【技术实现步骤摘要】
一种医疗图像的处理方法、装置及计算机存储介质
本专利技术涉及医疗图像
,尤其涉及一种医疗图像的处理方法、装置及计算机存储介质。
技术介绍
在临床医疗诊断中,通常会采用电子计算机断层扫描(CT,ComputedTomography)成像、核磁成像(MRI,MagneticResonanceImage)和X光成像等医疗成像技术对人体进行透射,并最终通过记录透视的灰度信息来表征人体内组织器官的形态信息。医生通过对医疗成像中的器官组织形态信息进行分析来针对病人的病例给出诊断意见。因此,在医疗成像中,对人体器官的清晰表征以及精准形态识别是提高医生诊断准确率的重要条件。在对器官组织完成医疗成像后,需要进行医疗图像的识别和分割两个过程。具体来说,医疗图像的识别过程是针对医疗图像判别和检测某种器官或组织的过程,而医疗图像的分割是将各种器官或组织从医疗图像中分离的过程。精确的医疗图像识别与分割过程,是后续针对器官或组织进行三维模型重建的基础,是辅助医生进行疾病诊断和治疗的重要前提,也是辅助外科手术成功的重要保障。目前医疗图像识别和分割过程由于受到与器官和组织固有特性相关的灰度偏差场强度和噪声的影响,会导致医疗图像识别和分割的错误率较高;并且受医疗图像识别和分割粒度的影响,导致医疗图像识别和分割的精度较低。无法准确及可靠地将器官或组织从医疗图像中进行判别和分离。
技术实现思路
为解决上述技术问题,本专利技术实施例期望提供一种医疗图像的处理方法、装置及计算机存储介质;能够降低医疗图像识别和分割的错误率,并提高医疗图像识别和分割的精确度,从而可以准确及可靠地将器官或组织从医疗图 ...
【技术保护点】
1.一种医疗图像的处理方法,其特征在于,所述方法包括:针对第ti时刻第sj个矢状面的原始图像组中的原始医疗图像按照预设的图像预处理策略去除灰度偏差场及噪声,获得预处理后的医疗图像;其中,所述原始图像组包括原始医疗图像、x方向流场图像、y方向流场图像和z方向流场图像;基于所述x方向流场图像、所述y方向流场图像和所述z方向流场图像中任意两个方向流场图像从所述预处理后的医疗图像中获取目标对象轮廓,并基于所述目标对象轮廓从所述预处理后的医疗图像中分割出所述目标对象边界;将所述目标对象边界的边界点按照预设的修正策略进行修正后,获取每个边界点的亚像素位置,得到所述目标对象的亚像素边界。
【技术特征摘要】
1.一种医疗图像的处理方法,其特征在于,所述方法包括:针对第ti时刻第sj个矢状面的原始图像组中的原始医疗图像按照预设的图像预处理策略去除灰度偏差场及噪声,获得预处理后的医疗图像;其中,所述原始图像组包括原始医疗图像、x方向流场图像、y方向流场图像和z方向流场图像;基于所述x方向流场图像、所述y方向流场图像和所述z方向流场图像中任意两个方向流场图像从所述预处理后的医疗图像中获取目标对象轮廓,并基于所述目标对象轮廓从所述预处理后的医疗图像中分割出所述目标对象边界;将所述目标对象边界的边界点按照预设的修正策略进行修正后,获取每个边界点的亚像素位置,得到所述目标对象的亚像素边界。2.根据权利要求1所述的方法,其特征在于,所述针对第ti时刻第sj个矢状面的原始图像组中的原始医疗图像按照预设的图像预处理策略去除灰度偏差场及噪声,获得预处理后的医疗图像,包括:将所述原始医疗图像按照预设的去除策略去除灰度偏差场,获得中间医疗图像;将所述中间医疗图像按照预设的去噪策略去除噪声后,获得所述预处理后的医疗图像。3.