[发明专利]一种肺炎CT影像的图像处理方法和系统

权利要求书

1.一种肺炎CT影像的图像处理方法，包括步骤，肺部CT影像分割：取CT影像，将肺部区域从CT影像中取出，并对取出带有肺部的CT影像进行图像预处理，得到分割后的肺部CT影像；

肺叶CT影像分割：对分割后的肺部CT影像通过二维卷积神经网络进行肺叶CT影像分割，得到分割后的肺叶CT影像分割；其特征在于，还包括步骤，

异常区域图像分割：对分割后的肺叶CT影像分割通过二维卷积神经网络和三维卷积神经网络进行分割，得到每个像素点属于异常区域的概率；

异常区域图像融合：将每个像素点属于异常区域的概率结果输入至随机森林模型进行图像的融合，并输出融合后的异常区域图像；

异常区域图像体征分析：将融合后的异常区域图像通过机器学习和深度学习算法进行异常区域的体征分析，并输出体征分析后的异常区域图像。

2.根据权利要求1所述的一种肺炎CT影像的图像处理方法，其特征在于，异常区域图像融合中的二维卷积神经网络和三维卷积神经网络包括3个二维卷积神经网络和2个三维卷积神经网络；

3个二维卷积神经网络分别为Fully Convolutional Network卷积神经网络模型、U-net卷积神经网络模型和Attention U-net卷积神经网络模型；

2个三维卷积神经网络分别为DenseNet卷积神经网络模型和DenseVoxNet卷积神经网络模型。

3.根据权利要求1所述的一种肺炎CT影像的图像处理方法，其特征在于，异常区域图像体征分析包括异常区域图像的形态分析、异常区域图像的纹理分析和异常区域图像的密度分析。

4.根据权利要求3所述的一种肺炎CT影像的图像处理方法，其特征在于，异常区域图像的形态分析通过GVCNN模型进行分析，通过GVCNN模型分析确定异常区域的形态；GVCNN模型分析的步骤包括：

获取异常区域图像的三维边界框；

取三维边界框异常区域的正视图的第一层、第二层和第三层，俯视图的第一层、第二层和第三层和侧视图的第一层、第二层和第三层；将正视图的第一层、第二层和第三层，俯视图的第一层、第二层和第三层和侧视图的第一层、第二层和第三层输入至GVCNN模型。

5.根据权利要求3所述的一种肺炎CT影像的图像处理方法，其特征在于，异常区域图像的纹理分析通过ResNet分析，从而得到弥漫、网格和条索的概率。

6.根据权利要求3所述的一种肺炎CT影像的图像处理方法，其特征在于，异常区域图像的密度分析通过密度直方图结合SVM分析，从而得到异常区域图像的均匀pGGO、不均匀pGGO和mGGO的密度。

7.根据权利要求1所述的一种肺炎CT影像的图像处理方法，其特征在于，肺部的CT影像图像预处理包括双边滤波去噪和边界锐化。

8.一种肺炎CT影像的图像处理系统，包括肺部CT影像分割模块、肺叶CT影像分割模块，其特征在于，还包括异常区域图像分割模块、异常区域图像融合模块和异常区域图像体征分析模块；

肺部CT影像分割模块，取CT影像，将肺部区域从CT影像中取出，并对带有肺部的图像进行图像预处理，得到肺部CT影像分割的CT影像；

肺叶CT影像分割模块，对肺部CT影像分割的CT影像通过二维卷积神经网络进行肺叶CT影像分割，得到肺叶CT影像分割图像；

异常区域图像分割模块：对肺部CT影像分割模块获得的肺叶CT影像分割图像，通过二维卷积神经网络和三维卷积神经网络进行分割；得到每个像素点属于异常区域的概率；

异常区域图像融合模块：将每个像素点属于异常区域的概率结果输入至随机森林模型进行图像的融合，并输出融合后的异常区域图像；

异常区域图像体征分析模块：将异常区域融合模块融合后的异常区域图像通过机器学习和深度学习算法进行异常区域图像的体征分析，得到体征分析后的异常区域图像。