基于ABUS冠状面图像的乳头位置自动检测方法技术

本发明专利技术涉及一种基于ABUS冠状面图像的乳头位置自动检测方法，步骤如下：提取ROI；对ROI图像进行预处理操作，方法如下：第1步：使用智能斑点降噪各向异性扩散算法对ROI进行斑点降噪处理；第2步：使用双峰阈值分割法对降噪后的图像进行二值化处理；第3步：对二值化后的图像进行先开后闭运算；第4步：对开闭运算处理后的图像进行反相操作；第5步：删除与图像边框相连的白色区域和小面积白色目标；在预处理后的ROI图像中实现乳头位置的自动检测。

Automatic detection method of nipple position based on ABUS coronal image

【技术实现步骤摘要】
基于ABUS冠状面图像的乳头位置自动检测方法
本专利技术属于图像处理
，具体涉及一种基于ABUS冠状面图像的乳头位置自动检测方法。
技术介绍
为了防止检查乳腺组织时发生遗漏，医生通常把乳腺组织划分为五个区域。在以乳头为中心的基础上，添加一条水平线和一条垂直线，从而把乳腺组织分为外上、外下、内下、内上四个区域，再加上乳头、乳晕为中央区。由于乳腺疾病发生在以乳头为中心划分的区域中，因此，准确定位乳头位置对于乳腺疾病的诊断具有重要的临床意义。然而，人工手动标定乳头位置会依赖于医生的个人经验，而且标定过程非常耗时。创新型自动化三维乳腺超声(Automated3DBreastUltrasound,ABUS)能够生成不能由二维超声获得的冠状面(手术平面)图像，此平面为通过图像处理的方法来自动检测乳头位置提供了可能性。Tao[1]等提出了一种全自动方法来检测ABUS图像中的乳头位置，以多尺度方式提取强度归一化后的ABUS图像特征，并使用增强分类器进行分类实验以识别乳头位置，然而他们将分类器输出图像最大连通区域的中心视为乳头位置，这样可能会造成将肿瘤区域判别为乳头，该方法检测ABUS冠状面图像乳头位置的准确率只达到了90％；Petroudi[2]等为了检测乳头位置，使用自适应阈值方法分割乳房边缘中存在的脂肪带，根据脂肪带轮廓的曲率检测乳头位置，由于乳房形状个体差异较大，对脂肪带轮廓曲率的度量可能不准确；Abdel-Nasser[3]等结合人体解剖学规则，在使用自适应阈值方法检测的多个乳头候选位置中确定最终检测结果，该方法未对图像进行去噪处理，图像噪声容易干扰自适应阈值检测的位置，影响最终乳头检测结果。针对上述问题，本专利技术基于ABUS冠状面图像创建一套自动检测乳头位置的新型方法，将有效解决乳头位置误检或漏检问题，为临床应用提供新可能。[1]MoghaddamMJ,TanT,KarssemeijerN,etal.Automaticnippledetectionon3Dimagesofanautomatedbreastultrasoundsystem(ABUS)[C].ProcSPIEMedicalImaging2014，903405.DOI:10.1117/12/2043780.[2]PetroudiS,BradyM.Automaticnippledetectiononmammograms[J].LectureNotesinComputerScience,2003,2879:971-972.DOI:10.1007/b93811.[3]Abdel-NasserM,SalehA,MorenoA,etal.Automaticnippledetectioninbreastthermograms[J].ExpertSystemswithApplications,2016,64(C):365-374.
技术实现思路
