[发明专利]一种图像处理方法及图像处理设备有效
申请号: | 201811162122.5 | 申请日: | 2018-09-30 |
公开(公告)号: | CN109410182B | 公开(公告)日: | 2019-11-08 |
发明(设计)人: | 郑超;肖月庭;阳光 | 申请(专利权)人: | 语坤(北京)网络科技有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06T7/136 |
代理公司: | 北京乐知新创知识产权代理事务所(普通合伙) 11734 | 代理人: | 李杏 |
地址: | 102200 北京市昌平区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 图像处理设备 狭窄区域 软斑块 拉直 图像处理 冠脉 图像 筛选 电子计算机 参考图像 精准定位 目标定位 输出 造影 扫描 模糊 诊断 分割 | ||
1.一种图像处理方法,其特征在于,所述方法应用于一图像处理设备,所述方法包括:
所述图像处理设备接收关于冠脉电子计算机扫描CT造影的拉直图像;
所述图像处理设备利用拉直分割技术,对所述拉直图像进行软斑块定位筛选,输出第一狭窄区域,所述第一狭窄区域为对应所述冠脉CT造影中软斑块模糊定位的区域;
所述图像处理设备利用与所述拉直图像相对应的参考图像,对所述第一狭窄区域进行二次筛选,输出第二狭窄区域,所述第二狭窄区域为对应所述冠脉CT造影中软斑块精准定位的区域。
2.根据权利要求1所述的图像处理方法,其特征在于,在所述图像处理设备利用与所述拉直图像相对应的参考图像,对所述第一狭窄区域进行二次筛选,输出第二狭窄区域之后,所述方法还包括:
所述图像处理设备利用深度学习技术或传统机器学习技术,对所述第二狭窄区域进行分类筛选,输出目标定位区域。
3.根据权利要求1所述的图像处理方法,其特征在于,在对所述拉直图像进行软斑块定位筛选之前,所述方法还包括:
所述图像处理设备利用图像分割技术,对所述的拉直图像进行预处理,输出预处理后的拉直图像。
4.根据权利要求3所述的图像处理方法,其特征在于,所述方法还包括:
所述图像处理设备利用聚类算法技术,对所述预处理后的拉直图像进行钙化检出处理,得到钙化检出处理后的拉直图像。
5.根据权利要求1所述的图像处理方法,其特征在于,在所述图像处理设备利用拉直分割技术,对所述拉直图像进行软斑块定位筛选,输出第一狭窄区域之后,所述方法还包括:
所述图像处理设备利用利用软斑块的理论位置信息,对所述第一狭窄区域进行滤除处理,以滤除所述第一狭窄区域中的非软斑块区域;
或,所述图像处理设备利用特定长度算法,对所述第一狭窄区域进行滤除处理,以滤除所述第一狭窄区域中的非软斑块区域。
6.一种图像处理设备,其特征在于,所述图像处理设备包括:
图像采集单元,用于接收关于冠脉电子计算机扫描CT造影的拉直图像;
初步筛选单元,用于通过拉直分割技术,对所述拉直图像进行软斑块定位筛选,输出第一狭窄区域,所述第一狭窄区域为对应所述冠脉CT造影中软斑块模糊定位的区域;
二次筛选单元,利用与所述拉直图像相对应的参考图像,对所述第一狭窄区域进行二次筛选,输出第二狭窄区域,所述第二狭窄区域为对应所述冠脉CT造影中软斑块精准定位的区域。
7.根据权利要求6所述的图像处理设备,其特征在于,所述图像处理设备还包括学习单元;
学习单元,在所述二次筛选单元利用与所述拉直图像相对应的参考图像,对所述第一狭窄区域进行二次筛选,输出第二狭窄区域之后,利用深度学习技术或传统机器学习技术,对所述第二狭窄区域进行分类筛选,输出目标定位区域。
8.根据权利要求6所述的图像处理设备,其特征在于,
所述初步筛选单元还用于,在对所述拉直图像进行软斑块定位筛选之前,利用图像分割技术,对所述的拉直图像进行预处理,输出预处理后的拉直图像。
9.根据权利要求8所述的图像处理设备,其特征在于,
所述初步筛选单元还用于,利用聚类算法技术,对所述预处理后的拉直图像进行钙化检出处理,得到钙化检出处理后的拉直图像。
10.根据权利要求6所述的图像处理设备,其特征在于,所述图像处理设备还包括规则单元;
规则单元,在所述初步筛选单元利用拉直分割技术,对所述拉直图像进行软斑块定位筛选,输出第一狭窄区域之后,利用软斑块的理论位置信息,对所述第一狭窄区域进行滤除处理,以滤除所述第一狭窄区域中的非软斑块区域;或,利用特定长度算法,对所述第一狭窄区域进行滤除处理,以滤除所述第一狭窄区域中的非软斑块区域。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于语坤(北京)网络科技有限公司,未经语坤(北京)网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811162122.5/1.html,转载请声明来源钻瓜专利网。