[发明专利]一种基于语义分割的医学图像自动窗口调节方法及应用

权利要求书

1.一种基于语义分割的医学图像自动窗口调节方法，其特征在于，包括以下步骤：

S1、选择语义分割模型，并使用相关数据集进行训练，获得拥有较高精度的高精度模型；

具体是选择U-Net语义分割模型，并使用MSD肝脏及肝脏肿瘤数据集对其进行训练，最终获得拥有0.84的Dice值的U-Net模型；

S2、将需要进行自动窗口调节的医学图像输入训练所得模型中，生成预测掩膜图像；所述医学图像是以肝脏肿瘤为目标区域的腹腔CT图像；

S3、接着根据预测掩膜图像中预测的目标区域位置，对输入图像中相应的部位进行提取；

S4、绘制提取后的图像的灰度分布折线图并分析；

在灰度分布折线图中，目标区域像素的灰度值构成了最高峰，误差部分像素的灰度值构成了稀疏的矮峰，进行误差调整时，剔除稀疏的矮峰，仅保留最高峰，并取最高峰两侧的零点作为用于窗口值计算的新最值；

S5、进行误差调整，选取用于窗口值计算的新最值；误差调整时具体方法为：

S501、误差调整策略：找到灰度分布折线图的最高点，分别向两侧遍历，直到找到与最高点相邻的最近的两个零点；

S502、如果提取后的图像的灰度分布折线图掩膜区域过小，导致灰度分布不连续，零点众多且穿插在构成目标区域的灰度之间，此时，首先分析各CT图像肿瘤部分的最值，求得平均最值作为最值阈值，若根据步骤S501误差调整策略所得新最大值小于求得的最大值阈值或新最小值大于求得的最小值阈值，则放弃该值继续寻找下一个最近的零点，直到所得新最大值大于等于求得的最大值阈值或新最小值小于等于求得的最小值阈值；

S6、计算窗口值，并进行窗口调节。

2.根据权利要求1所述的基于语义分割的医学图像自动窗口调节方法，其特征在于，S5中，求得新最小值为-52，新最大值为201，计算可得窗宽为253，窗位为74.5。

3.权利要求1所述的基于语义分割的医学图像自动窗口调节方法的应用，其特征在于，用于医学图像查看器，所述医学图像查看器设有采用所述自动窗口调节方法的窗口调节按键，打开医学图像，选择可提供的目标区域，然后进行一键窗口调节。

4.权利要求1所述的基于语义分割的医学图像自动窗口调节方法的应用，其特征在于，用于深度学习的预处理手段：使用所述的窗口调节方法对图像进行自动化窗口调节，然后使用窗口调节后的图像进行深度学习。