本发明涉及医学影像，具体涉及一种基于ct图像的甲状腺区域分割方法及系统。
背景技术：
1、图像处理技术现在广泛应用于多个领域，包括卫星成像、海洋科学和医学成像学等等，图像分割是将感兴趣的对象从图像中分割出来，是图像处理的步骤之一，特别是针对医学图像而言，图像分割更是具有至关重要的作用，基于甲状腺ct图像的肿瘤分割技术，旨在提高医生对甲状腺肿瘤诊断的准确性和效率，从甲状腺ct图像中准确分割出肿瘤区域，为医生提供关于肿瘤大小、数量、位置等关键信息，从而有助于医生制定具体的治疗计划。
2、甲状腺肿瘤分割主要是将包含甲状腺肿瘤的区域从图像中准确分割出来，并对获得的数据进行处理分析，为后续的临床治疗提供可靠的依据，在现有的甲状腺分割中，甲状腺也被认为是颈部ct图像中最难准确分割的器官，原因主要为甲状腺是由软组织构成的，并且不同病人的甲状腺大小受性别、年龄等因素的影响，每个人的甲状腺大小并不相同，同时肿瘤形状具有不规则性，病变位置多变，数量不同，因此现有的方法无法满足精准的分割需求。
技术实现思路
1、本发明针对现有技术中存在的技术问题，提供一种基于ct图像的甲状腺区域分割方法及系统。
2、本发明解决上述技术问题的技术方案如下：一种基于ct图像的甲状腺区域分割方法，包括以下步骤：
3、s101、数据库构建：收集包含不同性别、年龄信息的甲状腺ct图像，根据性别、年龄分组，建立不同的子材料数据库，在每个子材料数据库中，整合不同性别、年龄、面积和密度的甲状腺组织信息；
4、s102、对ct图像数据进行图像重采样，应用滤波器减少图像噪声，通过直方图均衡化增强图像对比度；
5、s103、基于阈值分割方法，对ct图像中的甲状腺组织进行分割，以提取甲状腺组织的轮廓；
6、s104、对提取到的甲状腺组织轮廓的图像文件，进行曲线拟合，依据曲线拟合的结果，计算甲状腺组织的形状特征，并依据形状特征，计算甲状腺的异常值。
7、在一个优选地实施方式中，所述s101中，以性别和年龄作为分组依据，确定分组的粒度，为每个性别和年龄段组合创建一个子材料数据库，将收集到的数据根据性别和年龄分配到相应的子材料数据库中，子材料数据库中包括冠状面、矢状面以及横断面三种类别的甲状腺ct图像数据，在每个子材料数据库中，创建一个表格，记录每个甲状腺ct图像的性别、年龄，面积以及密度信息。
8、在一个优选地实施方式中，所述s102中，通过图像重采样确保所有ct图像具有相同的分辨率和尺寸，使用重采样方法将图像调整到目标分辨率，当原始图像的分辨率为()，且目标分辨率为()，则重采样后的图像大小为：
9、；
10、；
11、；
12、其中，，，分别是沿x、y、z轴的重采样因子，应用高斯滤波器减少图像噪声，提高图像质量，具体计算公式如下：
13、；
14、其中，表示高斯函数，表示高斯函数的标准差，表示归一化，确保整个平面的积分值为1，e为指数的底数，用于计算权重值的衰减速率，x、y分别表示图像中像素点的横坐标值和纵坐标值，计算图像的直方图，将图像的直方图转换为均匀分布，以增强图像对比度，具体计算公式如下：
15、；
16、其中，s表示输出图像的灰度级，表示变换函数，r表示原始图像中的灰度级，表示原始图像的灰度级的概率密度函数，表示积分变量，遍历了原始图像灰度级的取值范围，基于以上步骤，以提高ct图像的质量，为后续的甲状腺组织分割和分析提供更准确的数据。
17、在一个优选地实施方式中，所述s103中，将ct图像的像素强度分为两类，前景和背景，通过计算不同阈值下前景和背景的类间方差，选择使类间方差最大的阈值作为最优阈值，阈值方法具体计算公式如下：
18、；
19、其中，t表示阈值，和分别表示前景和背景的概率，和为前景和背景的平均强度，表示整幅图像的平均强度，将阈值方法应用于ct图像，得到一个二值图像，其中甲状腺组织为高亮区域，提取甲状腺组织轮廓通过在甲状腺区域内选择一个种子点作为生长的起点，根据邻域像素的灰度值与种子点的相似性，判断是否将邻域像素加入甲状腺区域，种子点的灰度值为i(s),邻域像素的灰度值为i(p),生长准则可以表示为：
