王保茎，秦全波，毛怡盛，孔玲，丁丹卉，张国富

(许昌市中心医院， 许昌 461000)

1 引 言

CT图像技术广泛应用于医疗领域[1]。精准定位CT图像特征有利于提高诊断效率,因此提出一种基于深度协作表达的CT图像特征关联定位算法。采用深度协作表达算法获取高分辨率CT图像，以高分辨率图像为基础展开特征定位可提升定位精度。通过特征相似性计算方法中最常见的距离法，计算CT图像特征向量空间距离的相似程度[3]，即图像特征关联程度。在此基础上，采用活动轮廓线套索融合检索方法实现CT图像特征关联定。

2 数据与方法

2.1 数据来源

本研究数据为肿瘤患者肺部CT图像，图像大小为256×256，分辨率为1 024×786。测试硬件环境为：Inter(R)2.8 GHz CPU，内存大小4 GB，XP系统PC机；数学编程平台采用Matlab2016[2]。将基于低秩优化的CT图像特征定位算法(简称低秩优化定位算法)和基于随机森林法的CT图像特征定位算法(简称随机森林定位算法)作为对比算法[3]。

2.2 方法

2.2.1基于深度协作表达的CT图像超分辨率重建 深度协作表达实现CT图像超分辨率重建过程[4-5]如下:

设定原始低分辨率CT图像为X∈m×n，高低分辨率CT图像训练样本为为样本数。假设t为采样因子，m×n为低分辨率训练样本CT图像Gi的大小，mt×nt为高分辨率训练样本CT图像Wi的大小。在像素域中将原始低分辨率CT图像、训练集中的高低分辨率CT图像分割为M个彼此重叠的图像块x∈d×1,如果各层低分辨率和高分辨率字典对(Ki,Hi}准备完毕，则深度表达最优权重系数见式(1)：

(1)

(2)

2.2.2CT图像特征关联计算 特征相似性计算方法采用最常见的距离法[6]，计算CT图像特征向量空间距离的接近程度，衡量图像特征间相似程度[7]。……