基于影像组学的影像数据特征自动生成方法和装置制造方法及图纸

本发明专利技术涉及影像组学技术领域，揭露了一种基于影像组学的影像数据特征自动生成方法，包括：利用边缘检测算法，划分放射影像图，得到初始放射影像区块图，利用边缘连接算法，连接分段边缘分割线，得到目标放射影像区块图，接收区块确定指令，确定兴趣区块生长点及初始兴趣区块，对目标兴趣区块的影像组学特征进行特征选择，得到放射影像图的影像数据特征。本发明专利技术还提出一种基于影像组学的影像数据特征自动生成装置。本发明专利技术可以解决半自动分割法及完全自动分割法没有统一的方案及标准，手动分割法存在可重复性低、耗时久、效率低的问题。效率低的问题。效率低的问题。

【技术实现步骤摘要】
基于影像组学的影像数据特征自动生成方法和装置


[0001]本专利技术涉及影像组学
，尤其涉及一种基于影像组学的影像数据特征自动生成方法和装置。

技术介绍

[0002]随着医疗技术的发展，影像组学作为一种非侵入性的图像分析方法，开始成为肿瘤诊断、治疗反应预测以及治疗研究的重要手段之一。影像组学是从医学影像的感兴趣区域中提取大量影像数据特征，来描述肿瘤生物学特征及异质性等信息的定量分析方法。
[0003]当前，影像数据特征的获取主要是通过划定感兴趣区域，进而针对感兴趣区域来获取相应的影像数据特征，感兴趣区域的划分主要有手动分割法、半自动分割法及完全自动分割法，但是半自动分割法及完全自动分割法没有统一的方案及标准，手动分割法存在可重复性低、耗时久、效率低的问题。

