布特征，結(jié)合邊界的形態(tài)特征，識別差異化區(qū)域的空間分布模式，依據(jù)識別結(jié)果進行區(qū)域細化劃分，生成腫瘤區(qū)域分區(qū)識別特征數(shù)值表。 [0053] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點和積極效果在于： [0054] 本發(fā)明中，通過對醫(yī)學(xué)腫瘤分區(qū)圖像進行細致的灰度值分布計算和像素塊群組灰 度差值的累加，不僅增強腫瘤區(qū)域內(nèi)部的圖像細節(jié)識別，還提升不同腫瘤區(qū)域的邊界解析 能力。進一步分析邊界區(qū)域的紋理特征差異，結(jié)合鄰域連接關(guān)系，量化灰度梯度差值和連接特性，使得邊界區(qū)域的幾何特性分析更加精確，特別是邊界的周長、面積和邊緣連續(xù)性，為后續(xù)的幾何特征矩陣的構(gòu)建提供豐富的數(shù)據(jù)支持，通過結(jié)合空間幾何拓展數(shù)據(jù)與紋理特 性，精確標定腫瘤分區(qū)的邊界線，并對分區(qū)內(nèi)的像素塊進行統(tǒng)計分析，增強腫瘤區(qū)域的分區(qū)精度，提升圖像分析的細致度和準確性，有效避免傳統(tǒng)方法中對邊界模糊區(qū)域的誤識別和 漏判問題，同時提供了更精細的腫瘤異質(zhì)性研究依據(jù)。 附圖說明 [0055] 圖1為本發(fā)明的工作流程示意圖； [0056] 圖2為本發(fā)明中多尺度灰度分布圖的流程圖； [0057] 圖3為本發(fā)明中邊界分布特性數(shù)據(jù)的流程圖； [0058] 圖4為本發(fā)明中邊界連接權(quán)重表的流程圖； [0059] 圖5為本發(fā)明中候選幾何特征矩陣的流程圖； [0060] 圖6為本發(fā)明中空間幾何拓展數(shù)據(jù)的流程圖； [0061] 圖7為本發(fā)明中腫瘤區(qū)域分區(qū)識別特征數(shù)值表的流程圖。 具體實施方式 [0062] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。 [0063] 在本發(fā)明的描述中，需要理解的是，術(shù)語“長度”、“寬度”、“上”、“下”、“前”、“后”、“左”、“右”、“豎直”、“水平”、“頂”、“底”、“內(nèi)”、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明和簡化描述，而不是指示或暗示所指的裝 置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對本發(fā)明的限 制。此外，在本發(fā)明的描述中，“多個”的含義是兩個或兩個以上，除非另有明確具體的限定。 [0064] 實施例1： [0065] 請參閱圖1，本發(fā)明提供一種技術(shù)方案：基于多尺度圖像分析的腫瘤分區(qū)識別方 法，包括以下步驟： [0066] S1：基于輸入的醫(yī)學(xué)腫瘤分區(qū)圖像，定義像素塊的灰度值分布范圍，按固定尺寸劃分像素塊組，對像素塊的鄰域灰度值進行計算，通過像素塊群組灰度差值的累加，確定分布變化集合，生成多尺度灰度分布圖； [0067] S2：基于多尺度灰度分布圖，提取像素塊的邊界區(qū)域，分析邊界區(qū)域的紋理特征差異，選取鄰域內(nèi)連接關(guān)系的區(qū)域，獲取邊界分布特性數(shù)據(jù)，對連接關(guān)系和灰度梯度差值進行量化，針對邊界區(qū)域與連接特性進行分析，生成邊界連接權(quán)重表； [0068] S3：基于邊界連接權(quán)重表，提取權(quán)重區(qū)域內(nèi)的幾何特性，分析邊界周長、面積和邊緣連續(xù)性，對幾何特性數(shù)值進行對比，生成候選幾何特征矩陣，將候選幾何特征矩陣作為中心，分析鄰域的空間拓展特性，獲得空間幾何拓展數(shù)據(jù)； [0069] S4：基于空間幾何拓展數(shù)據(jù)，結(jié)合拓展區(qū)域和候選區(qū)域的紋理特性，分析邊界區(qū)域的特征分布，標定每個分區(qū)的邊界線，提取腫瘤分區(qū)內(nèi)的像素塊，對像素塊的形狀和分布進行特征統(tǒng)計，獲得腫瘤區(qū)域分區(qū)識別特征數(shù)值表。 [0070] 多尺度灰度分布圖包括像素塊灰度差值、像素塊群組灰度差值累加、分布變化集 合，邊界分布特性數(shù)據(jù)包括邊界分布密度、邊界分布形態(tài)、邊界分布規(guī)律，邊界連接權(quán)重表包括邊界區(qū)域紋理特征差異、連接區(qū)域灰度梯度差值、邊界連接關(guān)系，候選幾何特征矩陣包括邊界周長、邊界面積、邊緣連續(xù)性，空間幾何拓展數(shù)據(jù)包括拓展區(qū)域紋理特性、候選區(qū)域幾何形態(tài)、邊界特征分布，腫瘤區(qū)域分區(qū)識別特征數(shù)值表包括像素塊形狀、像素塊分布、分區(qū)內(nèi)邊界線特征。 [0071] 請參閱圖2，多尺度灰度分布圖的獲取步驟具體為： [0072] S111：基于輸入的醫(yī)學(xué)腫瘤分區(qū)圖像，定義醫(yī)學(xué)腫瘤分區(qū)圖像中的像素塊灰度值 分布范圍，按固定尺寸劃分圖像為多個像素塊組，每個像素塊由連續(xù)像素點組成，得到初始像素塊組分布數(shù)組； [0073] 在醫(yī)學(xué)腫瘤分區(qū)圖像分析中，首先定義每個像素塊的灰度值分布范圍，過程關(guān)鍵 在于從原始圖像中提取有效信息，灰度值分布范圍的定義依據(jù)圖像的統(tǒng)計特性，例如像素 強度的最大值和最小值，基于統(tǒng)計特性，將圖像按照預(yù)設(shè)的像素塊大小進行劃分，每個像素塊包括固定數(shù)量的像素點，像素點共同構(gòu)成一個像素塊組，對像素塊組進行統(tǒng)計分析，可以獲取初始像素塊組分布數(shù)組，這個數(shù)組是后續(xù)分析的基礎(chǔ)，通過對數(shù)組中的每個元素進行 逐一分析，可以精確地控制處理過程，確保每一步操作都基于實際圖像數(shù)據(jù)進行，為后續(xù)的圖像處理和分析提供了堅實的基礎(chǔ)。

其中， 代表空間擴展特性系數(shù)， 為鄰域特征值， 為中心特征值， 為權(quán)重參數(shù)，為鄰域特征數(shù)量； 根據(jù)所述空間擴展系數(shù)分布結(jié)果，通過設(shè)定閾值提取空間擴展區(qū)域，將區(qū)域進行幾何特性聚合，分析與候選幾何特征的全局關(guān)系，得到空間幾何拓展數(shù)據(jù)。 7.根據(jù)權(quán)利要求6所述的基于多尺度圖像分析的腫瘤分區(qū)識別方法，其特征在于，所述腫瘤區(qū)域分區(qū)識別特征數(shù)值表的獲取步驟具體為： 基于所述空間幾何拓展數(shù)據(jù)，分析擴展區(qū)域和候選區(qū)域的紋理特性，提取邊界區(qū)域的特征分布，將數(shù)據(jù)用于腫瘤邊界線的標定，建立邊界線特征數(shù)據(jù)集； 利用所述邊界線特征數(shù)據(jù)集，從圖像數(shù)據(jù)集中提取與腫瘤邊界對應(yīng)的像素塊，對像素塊進行形狀和分布的統(tǒng)計分析，統(tǒng)計分析結(jié)果包括區(qū)域像素塊的亮度均值、亮度方差和形狀參數(shù)，獲取形狀和分布統(tǒng)計數(shù)據(jù)； 根據(jù)所述形狀和分布統(tǒng)計數(shù)據(jù)，捕捉腫瘤形狀和分布數(shù)據(jù)，分析每個數(shù)據(jù)點的幾何屬性和位置，提取邊界清晰度、緊湊程度和方向特征，采用公式： ； 生成腫瘤區(qū)域分區(qū)識別特征數(shù)值表； 其中， 表示腫瘤區(qū)域的識別特征數(shù)值， 是區(qū)域像素塊的亮度均值， 是亮度方差，是形狀參數(shù)，和 是基于數(shù)據(jù)敏感性分析確定的調(diào)整系數(shù)。 8.基于多尺度圖像分析的腫瘤分區(qū)識別系統(tǒng)，其特征在于，根據(jù)權(quán)利要求1?7任一項所述的基于多尺度圖像分析的腫瘤分區(qū)識別方法，所述系統(tǒng)包括： 灰度分布分析模塊基于輸入的醫(yī)學(xué)腫瘤分區(qū)圖像，按預(yù)設(shè)尺寸劃分像素塊組，提取每個像素塊中的灰度值，統(tǒng)計并分類差異化灰度范圍的像素塊，進行灰度分布統(tǒng)計分析，生成多尺度灰度分布圖； 邊界紋理分析模塊基于所述多尺度灰度分布圖，對腫瘤分區(qū)圖像中的邊界區(qū)域進行提取，識別邊界區(qū)域內(nèi)的紋理特征，利用灰度梯度計算對比相鄰像素的灰度差異，并按梯度值進行量化分類，生成邊界連接權(quán)重表； 幾何特征獲取模塊基于所述邊界連接權(quán)重表，提取邊界區(qū)域內(nèi)的幾何特征，包括周長、面積、邊緣連通度，采用周長與面積比率、邊緣曲率指標，對區(qū)域進行形態(tài)分析，對比區(qū)域的幾何特征，并結(jié)合空間拓展信息，獲取空間幾何拓展數(shù)據(jù)； 空間幾何拓展特征分析模塊基于所述空間幾何拓展數(shù)據(jù)，分析每個區(qū)域的拓展比例與分布特征，識別差異化區(qū)域的空間拓展特征，進行空間拓展特征分析，得到區(qū)域拓展比例數(shù)據(jù)；