引入遺傳算法的最大類間距離法肺部惡性腫瘤mri識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種引入遺傳算法的最大類間距離法肺 部惡性腫瘤MRI識別方法。
【背景技術(shù)】
[0002] 醫(yī)學(xué)圖像分割是提取影像圖像中特殊組織的定量信息所不可缺少的手段，同時也 是圖像三維重建和可視化的前提。分割后的圖像被廣泛地應(yīng)用于各種場合，如病變組織的 定位及診斷，解剖結(jié)構(gòu)的學(xué)習(xí)，計算機指導(dǎo)手術(shù)和三維可視化等。
[0003] MRI (核磁共振成像）圖像是醫(yī)用圖像的重要組成部分之一，但是由于MRI圖像存 在一定程度的噪聲，所以我們需要對原始MRI圖像進(jìn)行預(yù)處理，以便獲得更好的像質(zhì)，提高 處理的精度，得到理想的分割效果。
[0004] 現(xiàn)有技術(shù)主要采用遺傳算法對圖像進(jìn)行分割，提高圖像分割的準(zhǔn)確度。但是采用 這種方法得到的分割圖像的準(zhǔn)確度還是不夠高。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問題是：提供一種引入遺傳算法的最大類間距離法肺部惡 性腫瘤MRI識別方法，采用這種方法得到的分割圖像準(zhǔn)確度較高，進(jìn)而使得肺部腫瘤的識 別準(zhǔn)確度更高。
[0006] 本發(fā)明所采用的技術(shù)方案是：一種引入遺傳算法的最大類間距離法肺部惡性腫瘤 MRI識別方法，其特征在于，它包括以下步驟：
[0007] (1)、建立已知肺部MRI圖像的標(biāo)準(zhǔn)信噪比數(shù)據(jù)合集；
[0008] (2)、獲取待分割的肺部MRI圖像，并且將其轉(zhuǎn)換為灰度圖像；
[0009] (3)、計算步驟（2)得到的灰度圖像的灰度直方圖；
[0010] (4)、對步驟（2)中得到的灰度圖像的灰度值進(jìn)行編碼，隨機產(chǎn)生M個初始種群；
[0011] (5)、計算步驟⑷得到的種群中每一個個體的適應(yīng)度；
[0012] (6)、對步驟（4)得到的種群進(jìn)行遺傳操作得到新種群，遺傳操作包括選擇操作、 交叉操作以及變異操作；
[0013] (7)、判斷新種群是否滿足終止條件，若滿足，則結(jié)束，得到分割閾值，并且跳轉(zhuǎn)到 下一步；若不滿足，則跳轉(zhuǎn)到步驟（5);
[0014] (8)、根據(jù)步驟（7)得到的分割閾值處理步驟⑵得到的待分割的肺部灰度圖像， 然后得到分割圖像；
[0015] (9)、將步驟⑶得到的分割圖像以3*3鄰域的模式，分塊依次輸入到非線性遺傳 陣列優(yōu)化模型，得到輸出信噪比數(shù)據(jù)合集，其中所述的非線性遺傳陣列優(yōu)化模型如下：
[0017] 式中，A為信號幅度；s為布朗粒子運動坐標(biāo)；t為布朗粒子運動時間；γ為偏振初 始值；AXf (t, γ)為非周期性輸入信號函數(shù)；img(t)為3*3鄰域輸入圖像；m、n為雙穩(wěn)態(tài)勢 皇實參數(shù)；α為噪聲強度；ξ (t)為均值為0的高斯白噪聲；
[0018] (10)、將步驟（9)得到的輸出信噪比數(shù)據(jù)合集與步驟⑴得到的標(biāo)準(zhǔn)信噪比數(shù)據(jù) 合集相比，若相似度多90%，在判斷優(yōu)化成功；若相似度< 90%，則判斷優(yōu)化不成功，返回 步驟（2)繼續(xù)進(jìn)行分割與優(yōu)化。
[0019] 步驟（1)中建立已知肺部MRI圖像的標(biāo)準(zhǔn)信噪比數(shù)據(jù)合集包括以下具體步驟：
[0020] A、通過傳統(tǒng)方法分割多個肺部MRI圖像；
[0021] B、通過醫(yī)生肉眼觀察判斷步驟A分割后的圖像是否準(zhǔn)確，若準(zhǔn)確則歸入到正確圖 像集中；
