[发明专利]一种基于深度学习的胸部图像增强处理方法

说明书

本发明公开了一种基于深度学习的胸部图像增强处理方法，涉及图像增强标记技术领域，包括：获取胸部CT影像；对胸部CT影像进行分析，得到胸部CT影像中的局部异常点位；对局部异常点位进行区域扩张，对区域扩张后的局部异常点进行增强标记；本发明通过轮廓提取筛选出胸部图像中的异常点位，然后对异常点位进行增强标记，能够辅助医生进行图像异常筛选，以解决现有的技术中对于胸部图像的异常点位的增强标记存在不足，人工筛选时容易漏选的问题。

技术领域

本发明涉及图像增强标记技术领域，具体为一种基于深度学习的胸部图像增强处理方法。

背景技术

CT照片是断层图像，可显示人体某个断层的组织密度分布图，其图像清晰、密度分辨率高，CT是用X线束对人体检查部位一定厚度的层面进行扫描，由探测器接收透过该层面上各个不同方向的人体组织的X线，经模/数转换输入计算机，通过计算机处理后得到扫描断层的组织衰减系数的数字矩阵，再将矩阵内的数值通过数/模转换，用黑白不同的灰度等级在荧光屏上显示出来，即构成CT图像，具体应用时，胸部的CT图像通常指肺部的CT图像；

现有的技术中，在对胸部的CT图像进行分析过程中，缺少对于细节的增强处理，通常都是医生根据经验对CT图像进行判断，现有的针对胸部CT图像的增强技术中，通常都是针对需要增强的区域进行统一增强，例如在公开号为“CN115797259A”的申请文件中，公开了“一种低剂量肺部CT图像多尺度细节增强方法和系统”，该方法就是对需要增强的细节进行高频补偿得到每个缩小图像中各个细节对应的高频细节图像，这种增强方式有时会使原有的区域丧失了原有特征，同样即使对某一区域进行增强处理后，在整体的CT图像中还是需要医生进行逐一筛选，缺少一种能够对胸部CT图像中的异常区域进行增强标记的方法来解决上述问题。

发明内容

本发明旨在至少在一定程度上解决现有技术中的技术问题之一，通过轮廓提取筛选出胸部图像中的异常点位，然后对异常点位进行增强标记，能够辅助医生进行图像异常筛选，以解决现有的技术中对于胸部图像的异常点位的增强标记存在不足，人工筛选时容易漏选的问题。

为实现上述目的，第一方面，本发明提供一种基于深度学习的胸部图像增强处理方法，包括：

获取胸部CT影像；

对胸部CT影像进行分析，得到胸部CT影像中的局部异常点位；

对局部异常点位进行区域扩张，对区域扩张后的局部异常点进行增强标记。

进一步地，对胸部CT影像进行分析，得到胸部CT影像中的局部异常点位还包括：对肺叶内部的局部异常点位进行标记，以及对肺叶边缘的局部异常点位进行标记。

进一步地，对肺叶内部的局部异常点位进行标记包括：对肺叶内部进行差异轮廓提取，差异轮廓提取过程包括：随机选取一个像素点，获取像素点的8邻域像素点；

求取8邻域像素点的灰度值的最大值和最小值的差值，设定为抓取邻域灰度差值，求取8邻域像素点的灰度值的平均差，设定为邻域灰度波动值；

将抓取邻域灰度值乘以邻域灰度波动值得到轮廓差异值，当轮廓差异值大于等于第一差异阈值时，将随机选取的像素点设定为轮廓像素点；

通过连接相邻的轮廓像素点得到若干内部待定点位。

进一步地，对肺叶内部的局部异常点位进行标记还包括：将内部待定点位中与轮廓像素点相邻的像素点设定为内部轮廓点；将轮廓像素点远离内部待定点位一侧的相邻的像素点设定为外部轮廓点；

求取若干内部轮廓点的灰度值的平均差，设定为内部轮廓波动值，求取若干外部轮廓点的灰度值的平均差，设定为外部轮廓波动值；求取若干内部轮廓点的灰度值的平均值，设定为内部轮廓平均值，求取若干外部轮廓点的灰度值的平均值，设定为外部轮廓平均值；