[发明专利]一种肝脏病灶图像处理系统及图像处理方法

权利要求书

1.一种肝脏病灶图像处理系统，其特征在于：包括用于获取做过腹部CT的检查者基本信息和CT图像信息的图像获取模块、用于将图像传输给算法服务器进行计算的图像信息处理模块、用于将信息和计算结果写入MySQL和MongoDB数据库建立RESTful接口将数据暴露的数据库存储模块和用于前端网页展示肝脏和可能病灶信息的信息展示模块；所述信息和图像获取模块的信息输出端与所述图像信息处理模块的信息输入端连接，所述算法服务器将计算结果回传至所述图像信息处理模块，所述图像信息处理模块的数据输出端与所述数据库存储模块连接，所述数据库存储模块的显示信号输出端与所述信息展示模块连接；

所述肝脏病灶图像处理系统的图像处理方法包括以下步骤：

S1：信息和图像获取模块从安全端口获取做过腹部CT的检查者的基本信息和CT图像；所述基本信息是患者在医疗信息系统里的唯一标示码、姓名、性别、年龄，CT图像是原始的DICOM格式；

S2：图像信息处理模块将图像传输给算法服务器进行计算，算法服务器再将结果传回给信息处理模块；图像信息处理模块通过gRPC将图像传输给算法服务器，在服务器中执行两阶段病灶识别和独立病灶识别融合的肝脏病灶图像处理算法，过程如下：

(1)DICOM格式数据转化为高精度矩阵：

肝脏CT原始DICOM图像存储的是Hu值，经过800窗宽4000截取后转化为高精度矩阵，同时去除噪声和干扰数据；

(2)涵盖像素级灰度值的图像自适增强:

对于单个图片，根据图像上病变和肝脏像素直方图分布，建立统计方法，自动构建像素级别的自适应增强方法，作用于对应的高精矩阵；

令f(x,y)表示在图像任意坐标(x,y)处的像素值，f_c(x,y)表示该坐标处的相应的增强像素值，则有

其中，k是局部范围内核的大小，是以坐标(x,y)为中心、核大小为k的局部像素灰度值高精度转换后的平均值，是该范围内转换后像素值的标准差，k为奇数；

(3)样本增强：

从输入数据入手，通过反射、平移、旋转手段提高病变样本在数据上的占比，增强模型对病灶部分的敏感性；

从识别类别出发，改变正负样本的比例，在负样本中大量增加正样本，使得类别相对较平衡；

(4)局部对比度增强技术分割微小病灶和模糊病灶：

包括在目标检测后的局部区域重建超分辨率图像，在保证算法效率的同时进而增大待检测目标；利用滤波后的图像计算梯度的策略突出目标区域对比度差异；

令f_c(x,y)表示在图像任意坐标(x,y)处的像素值，f_s(x,y)表示该坐标处对应超分辨率重建后的像素值，则有

f_s(x,y)＝σ(W*f_c(x,y)+B)^L#(2)

其中W是神经网络参数矩阵，B是网络偏置矩阵，L是网络层数；W和B通过损失函数后向传播学习，其中损失函数定义为：

式中pooling^k(f_sⁱ(x,y))是将位置为(x,y)、核大小为k的区域下采样为一个值，Z,M,N三个值分别代表批大小、图片宽和高；

对于图片滤波后的梯度增强，则采用如下公式进行计算：

I(x，y)＝H(f_s(x，y)-γf_LP(x，y))#(4)

式中f_LP(x,y)是对f_c(x,y)在频域上的低通滤波，通过以下公式计算：

dis(x,y)是任意像素(x,y)到中心点(x₀,y₀)的距离，d₀是以点(x₀,y₀)为中心的局部区域半径；H是以(x,y)为中心的局部区域数值的二阶导数；

(5)病变位置重构:

通过多数投票机制将不同位置的判定结果映射到相同位置进行综合判定，降低单次识别造成的偶然误差，即

式中w_i是第i个模型的权重，I(·)是指示函数；

(6)病变逆向分析：

确定正常肝脏的位置，然后反转获得病变的位置，提高发现病变位置的准确性和敏感度；

(7)两阶段病灶识别和独立病灶识别融合技术分割边缘病灶：

融合通过以下公式实现：

式中和分别代表两阶段模型和单阶段模型在图像位置(x,y)处生成的分割概率值，C₀为病灶质心到最近的肝脏边界的距离，K为病灶的大小；

(8)肝占位假阳性后处理策略：

针对少量肝脏病变的错误分割，利用识别的肝占位在其前后连续几张影像切片上具有相同或相近的特征进行过滤，排除识别结果中的假阳性：

令P(X)表示病灶X＝x₁，x₂，…，x_n的联合概率分布，a(x_i)为第i张病灶x_i的图像面积，则

其中pⁿ(x_i)表示x_i的概率，计算公式为

式中和为所有病灶大小为n的第i个病灶断层面积的均值和标准差；通过P(X)计算P(X)的概率分布

式中μ和δ分别为长度为n的所有病灶块联合概率分布的均值和方差；P(X)分布在2δ范围内定义为正常的病灶，否则为假阳性；

S3：数据库存储模块将信息和计算结果写入MySQL和MongoDB数据库，建立RESTful接口将数据暴露；所述数据库存储模块将检查者信息和计算结果写入MySQL和MongoDB数据库，包括肝脏和肝占位的位置JSON格式信息、肝脏形态、肝占位形态、肝占位类型、肝占位大小、肝占位密度、肝占位分期，然后建立RESTful接口将数据暴露；

S4：最后信息展示模块将前端网页进行展示肝脏和可能的病灶信息；所述前端网页在原始肝脏DICOM格式的基础上高亮展示肝脏轮廓和可能的肝占位轮廓，并且详细展示肝脏和肝占位的形态、大小、类型信息，并能够通过鼠标键盘输入设备连续查看、放大、缩小、度量影像操作。