本发明涉及图像处理，更具体地说，本发明涉及一种基于医疗风险的图像分割方法及系统。
背景技术：
1、医学图像分制是医学图像处理和分析中的重要步骤,其最终目标是使用一系列特征(如图像灰度、纹理、颜色以及局部统计特征等)将图像中“感兴趣区域”提取出来，辅助医生诊断、制定治疗计划和进行临床研究。然而，成像过程中噪音、场偏移效应等因素使获得的图像模糊、不均匀，加上医学图像本身对比度低、组织与病灶之间边界模糊，分割算法的结果受到很大影响。
2、医学图像分割几点优势：
3、(1)将人体内器官，组织，病变部位等从医学图像中分割出来，并对其进行尺寸距离进行精准测量，将对医生准确确诊进行病状分析，为患者高效准确作出治疗方案提供技术支持。
4、(2)为人体内的三维重建提供材料素材，进而在手术过程中为医生提供辅助，可大大减少手术风险，为医生手术时减轻负担。
5、(3)医学图像分割还可去除图像中大量无用信息，只将有需求部分分割出来。这可以在不压缩图像的基础上，减少图片的数据数量，提高了效率和医疗水平。
6、但是现有的医疗图像分割基于图论进行分割，虽然具有较为明显的全局能量最优化，以其为基本思想研究出了归一化割和最小割，其中最小割存在容易分割出图像中孤立点集合的问题，因此需要一种基于医疗风险的图像分割方法及系统来解决上述问题。
技术实现思路
1、为了克服上述缺陷，本发明提供了一种基于医疗风险的图像分割方法及系统，本发明所要解决的技术问题是：对医疗相关图像采用最小割的方式，容易分割出图像中孤立点集合，影响图像分割的质量的问题。
2、为实现上述目的，本发明提供如下技术方案：一种基于医疗风险的图像分割方法，包括以下步骤：
3、基于医疗成像设备获得待处理的医疗图像数据；
4、将待处理医疗图像进行降噪和增强处理；
5、将降噪和增强处理后的医疗图像采用分割算法进行分割。
6、作为本发明的进一步方案：所述图像增强的方法为直方图均衡化方法；
7、所述图像降噪处理采用以下方法：
8、首先构建数字图像采集模型，采用三个角度均匀遍历方法进行传感器采像，假设数字图像成像区域f中的一点p(x,y)为像素点，在尺度σ上数字图像的hessian矩阵可定义为：
9、进行m-1次传递迭代，取含噪声数字图像hessian矩阵的临界点p(x,y)，有，
10、提取两个时刻含有噪声数字图像中多元特征数据集，进行初始网络模式信息提取，此时hessian矩阵转化为，
11、
12、简化后，
13、在含噪信息特征子空间中，采用hessian矩阵极值点检测方法进行数字图像的角点特征提取，利用9×9的中值滤波器进行数字图像像素中心噪点的均匀遍历，强干扰环境下采集的数字图像通常含有大量的噪声，难以进行有效的细节分析，为了减少计算量和计算的复杂度，进行数字图像降噪滤波处理，构建hessian矩阵进行数字图像的细节增强，数字图像增强处理的hessian矩阵为：
14、h＝dxxdyy-(ωdyy)2
15、进行数字图像的原始像素特征提取和信息预处理，得到的数字图像灰度像素特征c为：
16、
17、数字图像进行细节辨识的权重系数mj(k)设定为0.9，通过自适应特征分解，能计算h′取得局部绩效点；dxx＜0那么数字图像灰度像素特征点p(x,y)是局部极大点。
18、作为本发明的进一步方案：所述图像分割算法具体为：
19、首先将图像采用无向图g＝(v,e)来表达，其中v是节点的集合，是e连接节点的边的集合，v的基为n＝|v|；连接每两个节点的边均赋予权值w＝(u,n)，该权值衡量节点u和v的相似程度；图像g＝(v,e)通过简单的移除两部分之间相连接的边，可以分割为两个不想交的集合a和b，并且满足a∪b＝v,a∩b＝φ，这两部分不相似程度用移除的边的权重之和计算，定义为，
20、确定归一化分割准则：归一化分割在最小割的基础上加入了每个区域的节点与所有节点的权值之和的比，来平衡分割，归一化分割的公式表示为：
21、
22、其中assoc(a,v)＝∑u∈a,t∈vw(u,t)是a中所有的节点到图像中所有节点的边的权值之和，assoc(b,v)是b中所有的节点到图像中所有节点的边的权值之和；分割孤立点的情况，在归一化分割中的值比较大：
23、
24、其中，assoc(a,a)和assoc(b,b)分别表示a和b中节点之间相互连接的边的权值之和，上式反映了定义的平衡性，表示每个分组内节点的关联度；
25、采用ncut准则可以克服划分孤立点的问题，最小的ncut值对应的划分即为图g的最优划分，最小化ncut可以转化为如下的标准特征系统：
26、
27、其中d为nxn的对角矩阵，其对角线上的元素为(i,j),w是对称矩阵，其元素为w(i,j)，λ和z为相应的特征值和特征矢量；
28、特征系统的第二个最小特征值对应的特征矢量用来完成对全图的最优划分，得到对应图像的一个分割结果。
29、一种基于医疗风险的图像分割系统，包括：
30、数据获取单元，用于基于医疗成像设备获得待处理的医疗图像数据；
31、图像预处理单元，用于将待处理医疗图像进行降噪和增强处理；
32、图像分割单元，用于将降噪和增强处理后的医疗图像采用分割算法进行分割，得到分割后的最终目标图像。
33、作为本发明的进一步方案：所述图像增强的方法为直方图均衡化方法。
34、一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述基于医疗风险的图像分割方法。
35、一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求1至7任一项所述基于医疗风险的图像分割方法。
36、图像分割的目的就是把目标从背录中提取出来,分割过程主要基于图像的固有特征,如灰度、纹理、对比度亮度、彩色特征等，将图像分成具有各自特性的同质区域，医学图像分割是医学图像进行后续操作的必要前提；对于医学图像而言，其图像本身包含很多复杂信息，而临床诊断往往只对其中的某一部分感兴趣，其他部分都是次要的信息，如何从医学图像中提取这些感兴趣的、有意义的区域就是医学图像分割的研究内容。
37、本发明的有益效果在于：
38、1、本发明通过采用分割算法对图像进行分割，可以更为清晰的将图像中的前景和背景进行分离，分割效果清楚明显的得到治疗过程所需的图像部分，降低识别其他无关信息所需的时间，且降低其他信息造成的错误引导，使医疗图像数据的读取更为精准快捷，且在一定程度上降低图像信息误读带来的医疗风险；
39、2、本发明通过采用对图像的降噪处理，降噪后的图像保留了原图的细节信息，且视觉效果更为清晰，后续采用直方图均衡化法对图像进行增强处理，均衡化后的图像在整体视觉上，使图像中不同部分之间界限区分更为清晰明显，方便后续更为清楚精准的了解医疗图像中展示的信息。
1.一种基于医疗风险的图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于医疗风险的图像分割方法，其特征在于：所述图像增强的方法为直方图均衡化方法；
3.根据权利要求1所述的一种基于医疗风险的图像分割方法，其特征在于，所述图像分割算法具体为：
4.一种基于医疗风险的图像分割系统，其特征在于，包括：
5.根据权利要求4所述的一种基于医疗风险的图像分割方法及系统，其特征在于：所述图像增强的方法为直方图均衡化方法。
6.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述基于医疗风险的图像分割方法。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述基于医疗风险的图像分割方法。