20、；
21、其中，表示阈值，用于判断邻域像素是否为甲状腺区域的灰度差异标准，当不再有新的像素加入到甲状腺区域时，停止生长，则所有邻域像素的灰度值与种子点的灰度值之差都不满足生长准则，应用开运算，去除ct中甲状腺区域内的间隙，使用结构元素扫描ct图像，对ct图像中每个像素点进行局部邻域运算，首先进行腐蚀操作，通过结构元素扫描图像，若结构元素与图像完全匹配，则保留该像素点，腐蚀的具体计算公式如下：
22、；
23、其中，a表示原始图像，b表示结构元素，表示腐蚀操作，表示结构元素在图像中的平移，x表示图像中像素点的位置，表示子集关系，对腐蚀后的图像进行膨胀操作，以恢复ct图像中的前景，膨胀的具体计算公式如下：
24、；
25、其中，表示交集，表示结构元素在x位置与图像a有至少一个像素点相交，表示膨胀操作，表示不等于空集，即至少存在一个共同元素，对ct图像进行开运算，平滑ct图像中甲状腺组织的轮廓，消除小的凸起以及凹陷，使甲状腺组织的轮廓更加平滑，开运算的具体计算公式如下：
26、；
27、其中，表示开运算，根据处理后的结果，提取甲状腺组织的轮廓，将提取的甲状腺组织轮廓保存为图像文件。
28、在一个优选地实施方式中，所述s104中，应用边缘检测算法与图像文件进行卷积操作，以检测图像文件中甲状腺组织的水平、垂直及对角线方向的边缘，具体计算公式如下：
29、；
30、其中，和分别表示水平和垂直方向的边缘检测，对于每个像素点，计算其梯度幅值和梯度方向，具体计算公式如下：
31、；
32、其中，g表示图像中每个像素点的梯度幅值，是通过将和的平方和的平方根计算得到的，梯度幅值表示了该像素点处边缘的强度，表示梯度的方向，表示反正切函数，对提取到的边缘图像进行二值化，将边缘与非边缘区域分开，通过边缘图像提取轮廓点，将这些轮廓点作为曲线拟合的输入数据，轮廓点的追踪从一个已知的边界点()开始，将已知的边界点()作为起始点，检测已知边界点的右侧像素点(+1，)是否为边界点，当(+1，)不是边界点时，则按照逆时针方向检查下一个邻域像素点，直到找到下一个边界点()，从新的边界点()开始重复上述过程，继续寻找下一个边界点，循环执行，直至回到起始点，对于一组轮廓点(),一个n次多项式拟合曲线可以表示为：
33、；
34、其中，n表示多项式的次数，x表示自变量，表示轮廓点的横坐标，y表示轮廓点的纵坐标，()表示第i个轮廓点的横坐标和纵坐标，表示多项式的系数，表示常数项系数，表示一次项系数，表示随指数k的变化而变化的x的幂次项，使用贝塞尔曲线来平滑轮廓点，依据平滑后的轮廓点，分割出甲状腺组织的轮廓，依据甲状腺组织的轮廓，计算甲状腺组织的大小、周长以及面积，甲状腺组织大小的具体计算公式如下：
35、；
36、其中，()和()表示轮廓上的两个点，contour表示轮廓点的集合，(xy)表示轮廓上的点，size表示甲状腺组织大小，甲状腺组织周长的具体计算公式如下：
37、；
38、其中，表示轮廓的周长，n表示轮廓上的总点数，()表示轮廓上的第i个点，（，）表示轮廓上相邻的下一个点，甲状腺组织面积的具体计算公式如下：
39、；
40、其中，area表示甲状腺组织的面积，region表示甲状腺组织区域的像素点集合，通过大小、周长以及面积的计算能够从甲状腺组织的ct图像中提取出关键的形状，获取子材料数据库中的性别年龄数据，在每个子材料数据库中，使用线性回归来拟合甲状腺大小与密度以及年龄的关系将f(age，)表示甲状腺大小、周长以及面积与年龄的关系，计算甲状腺大小的标准值，具体计算公式如下：
41、；
42、其中，，，分别表示男性的甲状腺大小、周长以及面积关于年龄的关系，，分别表示女性的甲状腺大小、周长以及面积与年龄的关系，表示性别，依据ct图像中提取甲状腺轮廓计算得到的轮廓实际的大小、周长以及面积来衡量患者的甲状腺大小、周长和面积与预期值的偏差，综合异常值的具体计算公式如下：
43、；
44、其中，，，分别表示实际测量的甲状腺大小、面积和周长，，，分别表示根据年龄和性别得到的标准值，，，分别表示对应参数的标准差，当综合异常值z的绝对值大于2，则表明患者的甲状腺大小、周长以及面积偏离正常范围，存在异常。