技术实现思路

[0004]本专利技术提供一种基于影像组学的影像数据特征自动生成方法、装置及计算机可读存储介质，其主要目的在于解决半自动分割法及完全自动分割法没有统一的方案及标准，手动分割法存在可重复性低、耗时久、效率低的问题。
[0005]为实现上述目的，本专利技术提供的一种基于影像组学的影像数据特征自动生成方法，包括：
[0006]获取放射影像图，利用预构建的边缘检测算法，对所述放射影像图进行区块划分，得到初始放射影像区块图；
[0007]利用预构建的边缘连接算法，对所述初始放射影像区块图中相邻区块的分段边缘分割线进行连接处理，得到目标放射影像区块图；
[0008]接收用户在所述目标放射影像区块图中选定的待定兴趣区块生长点，将所述待定兴趣区块生长点的所在区块，设置为待定兴趣区块；
[0009]接收用户对所述待定兴趣区块的区块确定指令，根据所述区块确定指令，将所述待定兴趣区域生长点确定为兴趣区块生长点，将所述待定兴趣区块确定为初始兴趣区块；
[0010]利用所述兴趣区块生长点，根据预构建的区域生长算法及所述初始兴趣区块，构建出目标兴趣区块；
[0011]计算所述目标兴趣区块的影像组学特征，对所述影像组学特征进行特征选择，得到所述放射影像图的影像数据特征。
[0012]可选地，所述利用预构建的边缘检测算法，对所述放射影像图进行区块划分，得到初始放射影像区块图，包括：
[0013]利用预构建的高斯函数构建高斯核函数；
[0014]根据所述放射影像图中每个像素点的灰度值，构建图像灰度矩阵；
[0015]利用所述高斯核函数，对所述图像灰度矩阵的每一个像素点的灰度值进行加权求
和，得到高斯滤波灰度矩阵；
[0016]构建边缘检测水平算子及边缘检测竖直算子；
[0017]利用所述边缘检测水平算子，计算所述高斯滤波灰度矩阵中每个像素点的水平梯度分量；
[0018]利用所述边缘检测竖直算子，计算所述高斯滤波灰度矩阵中每个像素点的竖直梯度分量；
[0019]根据所述高斯滤波灰度矩阵中，每个像素点的所述水平梯度分量及竖直梯度分量，计算所述像素点的梯度幅值及梯度方向；
[0020]根据所述像素点的梯度幅值及梯度方向，对所述放射影像图进行划分，得到所述初始放射影像区块图。
[0021]可选地，所述利用预构建的边缘连接算法，对所述初始放射影像区块图中相邻区块的分段边缘分割线进行连接处理，得到目标放射影像区块图，包括：
[0022]识别所述初始放射影像区块图中，相邻区块的分段边缘分割线所经过的像素点；
[0023]对所述相邻区块的分段边缘分割线所经过的像素点，执行非极大值抑制处理，得到初始边缘像素点；
[0024]利用预构建的双阈值算法，根据所述初始边缘像素点，计算出目标边缘像素点；
[0025]链接所述目标边缘像素点，得到目标边缘分割线；
[0026]利用所述目标边缘分割线，分割所述初始放射影像区块图，得到所述目标放射影像区块图。
[0027]可选地，所述对所述相邻区块的分段边缘分割线所经过的像素点，执行非极大值抑制处理，得到初始边缘像素点，包括：
[0028]根据预构建的线性插值公式，利用所述分段边缘分割线所经过的像素点的梯度方向，及所述分段边缘分割线所经过的像素点的邻域像素点的梯度幅值，判断所述分段边缘分割线所经过的像素点是否为梯度幅度最大点；
[0029]若所述分段边缘分割线所经过的像素点，不是梯度幅度最大点，则判断所述分段边缘分割线所经过的像素点，不是所述初始边缘像素点；
[0030]若所述分段边缘分割线所经过的像素点，是梯度幅度最大点，则判断所述分段边缘分割线所经过的像素点，是所述初始边缘像素点。
[0031]可选地，所述线性插值公式如下所示：
[0032]M(dtmp1)＝ω*M(g2)+(1
‑
ω)*M(g1)
[0033]ω＝distance(dtmp1,g2)/distance(g1,g2)
[0034]其中，M(dtmp1)表示dtmp1点的梯度幅值，distance(dtmp1,g2)表示dtmp1点与g2点的距离，distance(g1,g2)表示g1点与g2点的距离，M(g2)表示g2点的梯度幅值，M(g1)表示g1点的梯度幅值。ω表示dtmp1点与g2点的距离占比g1点与g2点的距离大小。
[0035]可选地，所述利用预构建的双阈值算法，根据所述初始边缘像素点，计算出目标边缘像素点，包括：
[0036]按照预定比率大小，设立高阈值及低阈值；
[0037]判断所述初始边缘像素点的梯度幅值，是否大于所述高阈值；
[0038]若所述初始边缘像素点的梯度幅值，大于所述高阈值，则确定所述初始边缘像素
点为所述目标边缘像素点；
[0039]若所述初始边缘像素点的梯度幅值，小于等于所述高阈值，则判断所述初始边缘像素点的梯度幅值，是否大于等于所述低阈值；
[0040]若所述初始边缘像素点的梯度幅值，大于等于所述低阈值，则在所述初始边缘像素点的8邻域像素点中，提取出最大梯度幅值对应的像素点，并将所述最大梯度幅值对应的像素点，作为所述目标边缘像素点；