[0022] C、計算步驟B中正確圖像集中的所有分割圖像的信噪比數(shù)據(jù)合集，然后取平均值 得到標(biāo)準(zhǔn)信噪比數(shù)據(jù)合集。
[0023] 步驟（5)中計算步驟（4)得到的種群中每一個個體的適應(yīng)度所采用的算法為最大 類間方差法。
[0024] 采用以上方法與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：采用引入遺傳算法的最大 類間方差法對圖像進(jìn)行分割，最后再采用非線性遺傳陣列優(yōu)化模型優(yōu)化分割的圖像，并且 還與現(xiàn)有技術(shù)得到的標(biāo)準(zhǔn)肺部MRI分割圖像做對比，最后得到優(yōu)化后的肺部MRI分割圖像， 得到分割圖像準(zhǔn)確度較高，且采用這種分割圖像對肺部腫瘤的識別準(zhǔn)確度較高。
【附圖說明】
[0025] 圖1為原始灰度圖像。
[0026] 圖2為采用本發(fā)明方法得到的分割圖像。
[0027] 圖3為本發(fā)明引入遺傳算法的最大類間距離法肺部惡性腫瘤MRI識別方法中噪聲 強度與信噪比的關(guān)系圖。
【具體實施方式】
[0028] 以下結(jié)合附圖與【具體實施方式】對本發(fā)明做進(jìn)一步描述，但是本發(fā)明不僅限于以下
【具體實施方式】。
[0029] 一種引入遺傳算法的最大類間距離法肺部惡性腫瘤MRI識別方法，即一種肺部惡 性腫瘤識別過程中使用的引入遺傳算法的最大類間距離MRI圖像分割方法，它實質(zhì)上是一 種肺部MRI圖像的分割優(yōu)化方法，其特征在于，它包括以下步驟：
[0030] (1)、建立已知肺部MRI圖像的標(biāo)準(zhǔn)信噪比數(shù)據(jù)合集；
[0031] A、通過傳統(tǒng)方法分割多個肺部MRI圖像；所述傳統(tǒng)方法為標(biāo)記分水嶺法，也可以 是其他常規(guī)的圖像分割方法；
[0032] B、通過醫(yī)生肉眼觀察判斷步驟A分割后的圖像是否準(zhǔn)確，若準(zhǔn)確則歸入到正確圖 像集中；
[0033] 所述判斷步驟A分割后的圖像是否準(zhǔn)確是指醫(yī)生通過經(jīng)驗來判斷是否將腦部的 各個組織分離開來了，若是完全分割開來了，則判斷是正確的，若有些組織分割時被破壞了 或者沒有將兩個組織分割開來，則判斷是不正確的；
[0034] C、計算步驟B中正確圖像集中的所有分割圖像的信噪比數(shù)據(jù)合集，然后取平均值 得到標(biāo)準(zhǔn)信噪比數(shù)據(jù)合集。
[0035] 信噪比是通過計算分割圖像中有用像素點的灰度值與無用像素點的灰度值作對 比得到的。
[0036] (2)、獲取待分割的肺部MRI圖像，并且將其轉(zhuǎn)換為灰度圖像；
[0037] (3)、計算步驟（2)得到的灰度圖像的灰度直方圖；
[0038] (4)、對步驟（2)中得到的灰度圖像的灰度值進(jìn)行編碼，隨機產(chǎn)生M個初始種群；
[0039] 灰度范圍為0-255,對范圍內(nèi)的圖像灰度級用8位二進(jìn)制碼進(jìn)行編碼，編碼范圍為 00000000-11111111〇
[0040] (5)、計算步驟⑷得到的種群中每一個個體的適應(yīng)度；
[0041] 所采用的算法為最大類間方差法；首先需要解碼，然后根據(jù)函數(shù) σ】ω = ω"ωι( μ。- μ)2;式中，設(shè)二進(jìn)制碼船解碼后得到的閾值t將待分割圖像分為C。類和 (^類，其中ω。、〇^分別為C。類和C1類內(nèi)像素點出現(xiàn)的概率，μ。、別為C。類、C1類內(nèi) 像素點的平均灰度值，σ:】(?)即二進(jìn)制碼串解碼后得到的閾值t對應(yīng)的個體適應(yīng)度值。
[0042] (6)、對步驟（4)得到的種群進(jìn)行遺傳操作得到新種群，遺傳操作包括選擇操作、 交叉操作以及變異操作；
[0043] 其中選擇操作是：將當(dāng)代種群中的個體按照適應(yīng)度值由大到小