根据权利要求2所述的方法,其特征在于,所述将所述原始医疗图像按照预设的去除策略去除灰度偏差场,获得中间医疗图像,包括:设定原始医疗图像与灰度偏差场之间满足式1所示的对应关系:I(x)=B(x)J(x)+nσ(x)(1)其中,I(x)为所述原始医疗图像在像素点x=(x1,x2)的图像灰度值、B(x)为所述原始医疗图像在像素点x=(x1,x2)的灰度偏差场的值、J(x)为所述原始医疗图像在像素点x=(x1,x2)的真实图像灰度值、nσ(x)为所述原始医疗图像在像素点x=(x1,x2)的噪声值;基于灰度偏差场的均匀变化性,将B(x)通过Nb个光滑的基函数的线性组合进行表示,获得式2所示的表达式:其中,gk(x)是第k个光滑基函数,且1≤k≤Nb,wk是gk(x)的权重系数,T为转置运算符;将J(x)划分为N个部分,且每个部分中所有像素点的灰度值都相同,则获得式3所示的表达式:其中,ci是第i部分的灰度值,ui(x)是ci的从属函数,c=(c1,c2,…,cN)T,u=(u1,u2,…,uN)T;基于式1建立能量函数Fe(B,J)=∫Ω|I(x)-B(x)J(x)|2dx,并基于式2和式3获得式4所示的能量函数的分解形式:其中,|·|是绝对值符号,Ω是所述像素点x=(x1,x2)的坐标取值范围,Ωi是所述像素点x=(x1,x2)在第i部分的坐标取值范围;基于式4分别对u,c,w取偏导数并赋值为零,获得关于u,c,w的更新函数;将u,c进行初始化后,按照初始化后的u,c对关于u,c,w的更新函数分别进行迭代更新,直至满足预设的收敛条件时,获得满足预设的收敛条件所对应的w*,c*,u*;根据w*,c*,u*以及式2和式3,分别获得B*=(w*)Tg*,J*=(c*)Tu*;基于式1以及B*=(w*)Tg*,J*=(c*)Tu*,按照式5获得去除灰度偏差场后的中间医疗图像I1(x):其中,ε为预设数值。4.根据权利要求2所述的方法,其特征在于,所述将所述中间医疗图像按照预设的去噪策略去除噪声后,获得所述预处理后的医疗图像,包括:将第sj个矢状面在一个预设周期内的每一时刻的原始医疗图像对应的中间医疗图像转化为行向量,并将所有行向量按照所述预设周期的时间顺序组成数据矩阵X;对XT做奇异值分解,得到XT=UEVT;其中,符号T代表矩阵转置;σγ是XXT的特征值的平方根,且在对角线上按从大到小排列;V的列是XXT的特征向量;U=XTVE-1;V,U的各自的列向量标准正交;对奇异值分解后的XT按照式6进行矩阵分解:其中,E1是E的前n1行与n1列组成的矩阵,大小是n1×n1,且1≤n1≤M;M表示所述预设周期内的采样时刻点的数目,E2是E的后(M-n1)行与(M-n1)列,大小是(M-n1)×(M-n1);Ol是(M-n1)×n1的零矩阵;Ou是n1×(M-n1)的零矩阵;U1是由U的前n1列组成的矩阵,U2是由U的其余列组成的矩阵,V1是由V的前n1列组成的矩阵,V2是由V的其余列组成的矩阵;在设定Y*=U1E1V1T后,根据X*=(Y*)T获取n1模态的数据矩阵X*;将X*的每一行的行向量复原分别为对第sj个矢状面在一个预设周期内每一时刻预处理后的医疗图像;将所有预处理后的医疗图像的第ti个图像确定为第ti时刻第sj个矢状面预处理后的医疗图像I2。5.根据权利要求1所述的方法,其特征在于,所述基于所述x方向流场图像、所述y方向流场图像和所述z方向流场图像中任意两个方向流场图像从所述预处理后的医疗图像中获取目标对象轮廓,并基于所述目标对象轮廓从所述预处理后的医疗图像中分割出所述目标对象边界,包括:基于预设个数nt阈值的大津法分别获取第一流场图像对应的第一流场(nt+1)值图以及第二流场图像对应的第二流场(nt+1)值图;其中,所述第一流场图像为所述x方向流场图像、所述y方向流场图像和所述z方向流场图像中的任一方向流场图像;所述第二流场图像为除第一流场图像以外的其他任意方向流场图像;分别对第一流场(nt+1)值图以及第二流场(nt+1)值图进行...
【专利技术属性】
技术研发人员:魏润杰,王虎峰,高琪,吴鹏,李飞,王巍,
申请(专利权)人:杭州晟视科技有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。