本专利技术的目的在于提出一种基于ABUS冠状面图像的乳头位置自动检测方法，以便能够快速准确地检测到乳头位置，便于满足后续临床需求。本专利技术提出的乳头位置自动检测方法可概述为感兴趣区域(RegionofInterest,ROI)的自动提取、ROI图像预处理和乳头位置自动检测3个过程，具体技术方案如下：1.一种基于ABUS冠状面图像的乳头位置自动检测方法，步骤如下：(1)提取ROI，方法如下：(a)将所有位于0.5至0.9倍扫描总深度的ABUS冠状面切片C1-Cn取出，对所有C1-Cn图像中相同位置的像素点做均值处理，得到一张冠状面均值图像Cmean；(b)使用Otsu算法对图像Cmean进行阈值处理，得到二值图像Cbinary，该二值图像中的最大连通区域就是所需要得到的前景区域；(c)采用形态学开运算对Cbinary图像中的连通区域进行边界平滑处理，并对其最大白色连通区域中由病灶或阴影造成的黑色空洞进行填充，得到前景掩模；(d)使用前景掩模对冠状面图像进行掩模处理，实现对ROI的提取。(2)对ROI图像进行预处理操作，方法如下：第1步：使用智能斑点降噪各向异性扩散算法对ROI进行斑点降噪处理；第2步：使用双峰阈值分割法对降噪后的图像进行二值化处理；第3步：对二值化后的图像进行先开后闭运算；第4步：对开闭运算处理后的图像进行反相操作；第5步：删除与图像边框相连的白色区域和小面积白色目标。(3)在预处理后的ROI图像中实现乳头位置的自动检测，方法如下：第1步：使用霍夫变换圆检测算法检测乳头位置，具体步骤如下：(a)将预处理后的ROI图像任意边缘点二维坐标(x,y)转换为参数空间坐标(a,b,r)，同时参数空间坐标对应点累加器单元A(a,b,r)加1，当ROI图像中的所有边缘点遍历完成后，得到累加器数组A；(b)提取参数空间坐标半径值r∈[40,50]以及累加器数组中累加器单元值大于80的参数空间坐标，并转换为二维坐标，则获得检测到的乳头位置。第2步：排除霍夫变换错误识别的圆，具体步骤如下：(a)以△θ＝2π/360为角度步长，将θ从0到2π范围内对圆心为(a,b)、半径为r的圆进行边缘点搜索，并用数组theta[]保存每个边缘点的角度，其中数组长度为360；(b)根据边缘点的角度数组求标准差σ；(c)判断累加单元值A(a,b,r)与标准差σ的比值K是否大于1，大于1属于正确识别，小于1则属于错误识别，删除霍夫变换错误识别的圆，最终得到乳头位置检测结果。与现有技术相比，本专利技术不仅对ABUS图像进行斑点降噪和形态学预处理操作，明显改善超声图像质量，而且通过排除Hough错误检测的圆，有效提高乳头位置检测准确性。本专利技术方法检测效率高、稳定性强，能有效排除错误识别的圆，并快速准确地检测到乳头位置，且检测准确率可达94.7％。附图说明图1为自动提取ROI过程示意图。其中，(a)为ABUS冠状面切片；(b)为冠状面前景掩模图像；(c)为提取ROI结果示意图，即白色框以内区域为提取的ROI。图2为超声图像斑点降噪结果示意图。其中，(a)中白色框内的区域即为ISRAD算法自动选取的同质区域；(b)斑点降噪结果图。图3为对ROI进行形态学图像预处理结果示意图。其中，(a)为图像二值化结果示意图；(b)为开闭运算结果示意图；(c)为反相结果示意图；(d)为删除与图像边框相连的白色区域结果示意图；(e)为删除小面积白色目标结果示意图。图4为Hough变换圆检测示意图。其中，(a)为Hough变换圆检测原理示意图；(b)为Hough变换圆检测结果示意图。图5为排除误判圆结果示意图。具体实施方式下面结合附图和具体实施方式对本专利技术做具体说明，显然，所描述的实施仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本技术方案基于ABUS冠状面图像的乳头位置自动检测方法包括以下步骤：S1：自动提取ROI。(1)构建ABUS冠状面前景掩模：(a)为了尽量消除背景区域点状高亮杂质对构建前景掩模的影响，将所有位于0.5至0.9倍扫描总深度的ABUS冠状面切片C1-Cn取出，如图1(a)所示，对所有C1-Cn图像中相同位置的像素点做均值处理，得到一张冠状面本文档来自技高网...

