一种基于自适应学习的CT图像分割方法

摘要

本发明公开了一种基于自适应学习的CT图像分割方法，包括以下步骤：1）获取CT图像；2）提取CT图像特征；3）用户在CT图像上输入表明病变区与非病变区的笔触；4）以用户输入的笔触作为基础，利用提取的CT图像特征，建立图像的区域模型；采用边缘检测方法建立图像的边缘模型；5）将区域模型与边缘模型结合建立新模型，并对新模型进行求解推理，获得分割结果。采用本发明能够有效地描述CT图像病变区与非病变区的差异，适应CT图像的复杂性，解决CT图像低性噪比（高噪声）所带来的问题，高效地帮助用户实现快速精准的交互式CT图像病变区分割，从而极大地提高医疗部门的生产效率。