一种基于深度学习的医学图像处理方法技术

本发明专利技术涉及图像处理，具体涉及一种基于深度学习的医学图像处理方法，获取多张包括相邻切片图的待检医学图像，并对待检医学图像进行二值化处理，得到二值化图像，对二值化图像进行降噪处理，得到降噪图像，并对降噪图像进行图像增强处理，得到增强图像，利用深度学习神经网络获取各增强图像的基础特征图，对各增强图像的基础特征图进行特征融合，得到各切片图的增强特征图，对各增强特征图进行空洞卷积操作，以生成各增强特征图的叠加特征图，根据各增强特征图的叠加特征图，预测待检医学图像中的病灶位置；本发明专利技术提供的技术方案能够有效克服现有技术所存在的无法对医学图像进行有效处理、不能辅助判断病灶位置的缺陷。不能辅助判断病灶位置的缺陷。不能辅助判断病灶位置的缺陷。

【技术实现步骤摘要】
一种基于深度学习的医学图像处理方法


[0001]本专利技术涉及图像处理，具体涉及一种基于深度学习的医学图像处理方法。

技术介绍

[0002]医学图像已成为现代医学诊断不可或缺的一部分，直接影响医生诊断的准确性和疾病治疗的及时性。医学图像信息量大且细节丰富，但在医学图像的获取过程中，图像会受到各种因素的干扰，以至于获得的医学图像中存在各种噪声(包括系统噪声、随机噪声等)。医学图像特殊的存储和传输方式使得其动态范围较高且对比度低，而传感器灵敏度和模数转换过程会导致图像边缘模糊、分辨率低且细节不清晰，这些缺点使得通过直接获取医学图像对病理进行分析非常困难，难以准确判断病灶位置，甚至导致产生较大的诊断偏差。
[0003]在医学影像中，由于X光投射成像技术具有速度快、成本低、可靠性高的优良特点，其在医疗领域的应用日益广泛。但是，由于人体内部组织错综复杂以及X射线有散射特性等因素的影响，使得采集的X光医学图像往往存在噪声水平高、对比度低、图像模糊的问题，使得医学图像辨识率较低，对医学影像分析和诊断造成很大的影响，因此需要对X光等医学图像进行针对性的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的医学图像处理方法，其特征在于：包括以下步骤：S1、获取多张包括相邻切片图的待检医学图像，并对待检医学图像进行二值化处理，得到二值化图像；S2、对二值化图像进行降噪处理，得到降噪图像，并对降噪图像进行图像增强处理，得到增强图像；S3、利用深度学习神经网络获取各增强图像的基础特征图，对各增强图像的基础特征图进行特征融合，得到各切片图的增强特征图；S4、对各增强特征图进行空洞卷积操作，以生成各增强特征图的叠加特征图；S5、根据各增强特征图的叠加特征图，预测待检医学图像中的病灶位置。2.根据权利要求1所述的基于深度学习的医学图像处理方法，其特征在于：S1中对待检医学图像进行二值化处理，得到二值化图像，包括：采用下式对对待检医学图像进行二值化处理：其中，g(x,y)为二值化图像中(x，y)处像素点的灰度值；f(x,y)为待检医学图像中(x，y)处像素点的灰度值；T为二值化阈值，设为120。3.根据权利要求2所述的基于深度学习的医学图像处理方法，其特征在于：S2中对二值化图像进行降噪处理，得到降噪图像，包括：将二值化图像中任一像素点的值用该点周围各像素点值的中值替代，消除孤立的噪声点。4.根据权利要求3所述的基于深度学习的医学图像处理方法，其特征在于：所述将二值化图像中任一像素点的值用该点周围各像素点值的中值替代，消除孤立的噪声点，包括：利用圆形二维滑动模板在二值化图像上滑动，将模板内的像素值按照从小到大的顺序进行排序，并通过下式对二值化图像进行降噪处理：g(x...

【专利技术属性】
技术研发人员：李锋刚，
申请(专利权)人：合肥工业大学智能制造技术研究院，
类型：发明
国别省市：