本发明涉及医学影像，尤其是涉及一种用于医学影像的肿瘤边缘的确定方法和装置。
背景技术：
1、影像肿瘤识别、分割技术在疾病判断、术前预防等方面有着重要的意义。
2、mr(核磁)成像虽然对肿瘤的细节展示得较为丰富，但对于某些肿瘤区域，正常组织和肿瘤组织的边界相互交错在一起，难以精确确定肿瘤边缘；ct图像虽然在一定程度上能辅助判定肿瘤的边缘轮廓，但其对细节展示不够丰富，如何提高对于肿瘤的识别成为亟待解决的技术问题。
技术实现思路
1、基于此，本发明的目的在于提供一种用于医学影像的肿瘤边缘的确定方法和装置，以基于核磁图像和ct图像精确识别肿瘤的边缘。
2、第一方面，本发明实施例提供一种用于医学影像的肿瘤边缘的确定方法，所述方法包括：s102：基于预设的分割方法对初始灰度ct图像pc和初始灰度mr图像pm进行分割，得到对应的多个特征区域；s104：根据所述特征区域的像素点的像素值的梯度变化，确定特征区域的轮廓的点列的坐标；s106：基于特征区域的轮廓的点列的坐标计算初始灰度ct图像pc、初始灰度mr图像pm之间的相对尺度变化函数s，其中，相对尺度变化函数s分为三个尺度：横向、纵向和角度；s108：根据相对尺度变化函数s矫正初始灰度ct图像pc得到矫正后ct图像pc’；s110：基于预设的pm、pc’中的似肿瘤区域之间的相似度和差异值，参照矫正后ct图像pc’中肿瘤的边缘，确定初始灰度mr图像pm的肿瘤边缘。
3、进一步地，s102包括：s102-2：对pc和pm均以图像左上角为坐标中心点，横边为x轴，竖边为y轴，分别建立图像的二维坐标系；s102-4：基于建立的二维坐标系，将pc和pm分别均匀分割为j个特征区域，得到pc1、pc2、pc3...pcj以及pm1、pm2、pm3...pmj。
4、进一步地，s104包括：s104-2：分别利用图像pc1、pc2、pc3...pcj的内轮廓和外轮廓的像素点的像素值的梯度变化求得j组外轮廓的点列；s104-4：同理，别利用图像pm1、pm2、pm3...pmj的内轮廓和外轮廓的像素点的像素值的梯度变化求得j组外轮廓的点列；s104-6：通过等比例的扩充、削减轮廓点数，使得p1、p2、p3......pj、q1、q2、q3、......qj数量统一为a。
5、进一步地，s106包括：s106-2:第一组特征区域对应的外轮廓的点列的坐标，得到第一尺度变换函数s1(x,y,θ)；s106-4:同理，可计算其它三个特征区域的尺度变化函数：s2(x,y,θ)，s3(x,y,θ)，s4(x,y,θ)。
6、进一步地，s106-2包括：1)横向尺度变化序列s1(x)：s1(x)＝pm1(x)-pc1(x)......公式1)；其中，pm1(x)代表pm1所有点的横坐标的数据集；pc(x)为pc1所有点的横坐标的数据集，s1(x)为二者相减之后的数据集；2)纵向尺度变化序列s1(y)：s1(y)＝pm1(y)-pc1(y)......公式2)；其中，pm1(y)代表pm1所有点的坐标的数据集；pc1(y)为pc1所有点的纵坐标的数据集，s1(y)为二者相减之后的数据集；3)角度变化序列s1(θ)：θc＝arctan(|pc1(y)|/|pc1(x)|)......公式3)；θm＝arctan(|pm1(y)|/|pm1(x)|)......公式4)；s1(θ)＝θc-θm......公式5)；4)将s1(x)、s1(y)、s1(θ)合并得到第一个特征区域的区域尺度变化函数s1(x,y,θ)：s1(x,y,θ)＝(s1(x)/pc1(x)+1)×s1(θ)+(s1(y)/pc1(y)+1)×s1(θ)......公式6)。
7、进一步地，s108包括：根据s1(x,y,θ)，s2(x,y,θ)，s3(x,y,θ)，s4(x,y,θ)对初始灰度ct图像的四个特征区域进行校准，校准后进行拼接，得到矫正后ct图像pc’。
