[发明专利]一种用于肺部肿块计算机辅助检测的图像分析方法和系统有效
申请号: | 201910436100.1 | 申请日: | 2019-05-23 |
公开(公告)号: | CN110211104B | 公开(公告)日: | 2023-01-06 |
发明(设计)人: | 杨夙 | 申请(专利权)人: | 复旦大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/136;G06T7/187;G06T7/194;G16H50/20 |
代理公司: | 上海正旦专利代理有限公司 31200 | 代理人: | 陆飞;陆尤 |
地址: | 200433 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用于 肺部 肿块 计算机辅助 检测 图像 分析 方法 系统 | ||
1.一种用于肺部肿块计算机辅助检测的图像分析方法,其特征在于,以无监督方式从完全没有标注的图像中自动发现和定位肿块,具体步骤为:
(a)通过医疗影像设备扫描人体获得图像序列,排序原则为:空间相邻的两个切片对应相邻帧的图像;
(b)对于包含肺部的图像子序列,标记前景点和背景点,这里将每帧图像肺部所在区域对应的点作为前景点,其余点作为背景点;
(c)计算邻近帧图像之间的变化,检测突变区域,将突变区域标记为疑似肿块;
(d)对疑似肿块进行过滤;
(e)在对应图像帧的对应坐标位置标示肿块;
步骤(b)中,肺部图像子序列和前景点的确定方法如下:
(1)假设每个切片图像分辨率为M×N、像素(x,y)的CT值为I(x,y),将图像中CT值满足{74≤I(x,y)≤774|x∈[1,M]∧y∈[1,N]}的像素点标记为前景点;M和N表示图像的高和宽;
(2)通过8邻居区域生长法将前景点聚类为连通区域,连通性的定义是:如果一个前景点的8个邻居点中的某些点也是前景点,则这些邻居点与该点连通、属于同一个连通区域;
(3)采用滤波方法对连通区域进行过滤筛选:如果一个前景点构成的连通区域所包含的点数小于0.01×M×N,则从连通区域的集合中将该区域排除;
(4)顺序扫描每个切片的CT图像,直到发现包含且仅包含2个连通区域的图像,作为肺部图像子序列的起始帧,同时根据位置分别将这两个连通区域标记为左肺和右肺;
(5)分别从左肺和右肺开始沿着起始帧向下扫描,找到与前一帧图像满足一致性检验的当前肺部区域;一致性检验的方法为:
令nq表示当前第q帧图像中肺部区域包含的前景点个数,nOld表示前一帧肺部区域的前景点个数,nMax表示扫描到当前帧为止所记录的最大肺部区域对应的前景点个数;
如果nq1.5×nOld,则当前帧通过一致性检测,更新nOld和nMax:
令nOld=nq;
如果nqnMax,则令nMax=nq;
否则,记录当前帧号T,转步骤(7);
(6)重复步骤(5)直到nq0.5×nMax,记录当前帧号T;
(7)从当前帧T开始回溯,直到出现nq≥nq-1,将q-1标记为肺部图像子序列的最后一帧。
2.根据权利要求1所述的图像分析方法,其特征在于,步骤(c)中所述检测突变区域的方法包括以下步骤:
令表示第t帧图像位于坐标(xi,yi)的点,和分别表示该点属于前景还是背景,观察K+1个连续帧图像,K≥1,将满足下式的点集合视作可疑点:
通过8邻居区域生长方法,将所得到的可疑点聚类为连通区域,所得到的每个连通区域对应一个疑似肿块。
3.根据权利要求1所述的图像分析方法,其特征在于,步骤(c)中所述检测突变区域的方法为:
将每帧图像的前景点通过8邻居区域生长方法聚类为连通区域,计算所得到的前后两帧图像的连通区域之间的对应关系,记前一帧图像的某个连通区域为点集合A,后一帧图像的某个连通区域记为点集合B,如果满足|A-B|τ,则将A-B标记为疑似肿块所在区域,这里,“A-B”表示集合减法,“|A-B|”表示集合A-B的元素个数,τ是阈值。
4.根据权利要求1-3之一所述的图像分析方法,其特征在于,步骤(d)中所述疑似肿块的过滤方法为:
如果一个前景点构成的连通区域所包含的点数小于一个阈值δ∈[0,0.0005×M×N],这里M和N表示图像的高和宽,则从疑似肿块区域的集合中将该区域排除。
5.根据权利要求1-3之一所述的图像分析方法,其特征在于,步骤(d)中所的疑似肿块的过滤方法为:
对一个前景点构成的连通区域进行主元分析,所得到的两个特征值中较大的值除以较小的值,如果比值大于一个阈值,则从疑似肿块区域的集合中将该区域排除。
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复旦大学,未经复旦大学许可,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/201910436100.1/1.html,转载请声明来源钻瓜专利网。