹理强度，∣()−()∣表示像素和像素的亮度差的绝对值；LRRRRRIppCRRTRRIpIqpq根据区域特征值，结合各特征值的权重，计算区域特征权重，其公式如下：
；其中，表示区域特征权重，表示平均亮度的权重因子，表示对比度的权重因子，表示纹理强度的权重因子；wRRαβγ根据所述区域特征权重，结合局部区域像素值，进行区域特征融合，计算低频融合值，其公式如下：
；其中，表示区域的低频融合值，表示所有医学图像的总数，表示第个医学图像在区域的像素值，表示第个医学图像在区域的特征权重。VLRRNPRJJRwRJJR