欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2013106674234
申请人: 江南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2023-10-11
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于全表示半监督快速谱聚类的医学图像分割方法,其特点是,按照以下定义和步骤实施:定义:

定义1:数据集X={x1,x2,...,xN}为对某医学图像中的所有像素点进行特征提取并逐行排列而构成的特征数据的集合,其中N表示数据集容量;

定义2:参照集CS为某医学图像中医务人员圈画的所有区域所包含的所有数据点,CS={...,xi,...,xk,...,xq,...},其中的i,k,q为数据点在原始采集的数据集X中的下标;

定义3: 定义 为CS中所有与xi属同一区域的数据点的集合;

定义4: 定义 为CS中所有与xi属不同区域的数据点的集合;

定义5: 定义矢量 如式(1)所示,即 中第i元素为1、第k元素为-1,其余元素均为0,则有:

定义6: 定义矢量 如式(2)所示,同样 中第i元素为1、第q元素为-1,其余元素均为0,则有:

定义7:聚类指示向量y=[y1,y2,...,yN]T为聚类算法的最终解,其指示数据集X中的每个数据点的类属,yi与yj越接近表示它们越趋向同一类,反之异类;

定义8:定义参照集CS的正参照和K+为:

定义9:定义参照集CS的负参照和K-为:

定义10:中心约束型最小包含球是指在某扩展空间内能包含指定数据集内所有数据点的最小半径的球体,其对应式(5)所示的二次规划形式为:其中 是给原数据空间扩展的一维新特征,τ为常量,K为正定矩阵;

步骤1:从本地SD卡或者通过网络从上位机获取等待处理的医学图像,设其分辨率为m×n=N,m和n分别为图像的长和宽,单位是像素,N是该医学图像总的像素容量;

步骤2:医务人员通过触摸屏在该医学图像中圈画,以供参照分割信息;

步骤3:对全幅医学图像包括圈画的参照区域,进行像素灰度、空间位置及Gabor纹理特征提取,并进行特征归一化和特征降维处理,生成待处理大规模数据集X及相应的特征矩阵D=[x1;x2;...;xN],其中xi为数据特征向量,i=1,2,...,N;

步骤4:进行圈画区域参照信息的All-In-One形式表示,All-In-One的含义为一体化;

步骤5:生成基于全表示半监督机制的图论松弛聚类模型

该图论松弛聚类模型的目标函数如式(6)所示:

其中L是拉普拉斯矩阵,y是聚类指示向量,e是元素全为1的向量,yT和eT分别是y和e的转置,K+和K-分别是引入的正、负参照和二次项,λ+和λ-分别是正、负参照和二次项的系数,将式(3)和(4)代入式(6)得:步骤6:将式(7)目标函数表达式进行整理得式(8)

+ -

由于参照集CS的正参照和K与负参照和K 均是聚类指示向量y的二次项形式,因此将它们与原拉普拉斯矩阵L相整合生成新的正定矩阵步骤7:将式(8)改写为约束型最小包含球(CCMEB)形式得式(9)其中 τ为常量但必须设置得足够大以保证Δ≥0;

步骤8:基于核心集最小包含球快速逼近策略估算式(9)的最终解y;

步骤9:图示化聚类指示向量y,并根据存在的较明显的水平线数目决定聚类分割的实际类别数c;

步骤10:基于K均值聚类算法将聚类指示分量yi,i=1,...,N划分成c个子集,这些子集即对应原始医学图像被分割成的c个不同区域,如此即完成了基于全表示的医学图像快速半监督分割任务。

2.根据权利要求1所述的基于全表示半监督快速谱聚类的医学图像分割方法,其特点是,所述的步骤3中,具体步骤包括:步骤3.1:对位置为(i,j)的像素点,记其灰度值为gij;

步骤3.2:对位置为(i,j)的像素点,记其空间位置特征为lij=[i/m,j/n];

步骤3.3:设置Gabor滤波器参数,频率覆盖范围Ul=0.05,Uh=0.4,尺度数S=4,方向数K=6,进行基于Gabor滤波和高斯平滑处理的图像纹理特征提取,位置(i,j)的纹理特征记为tij;

步骤3.4:综合考虑前几步得到的位置(i,j)的灰度值、空间位置特征和图像纹理特征,得到27维复合特征 逐行排列像素点复合特征生成临时大规模高维特征矩阵步骤3.5:对临时大规模高维特征矩阵 进行特征归一化处理,统一特征量纲;

步骤3.6:基于主成分分析法对临时大规模高维特征矩阵 进行特征降维,得到大规模数据集X及特征矩阵D=[x1;x2;...;xN]。

3.根据权利要求1所述的基于全表示半监督快速谱聚类的医学图像分割方法,其特点是,所述的步骤4中,具体步骤包括:步骤4.1:对医务人员圈画区域进行映射,得到参照集CS;

步骤4.2:依据式(3)和(4)分别计算参照集CS的正参照和K+与负参照和K-,正、负参照和均能同时兼容标记参照信息和成对关联约束信息,具备全表示能力。

4.一种实现权利要求1所述方法的医学图像分割系统,其特点是:包括一个FPGA模块及外接设备,所述的FPGA模块中,设置有Avalon总线及三态桥总线,在Avalon总线及三态桥总线上连接有Flash控制器、SDRAM控制器、通用IO、LCD驱动器、定时器、LTM控制器、C2H加速、SD卡控制器、以太网控制器、JTAGUART模块和Nios II软核;

所述的外接设备包括,Flash控制器外接Flash设备,SDRAM控制器外接SDRAM设备,通用IO外接LED和按钮,LCD驱动器外接LCD显示器,LTM控制器外接触摸屏,SD卡控制器外接SD卡,以太网控制器外接以太网。