[0041]若所述初始边缘像素点的梯度幅值，小于所述低阈值，则确定所述初始边缘像素点，不为所述目标边缘像素点。
[0042]可选地，所述利用所述兴趣区块生长点，根据预构建的区域生长算法及所述初始兴趣区块，构建出目标兴趣区块，包括：
[0043]计算所述目标放射影像区块图的像素点灰度平均值；
[0044]计算所述目标放射影像区块图中每个区块的像素点灰度平均值；
[0045]利用预构建的生长阈值计算公式，根据所述目标放射影像区块图的像素点灰度平均值及所述每个区块的像素点灰度平均值，计算出生长阈值；
[0046]判断所述兴趣区块生长点的四邻域像素点中，是否存在像素点的灰度值与所述兴趣生长区块的灰度值的差值小于所述生长阈值，且未经过所述目标边缘分割线；
[0047]若所述四邻域像素点中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于影像组学的影像数据特征自动生成方法，其特征在于，所述方法包括：获取放射影像图，利用预构建的边缘检测算法，对所述放射影像图进行区块划分，得到初始放射影像区块图；利用预构建的边缘连接算法，对所述初始放射影像区块图中相邻区块的分段边缘分割线进行连接处理，得到目标放射影像区块图；接收用户在所述目标放射影像区块图中选定的待定兴趣区块生长点，将所述待定兴趣区块生长点的所在区块，设置为待定兴趣区块；接收用户对所述待定兴趣区块的区块确定指令，根据所述区块确定指令，将所述待定兴趣区域生长点确定为兴趣区块生长点，将所述待定兴趣区块确定为初始兴趣区块；利用所述兴趣区块生长点，根据预构建的区域生长算法及所述初始兴趣区块，构建出目标兴趣区块；计算所述目标兴趣区块的影像组学特征，对所述影像组学特征进行特征选择，得到所述放射影像图的影像数据特征。2.如权利要求1所述的基于影像组学的影像数据特征自动生成方法，其特征在于，所述利用预构建的边缘检测算法，对所述放射影像图进行区块划分，得到初始放射影像区块图，包括：利用预构建的高斯函数构建高斯核函数；根据所述放射影像图中每个像素点的灰度值，构建图像灰度矩阵；利用所述高斯核函数，对所述图像灰度矩阵的每一个像素点的灰度值进行加权求和，得到高斯滤波灰度矩阵；构建边缘检测水平算子及边缘检测竖直算子；利用所述边缘检测水平算子，计算所述高斯滤波灰度矩阵中每个像素点的水平梯度分量；利用所述边缘检测竖直算子，计算所述高斯滤波灰度矩阵中每个像素点的竖直梯度分量；根据所述高斯滤波灰度矩阵中，每个像素点的所述水平梯度分量及竖直梯度分量，计算所述像素点的梯度幅值及梯度方向；根据所述像素点的梯度幅值及梯度方向，对所述放射影像图进行划分，得到所述初始放射影像区块图。3.如权利要求2所述的基于影像组学的影像数据特征自动生成方法，其特征在于，所述利用预构建的边缘连接算法，对所述初始放射影像区块图中相邻区块的分段边缘分割线进行连接处理，得到目标放射影像区块图，包括：识别所述初始放射影像区块图中，相邻区块的分段边缘分割线所经过的像素点；对所述相邻区块的分段边缘分割线所经过的像素点，执行非极大值抑制处理，得到初始边缘像素点；利用预构建的双阈值算法，根据所述初始边缘像素点，计算出目标边缘像素点；链接所述目标边缘像素点，得到目标边缘分割线；利用所述目标边缘分割线，分割所述初始放射影像区块图，得到所述目标放射影像区块图。
4.如权利要求3所述的基于影像组学的影像数据特征自动生成方法，其特征在于，所述对所述相邻区块的分段边缘分割线所经过的像素点，执行非极大值抑制处理，得到初始边缘像素点，包括：根据预构建的线性插值公式，利用所述分段边缘分割线所经过的像素点的梯度方向，及所述分段边缘分割线所经过的像素点的邻域像素点的梯度幅值，判断所述分段边缘分割线所经过的像素点是否为梯度幅度最大点；若所述分段边缘分割线所经过的像素点，不是梯度幅度最大点，则判断所述分段边缘分割线所经过的像素点，不是所述初始边缘像素点；若所述分段边缘分割线所经过的像素点，是梯度幅度最大点，则判断所述分段边缘分割线所经过的像素点，是所述初始边缘像素点。5.如权利要求4所述的基于影像组学的影像数据特征自动生成方法，其特征在于，所述线性插值公式如下所示：M(dtmp1)＝ω*M(g2)+(1
‑
ω)*M(g1)ω＝distance(dtmp1，g2)/distance(g1，g2)其中，M(dtmp1)表示dtmp1点的梯度幅值，distance(dtmp1，g2)表示dtmp1点与g2点的距离，distance(g1，g2)表示g1点与g2点的距离，M(g2)表示g2点的梯度幅值，M(g1)表示g1点的梯度幅值。ω表示dtmp1点与g2点的距离占比g1点与g2点的距离大小。6.如权利要求3所述的基于影像组学的影像数据特征自动生成方法，其特征在于，所述利用预构建的双阈值算法，根据所述初始边缘像素点，计算出目标边缘像素点，包括：按照预定比...

【专利技术属性】
技术研发人员：王思伦，
申请(专利权)人：深圳市医未医疗科技有限公司，
类型：发明
国别省市：