45、本发明还提供了一种基于ct图像的甲状腺区域分割系统，包括：
46、数据库构建模块：收集包含不同性别、年龄信息的甲状腺ct图像，根据性别、年龄分组，建立不同的子材料数据库，在每个子材料数据库中，整合不同性别、年龄、面积和密度的甲状腺组织信息；
47、图像预处理模块：对ct图像数据进行图像重采样，应用滤波器减少图像噪声，通过直方图均衡化增强图像对比度；
48、轮廓提取模块：基于阈值分割方法，对ct图像中的甲状腺组织进行分割，以提取甲状腺组织的轮廓；
49、特征提取模块：对提取到的甲状腺组织轮廓的图像文件，进行曲线拟合，依据曲线拟合的结果，计算甲状腺组织的形状特征，并依据形状特征，计算甲状腺的异常值。
50、本发明的有益效果是：本发明能够计算甲状腺区域的面积、周长等集合参数，为医生提供了更多定量的数据，有助于疾病的诊断和治疗计划的制定，曲线拟合和其他图像处理技术可以帮助医生更直观地理解甲状腺的大小和形状，以及其与周围结构的关系，可以用于长期跟踪患者的甲状腺情况，帮助医生评估疾病进展或治疗效果，按照性别和年龄分组建立子材料数据库，考虑了不同性别和年龄群体在甲状腺生理特征和病理表现上可能存在的差异。这使得系统在处理不同人群的数据时更具针对性，能够更好地适应不同群体的特点，提高分割和分析的准确性，整合不同大小和密度的甲状腺组织信息，涵盖了各种可能的甲状腺形态和病理变化情况，提高了对各种异常情况的识别能力。
1.一种基于ct图像的甲状腺区域分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于ct图像的甲状腺区域分割方法，其特征在于，所述s101中，以性别和年龄作为分组依据，确定分组的粒度，为每个性别和年龄段组合创建一个子材料数据库，将收集到的数据根据性别和年龄分配到相应的子材料数据库中，子材料数据库中包括冠状面、矢状面以及横断面三种类别的甲状腺ct图像数据，在每个子材料数据库中，创建一个表格，记录每个甲状腺ct图像的性别、年龄，面积以及密度信息。
3.根据权利要求1所述的一种基于ct图像的甲状腺区域分割方法，其特征在于，所述s102中，通过图像重采样确保所有ct图像具有相同的分辨率和尺寸，使用重采样方法将图像调整到目标分辨率，当原始图像的分辨率为()，且目标分辨率为()，则重采样后的图像大小为：
4.根据权利要求1所述的一种基于ct图像的甲状腺区域分割方法，其特征在于，所述s103中，将ct图像的像素强度分为两类，前景和背景，通过计算不同阈值下前景和背景的类间方差，选择使类间方差最大的阈值作为最优阈值，具体计算公式如下：
5.根据权利要求4所述的一种基于ct图像的甲状腺区域分割方法，其特征在于，所述甲状腺组织的提取通过在甲状腺区域内选择一个种子点作为生长的起点，根据邻域像素的灰度值与种子点的相似性，判断是否将邻域像素加入甲状腺区域，种子点的灰度值为i(s),邻域像素的灰度值为i(p),生长准则表示为：
6.根据权利要求1所述的一种基于ct图像的甲状腺区域分割方法，其特征在于，所述s104中，应用边缘检测算法与图像文件进行卷积操作，以检测图像文件中甲状腺组织的水平、垂直及对角线方向的边缘，具体计算公式如下：
7.根据权利要求6所述的一种基于ct图像的甲状腺区域分割方法，其特征在于，所述轮廓点的追踪从一个已知的边界点()开始，将已知的边界点()作为起始点，检测已知边界点的右侧像素点(+1，)是否为边界点，当(+1，)不是边界点时，则按照逆时针方向检查下一个邻域像素点，直到找到下一个边界点()，从新的边界点()开始重复上述过程，继续寻找下一个边界点，循环执行，直至回到起始点，对于一组轮廓点(),一个n次多项式拟合曲线表示为：
8.根据权利要求7所述的一种基于ct图像的甲状腺区域分割方法，其特征在于，所述甲状腺组织大小的具体计算公式如下：
9.用于实施上述权利要求1-8任一项所述方法的一种基于ct图像的甲状腺区域分割系统，其特征在于，包括：