【技术保护点】
1.一种基于ABUS冠状面图像的乳头位置自动检测方法，步骤如下：(1)提取ROI，方法如下：(a)将所有位于0.5至0.9倍扫描总深度的ABUS冠状面切片C1‑Cn取出，对所有C1‑Cn图像中相同位置的像素点做均值处理，得到一张冠状面均值图像Cmean；(b)使用Otsu算法对图像Cmean进行阈值处理，得到二值图像Cbinary，该二值图像中的最大连通区域就是所需要得到的前景区域；(c)采用形态学开运算对Cbinary图像中的连通区域进行边界平滑处理，并对其最大白色连通区域中由病灶或阴影造成的黑色空洞进行填充，得到前景掩模；(d)使用前景掩模对冠状面图像进行掩模处理，实现对ROI的提取。(2)对ROI图像进行预处理操作，方法如下：第1步：使用智能斑点降噪各向异性扩散算法对ROI进行斑点降噪处理；第2步：使用双峰阈值分割法对降噪后的图像进行二值化处理；第3步：对二值化后的图像进行先开后闭运算；第4步：对开闭运算处理后的图像进行反相操作；第5步：删除与图像边框相连的白色区域和小面积白色目标。(3)在预处理后的ROI图像中实现乳头位置的自动检测，方法如下：第1步：使用霍夫变换圆检测算法检测乳头位置，具体步骤如下：(a)将预处理后的ROI图像任意边缘点二维坐标(x,y)转换为参数空间坐标(a,b,r)，同时参数空间坐标对应点累加器单元A(a,b,r)加1，当ROI图像中的所有边缘点遍历完成后，得到累加器数组A；(b)提取参数空间坐标半径值r∈[40,50]以及累加器数组中累加器单元值大于80的参数空间坐标，并转换为二维坐标，则获得检测到的乳头位置；第2步：排除霍夫变换错误识别的圆，具体步骤如下：(a)以△θ＝2π/360为角度步长，将θ从0到2π范围内对圆心为(a,b)、半径为r的圆进行边缘点搜索，并用数组theta[]保存每个边缘点的角度，其中数组长度为360；(b)根据边缘点的角度数组求标准差σ；(c)判断累加单元值A(a,b,r)与标准差σ的比值K是否大于1，大于1属于正确识别，小于1则属于错误识别，删除霍夫变换错误识别的圆，最终得到乳头位置检测结果。...

【技术特征摘要】
1.一种基于ABUS冠状面图像的乳头位置自动检测方法，步骤如下：(1)提取ROI，方法如下：(a)将所有位于0.5至0.9倍扫描总深度的ABUS冠状面切片C1-Cn取出，对所有C1-Cn图像中相同位置的像素点做均值处理，得到一张冠状面均值图像Cmean；(b)使用Otsu算法对图像Cmean进行阈值处理，得到二值图像Cbinary，该二值图像中的最大连通区域就是所需要得到的前景区域；(c)采用形态学开运算对Cbinary图像中的连通区域进行边界平滑处理，并对其最大白色连通区域中由病灶或阴影造成的黑色空洞进行填充，得到前景掩模；(d)使用前景掩模对冠状面图像进行掩模处理，实现对ROI的提取。(2)对ROI图像进行预处理操作，方法如下：第1步：使用智能斑点降噪各向异性扩散算法对ROI进行斑点降噪处理；第2步：使用双峰阈值分割法对降噪后的图像进行二值化处理；第3步：对二值化后的图像进行先开后闭运算；第4步：对开闭运算处理后的图像进行反相操作；第5步：删除与图像边框相连的白色区域和小面...

【专利技术属性】
技术研发人员：赵柳，李锵，关欣，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12