8、进一步地，s110包括：s110-2：选取pm中的k个似肿瘤区域，得到pm1,pm2......pmk；s110-4：根据pm1,pm2......pmk，确认pc1'中的对应的似肿瘤区域pc1'，pc2'......pck'；s110-6：对k组似肿瘤区域进行的相似度计算，剔除大于预设的相似阈值对应的似肿瘤区域；s110-8：基于预设的二值化阈值，将保留下来的似肿瘤区域进行二值化，得到mr二值化图像pmb和ct二值化图像pcb'；s110-10：将mr二值化图像和ct二值化图像作差分计算，得到差异值diff；s110-12：将大于预设的差异阈值的差异值diff对应的ct二值化图像pcb'作为描绘依据，以重新描绘初始灰度mr图像pm中的肿瘤边缘。
9、进一步地，s110-6包括：s110-6-2：根据皮尔逊相似系数公式计算pm1与pc1'之间的相似度q1：
10、其中，hm、hc分别为pm1与pc1'’的坐标的灰度值；μ1、μ2分别为pm1与pc1'的像素均值；σ1、σ2分别为pm1与pc1'的灰度标准差，e是pm1与pc1'’的协方差；s110-6-4：同理，计算得到其他似肿瘤区域之间的相似度系数q2,q3,...,qk；s110-6-6：剔除大于或等于预设的分割阈值的e组似肿瘤区域，保留小于预设的分割阈值的f组似肿瘤区域。
11、第二方面，本发明提供一种用于医学影像的肿瘤边缘的确定装置，该装置包括：分割模块，用于基于预设的分割方法对初始灰度ct图像pc和初始灰度mr图像pm进行分割，得到对应的多个特征区域；坐标确认模块，用于根据所述特征区域的像素点的像素值的梯度变化，确定特征区域的轮廓的点列的坐标；相对尺度计算模块，用于基于特征区域的轮廓的点列的坐标计算初始灰度ct图像pc、初始灰度mr图像pm之间的相对尺度变化函数s，其中，相对尺度变化函数s分为三个尺度：横向、纵向和角度；矫正模块，用于根据相对尺度变化函数s矫正初始灰度ct图像pc得到矫正后ct图像pc’；边缘确认模块，用于基于预设的pm、pc’中的似肿瘤区域之间的相似度和差异值，参照矫正后ct图像pc’中肿瘤的边缘，确定初始灰度mr图像pm的肿瘤边缘。
12、本发明实施例的有益效果如下：
13、本发明提供一种用于医学影像的肿瘤边缘的确定方法和装置；上述方法包括：基于预设的分割方法对初始灰度ct图像pc和初始灰度mr图像pm进行分割，得到对应的多个特征区域；根据所述特征区域的像素点的像素值的梯度变化，确定特征区域的轮廓的点列的坐标；基于特征区域的轮廓的点列的坐标计算pc、pm之间的相对尺度变化函数s；根据相对尺度变化函数s矫正初始灰度ct图像pc得到矫正后ct图像pc’；基于预设的pm、pc’中的似肿瘤区域之间的相似度和差异值，参照pc’中肿瘤的边缘，确定pm的肿瘤边缘。本技术将mr图像和ct图像进行结合，可以更加精确识别肿瘤边缘。
14、本发明的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本发明的上述技术即可得知。
15、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施方式，并配合所附附图，作详细说明如下。
1.一种用于医学影像的肿瘤边缘的确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的用于医学影像的肿瘤边缘的确定方法，其特征在于，s102包括：
3.根据权利要求2所述的用于医学影像的肿瘤边缘的确定方法，其特征在于，s104包括：
4.根据权利要求3所述的用于医学影像的肿瘤边缘的确定方法，其特征在于，s106包括：
5.根据权利要求4所述的用于医学影像的肿瘤边缘的确定方法，其特征在于，s106-2包括：
6.根据权利要求4所述的用于医学影像的肿瘤边缘的确定方法，其特征在于，s108包括：
7.据权利要求4所述的用于医学影像的肿瘤边缘的确定方法，其特征在于，s110包括：
8.据权利要求7所述的用于医学影像的肿瘤边缘的确定方法，其特征在于，s110-6包括：
9.一种用于医学影像的肿瘤边缘的确定装置，其特征在于，所述装置包括：
