[发明专利]基于阈值分割的甲状腺超声图像干扰界面自动识别去除方法

说明书

本发明公开了一种基于阈值分割的甲状腺超声图像干扰界面自动识别去除方法。属于医学图像分割技术领域；本发明可在初始设定阈值基础上对图像进行二值化处理从而获得最初始的遮罩；不论感兴趣区域与操作界面大小差异，只要感兴趣区域的大部分区域位于整张图像中部，即可完成提取；对于图像感兴趣区域外的字符标识干扰，能够使用形态学操作将其影响减小从而获取感兴趣区域。本发明主要在对操作界面干扰的自动判别上有所创新，能够满足多种不同大小和位置的操作界面干扰的去除。与现有技术相比，本发明能够快速且自动识别并去除超声甲状腺图像的边缘干扰，提取感兴趣区域，为后续分割、特征提取和分类提供便利。

技术领域

本发明属于医学图像分割技术领域，涉及基于阈值分割的甲状腺超声图像干扰界面自动识别去除方法，具体是涉及一种基于阈值分割的对甲状腺超声图像自动识别去除干扰界面的方法。

背景技术

甲状腺结节是常见的甲状腺疾病，超声因其成像方便、快捷，且无辐射、无创伤，已成为一种行之有效的影像检查手段，医生在鉴别病变部位和定量分析时往往需要借助超声图像分割技术。然而超声图像扫描后的截图中，经常包含无关的软件操作界面等干扰背景信息，且这些干扰信息的位置、图像占比范围不固定，极大地干扰了随后的甲状腺图像分割操作，使分割结果不准确，造成医生的鉴图和分析困难。因此，在对甲状腺超声的病灶图像进行分割之前，若能预先去除无关的干扰背景，将能有效地提升对所拍摄病灶图像信息的读取与分析。

当前去除无关操作界面的方法，一种是纯人工去除方法，即完全通过人工将无关操作界面截去，只留下所需要的甲状腺超声图像区域，再进行随后的病灶区域分割。尽管这种方法行之有效，但对于大批量的图像处理耗时费力，增加了医务人员的工作量和患者的等待时间。另一种去除无关操作界面的方法，是结合计算机进行半自动的人机交互的图像分割方法，即利用计算机算法，通过手动选择感兴趣区域以达到去除无关操作界面的效果，虽然该方法相对于第一种纯人工的去除方法有所改进，但由于每幅图像都需要人工参与，因此其效率也受到极大限制。所以，如何实现无关操作界面的自动且准确去除，是当前亟需解决的问题。

目前已有部分研究者致力于通过甲状腺超声图像的无关背景去除，来提高图像的处理性能。Jianning Chi等人提出基于精调深卷积神经网络的超声甲状腺结节图像分类，其在进行图像预处理时只考虑了图像上刻度线和注释的干扰，而图像外围的无关操作界面没有考虑。何楚等人提出了利用灰度值确定种子点，通过扫描生长形成区域去除背景和标注的方法。该方法对于灰度不均且与感兴趣区域灰度值相近的图像处理不理想，尤为重要的是，该方法常常将图像中有用的标尺信息一并去除，因此这种方法的实用性受到极大的限制，推广性不强。李鹏松等人基于阈值分割法利用灰度差异过滤图像背景增强图像目标，从而简化识别任务，减少卷积神经网络所需的训练数据量和参数量，进而提升神经卷积网络对自然彩色图像的分割的效果。但要满足复杂度较高的超声图像处理，还需要进一步改进。此外，大部分研究者在处理甲状腺超声图像时，都是直接基于已去除掉无关操作界面的图像进行。例如，Dimitris E.Maroulis等人提出了可变背景活动轮廓模型，来辅助勾画甲状腺超声图像中的结节。Deepika Koundal等人提出了一种采用间断分割的方法自动提取甲状腺结节超声图像感兴趣区的技术。综上所述，对于没有无关操作界面背景的甲状腺超声图像，可以较好地实现图像中的结节分割，而当前尚缺乏实际可用的甲状腺超声图像干扰界面自动识别去除方法。

发明内容

针对上述问题，本发明提供了一种基于阈值分割的甲状腺超声图像干扰界面自动识别去除方法；其目的在于自动识别和去除甲状腺超声图像分割时的无关操作界面和字符标识干扰，仅保留需要处理的感兴趣区域，进而提升图像分割的精度和效率。

本发明的技术方案是：基于阈值分割的甲状腺超声图像干扰界面自动识别去除方法，具体步骤包括如下：

步骤(1.1)、选取输入图片，将输入的图片处理为灰度图像；

步骤(1.2)、基于预先设置的初始阈值，对灰度图像进行二值化处理，从而获得灰度图像的初始遮罩；