一种肺部病灶病变种子点的自动选择算法制造技术

本发明专利技术涉及一种肺部病灶病变种子点的自动选择算法，具体包括如下步骤：S1，通过CT扫描获取肺实质的CT图像，并计算肺实质的CT图像梯度值；S2，扫描步骤S1中图像中每个像素的邻域，检测该区域中图像梯度值的最小值；S3，将每个新的局部最小梯度像素大小将与堆栈中的所有现有元素梯度像素大小进行比较；S4，对所有梯度像素重复S1～S3过程，直到图像中的所有梯度像素都被分割。利用本发明专利技术中的算法可以自动实现CT图像中稳健、高效和准确的肺部病变分割。

An Automatic Selection Method for Seed Points of Pulmonary Lesions

The invention relates to an automatic selection algorithm for seed points of pulmonary lesions, which includes the following steps: S1, obtaining CT images of pulmonary parenchyma through CT scanning, and calculating gradient values of CT images of pulmonary parenchyma; S2, neighborhood of each pixel in the image in scanning frame, detecting the minimum value of image gradient values in this area; S3, the minimum pixel size of each new local gradient will be determined with the following steps: Compare the gradient pixel sizes of all existing elements in the stack; S4 repeats the S1-S3 process for all gradient pixels until all gradient pixels in the image are segmented. The algorithm in the present invention can automatically realize robust, efficient and accurate segmentation of lung lesions in CT images.

【技术实现步骤摘要】
一种肺部病灶病变种子点的自动选择算法
本专利技术涉及医疗设备
，尤其涉及一种肺部病灶病变种子点的自动选择算法。
技术介绍
肺肿瘤大多数起源于支气管粘膜上皮，因此也称支气管肺癌。近50年来，全世界肺癌的发病率明显增高，据统计，在欧美某些国家和我国大城市中，肺肿瘤的发病率已居男性各种肿瘤的首位。根据世界卫生组织的报告，到2030年全球将有多达1000万患者死于肺癌。早期预防肺肿瘤对提高生存获益有重要作用。计算机断层扫描(CT)扫描对肺部病变的准确分割对肺癌研究具有重要意义，可为临床诊断和治疗提供有价值的信息。然而，由于肺部病变的异质性，以可接受的精度实现全自动的病变检测和分割具有挑战性。假设放射照相图像的深度分析可以为个体化医疗提供微环境和肿瘤内异质性程度的信息和量化，对高通量CT提取的大量图像特征分析可以以非侵入性方式捕获空间和时间遗传异质性，这比基于侵入性活检的分子检测更好。也可以用于对医学研究、计算机辅助诊断、放疗和评估手术效果上。为此，肺部病变的准确分割是必要前提。肺部病灶分割通常是由放射科医生等有经验的专家手动勾画病灶。由于各种原因，获得可靠和有效的结果是一项艰巨的任务。本文档来自技高网...

【技术保护点】
1.一种肺部病灶病变种子点的自动选择算法，具体包括如下步骤：S1，通过CT扫描获取肺实质的CT图像，并计算肺实质的CT图像梯度值；S2，扫描步骤S1中图像中每个像素的邻域，检测该区域中图像梯度值的最小值，将其定义为局部最小梯度像素，预先定义一个空堆栈来存储局部最小梯度像素；S3，将每个新的局部最小梯度像素大小将与堆栈中的所有现有元素梯度像素大小进行比较，新的梯度像素最小值被推入堆栈并用于标记源像素，堆栈中与新局部梯度像素最小值具有最大相似性的值将返回以标记原始源梯度像素；S4，对所有梯度像素重复S1～S3过程，如果一个梯度像素没有被标记，它的邻域将被搜索以找到局部最小值，重复该过程，直到图像中...

【技术特征摘要】
2018.12.03 CN 20181146839481.一种肺部病灶病变种子点的自动选择算法，具体包括如下步骤：S1，通过CT扫描获取肺实质的CT图像，并计算肺实质的CT图像梯度值；S2，扫描步骤S1中图像中每个像素的邻域，检测该区域中图像梯度值的最小值，将其定义为局部最小梯度像素，预先定义一个空堆栈来存储局部最小梯度像素；S3，将每个新的局部最小梯度像素大小将与堆栈中的所有现有元素梯度像素大小进行比较，新的梯度像素最小值被推入堆栈并用于标记源像素，堆栈中与新局部梯度像素最小值具有最大相似性的值将返回以标记原始源梯度像素；S4，对所有梯度像素重复S1～S3过程，如果一个梯度像素没有被标记，它的邻域将被搜索以找到局部最小值，重复该过程，直到图像中的所有梯度像素都被分割为止。2.根据权利...

【专利技术属性】
技术研发人员：孙殿珉，张跃忠，成金玲，
申请(专利权)人：山东省肿瘤防治研究院山东省肿瘤医院，
类型：发明
国别省市：山东,37