[发明专利]一种基于甲状腺CT图像异常的检测方法

说明书

本发明涉及图像处理技术领域，具体涉及一种基于甲状腺CT图像异常的检测方法；本发明首先对CT图像进行图像预处理，从而定位CT图像上的伪影区域；然后针对伪影区域进行线性插值校正；最后对伪影区域进行分段样条拟合校正，其中图像预处理包括S‑L滤波、投影正弦图增强、梯度幅值计算、非极大值抑制以及条状伪影进行识别等步骤，其中线性插值校正包括对伪影数据左右相邻的投影数据值进行数据外推校正，以消除它们受异常探测器采集数据的影响，从而近似恢复它的真实值并获得特征曲线公式等步骤，其中分段样条拟合校正包括分段校正列均值和连续样条拟合等步骤；本发明能够有效地解决现有技术存在细节失真严重、图像质量差以及检测精度差等问题。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于甲状腺CT图像异常的检测方法。

背景技术

在CT(Computed Tomography，电子计算机断层扫描)的临床扫描中，由于病人运动(整体运动或局部运动)和射线硬化的原因，在重构的CT图像上往往会出现两种形式的伪影，即运动伪影和射线硬化伪影。及时发现并预防伪影，可以避免伪影干扰诊断、增加临床的诊疗效率。

目前，伪影检测的方式是，利用大量的正常和异常(伪影)的CT图像训练深度神经网络，通过训练得到的深度神经网络检测某CT图像是否异常、是否存在伪影。这种CT图像异常检测的方式，需要大量的正常和异常的CT图像。但是，临床上的CT图像大多为正常的CT图像，很难收集大量异常的CT图像，难以满足深度神经网络的训练需求，以达到足够的敏感度与特异性。

但是目前的CT图像异常检测方式存在细节失真严重、图像质量差以及检测精度差等问题。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，解决上述背景技术中提出的问题。

为了实现上述目的，本发明采用了如下技术方案：一种基于甲状腺CT图像异常的检测方法，首先对CT图像进行图像预处理，从而定位CT图像上的伪影区域；然后针对伪影区域进行线性插值校正；最后对伪影区域进行分段样条拟合校正。

更进一步地，所述图像预处理包括以下步骤：

S1，对CT图像进行S-L滤波，从而获得投影正弦图；这是因为S-L滤波器重建的图像具备其振荡响应小和抗噪性能强等优点，所以选用S-L滤波器对投影数据进行滤波，从而达到实现增强投影正弦图中伪影信息的目的；

S2，对投影正弦图进行增强处理；这是因为CT投影数据动态范围偏小(大部分CT图像偏暗)，从而使得条状伪影信息在原始投影正弦图中表现不明显甚至完全被覆盖，若将原始正弦图作为输入图像来检测与识别伪影肯定无法达到预期目的，所以需要对投影正弦图进行增强处理；

S3，对增强后的投影正弦图进行梯度幅值计算；

S4，对梯度幅值进行非极大值抑制处理；

S5，对投影正弦图中条状伪影进行识别。

更进一步地，所述S1中通过S-L函数对CT图像进行处理，其中滤波的冲击响应函数为：

其冲击响应为：

采用的采用间隔对h_S-L(s)进行均匀采样，即将代入h_S-L(s)中得到

更进一步地，所述S2中采用与S1中相同的步骤对S1处理后的投影正弦图进行增强处理。

更进一步地，所述S3中采用二维高斯函数的一阶偏导数进行增强处理，其中用二维高斯函数的一阶偏导数的表达式为：