[发明专利]一种医学图像调窗优化方法

说明书

本发明涉及一种医学图像调窗优化方法。本发明首先构建调窗优化模块，所述的调窗优化模块由窗口设置子模块和转换子模块构建。其次构建任务需求网络，所述的任务需求网络由具体的任务需求决定。然后进行模型训练及验证。最后围绕任务需求输出窗宽窗位参数，按需要输出调窗优化后图像。本发明通过调窗优化模块能够结合任务需求自适应地优化窗宽窗位参数，并可以生成调窗优化后图像，相比于“选固定窗再微调”方法，最大程度增强病症的显著性，提高了图像显示效果，为医生的临床使用提供了便利。

技术领域

本发明涉及医学图像处理技术领域，具体是一种医学图像调窗优化方法。

背景技术

DICOM(Digital Imaging and Communications in Medicine)即医学数字图像成像和通信，是医学图像和相关信息的国际标准(ISO 12052)。DICOM格式图像像素常包含丰富的灰阶信息，像素值范围比较大，一般为4096灰度级甚至更高。DICOM医学图像的可视化显示关系到影像医生对关键、重要信息的提取。医学图像调窗处理是在原图灰度级映射至医用高亮度显示器基础上，医生动态调节窗宽WW窗位WL参数，在局部范围突显症状点，以便观察判断病症。窗位WL指图像所显示灰度值范围的中心，可用于调整图像的亮度；窗宽WW则指图像所显示灰度值范围，可用于调整图像的对比度。

在医学图像中各组织有相对稳定的灰度范围，医生需要把感兴趣区ROI中的正常组织和疑似病变点通过调窗清晰显示。医生实际调窗时，一般根据经验，在固定的窗宽窗位基础上微调，如脑窗(WL:50,WW:100)、骨窗(WL:300,WW:1500)。

不同的窗宽窗位设置突出DICOM图像不同灰度级下的图像特征，固定的窗宽窗位并不是感兴趣区ROI图像的适宜参数，医生需要通过微调窗宽窗位使得特定组织下症状点显著性提高，然而调窗过程费时费力，且受限于影像医生的经验，手动调窗后图像显示效果不一定理想。

随着深度学习在各个领域迅速发展使用，将深度学习技术运用到调窗技术上，能够围绕任务需求自动求出窗宽窗位参数并用于DICOM图像的调窗设置，最大程度增强病症显示的显著性。

发明内容

本发明的目的是针对医生调窗过程费时费力、调窗效果不佳的问题，提供一种DICOM医学图像窗宽窗位优化方法，围绕具体任务需求生成优化的窗宽窗位参数，并可以根据生成的优化窗宽窗位参数输出该任务需求下的调窗后图像。

不同的任务需求下，优化的窗宽窗位参数是不同的，如脑窗、骨窗分别突出脑组织和骨骼两种差异较大的灰度级特征。本发明方法针对具体的检测任务目的，设计不同的后续任务网络，从而达到针对性优化调窗的目的。

本发明提供了一种基于深度学习的DICOM医学图像的调窗优化方法，包括以下步骤：

步骤1、构建调窗优化模块

所述的调窗优化模块由窗口设置子模块和转换子模块构建。

其中窗口设置子模块由4层ConV和2层FC组成，该模块的多个卷积层学习图像特征，最后一层全连接层输出图像窗宽WW和窗位WL。

所述的转换子模块由窗口变换函数组成，定义如下：

其中WW为窗口设置子模块输出的窗宽，WL为窗口设置子模块输出的窗位，y_min为窗口变换函数映射后的灰度级下限，y_max为窗口变换函数映射后的灰度级上限。

步骤2、构建任务需求网络

所述的任务需求网络由具体的任务需求决定。若任务目标是对输入图像进行病症分类，则任务需求网络采用分类网络如Resnet50、Densenet121等。根据不同的任务需求搭建不同的任务需求网络。

步骤3、模型训练及验证