DR图像的分析方法、DR成像设备和电子设备技术

一种DR图像的分析方法、DR成像设备和电子设备，方法包括：控制DR成像设备向目标对象的目标组织部位发射X射线，并接收穿过目标组织部位后的X射线以得到X线信号；对X线信号进行处理以获取数字X线摄影DR图像；从DR图像中提取至少一个特征区域，特征区域为目标组织部位中的组织解剖结构所在的区域；针对每个特征区域提取至少一种图像特征，得到每个特征区域的图像特征集合，其中图像特征包括灰度熵特征、纹理特征、图像噪声特征、梯度特征和散度特征中的至少一种；将所有特征区域各自的图像特征集合输入到目标模型中，得到每个特征区域的区域指标，区域指标反映特征区域的特征信息含量；输出每个特征区域的区域指标。输出每个特征区域的区域指标。输出每个特征区域的区域指标。

【技术实现步骤摘要】
DR图像的分析方法、DR成像设备和电子设备


[0001]本申请涉及直接数字化X射线摄影系统(Digital Radiography，简称为DR)成像
，更具体地涉及一种DR图像的分析方法、DR成像设备和电子设备。

技术介绍

[0002]DR图像作为医学数字图像中常见的一种类型，广泛应用于体检及常规医学影像诊断领域。由于数字化X线探测器及数字图像处理系统的发展，DR图像往往在很宽的曝光剂量范围内都能呈现可用于诊断的图像效果，而这过程中往往会依赖操作技师的经验对最终图像效果进行把握，判断的准确性容易受到经验差异、主观差异以及后处理等多种因素的影响。
[0003]一种常见的解决方案是曝光指数EI，用来指示单次曝光量的大小，但曝光指数通常对特定的线质存在能量依赖性，并且通常曝光指数仅利用的图像的灰度信息，由于临床图像及人体结构的复杂多样性，EI值并不能很好的反映实际用于诊断的图像信息。

技术实现思路

[0004]为了解决上述问题而提出了本申请。根据本申请一方面，提供了一种DR图像的分析方法，所述方法包括：控制DR成像设备向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种DR图像的分析方法，其特征在于，所述方法包括：控制DR成像设备向目标对象的目标组织部位发射X射线，并接收穿过所述目标组织部位后的X射线，以得到X线信号；对所述X线信号进行处理，以获取数字X线摄影DR图像；从所述DR图像中提取至少一个特征区域，所述特征区域为所述目标组织部位中的组织解剖结构所在的区域；针对每个所述特征区域提取至少一种图像特征，得到每个所述特征区域的图像特征集合，其中所述图像特征包括灰度熵特征、纹理特征、图像噪声特征、梯度特征和散度特征中的至少一种；将所有所述特征区域各自的所述图像特征集合输入到目标模型中，得到每个所述特征区域的区域指标，所述区域指标反映所述特征区域的特征信息含量；输出每个所述特征区域的区域指标。2.根据权利要求1所述的方法，其特征在于，从所述DR图像中提取至少一个特征区域，包括：将所述DR图像中预先设定的至少一个区域提取出来，得到所述至少一个特征区域；或者对所述DR图像中的组织进行分割，得到所述至少一个特征区域。3.根据权利要求2所述的方法，其特征在于，所述预先设定的至少一个区域是根据预先设定的规则进行区域定义后得到。4.根据权利要求2所述的方法，其特征在于，所述对所述DR图像中的组织进行分割是基于图像分割算法进行，所述图像分割算法包括以下中的至少一项：图像形态学算法、主动轮廓模型算法、阈值分割算法、机器学习算法。5.根据权利要求1
‑
4中的任一项所述的方法，其特征在于，当从所述DR图像中提取至少两个所述特征区域时，不同的所述特征区域之间彼此没有重叠或者存在部分重叠。6.根据权利要求1所述的方法，其特征在于，所述输出每个所述特征区域的区域指标，包括以下中的至少一项：以向量形式显示所有所述特征区域的区域指标；在所述DR图像中每个所述特征区域的位置处显示与所述特征区域对应的区域指标；在与所述目标组织部位对应的体位标准图中显示所有所述特征区域的区域指标。7.根据权利要求6所述的方法，其特征在于，所述在与所述目标组织部位对应的体位标准图中显示所有所述特征区域的区域指标，包括：获取所述体位标准图中所有所述特征区域各自对应的标准指标；针对所述目标模型输出的每个所述特征区域各自的区域指标，将所述特征区域的区域指标与所述特征区域的标准指标进行比较，并在所述体位标准图的所述特征区域内显示比较结果。8.如权利要求1
‑
7中任一项所述的方法，其特征在于，所述灰度熵特征为通过统计筛除所述特征区域中的冗余灰度级信源后得到的信息含量，所述针对每个所述特征区域提取至少一种图像特征，包括针对所述特征区域提取所述灰度熵特征，
所述针对所述特征区域提取所述灰度熵特征，包括：获得所述特征区域中每个灰度级信源的第一概率统计分布；对所述灰度级信源中冗余灰度级信源的所述第一概率统计分布进行筛选，以得到非冗余灰度级信源的所述第一概率统计分布；根据每个所述非冗余灰度级信源的所述第一概率统计分布与全部非冗余灰度级信源的第一概率统计分布之和的比值得到每个非冗余灰度级信源的第二概率统计分布；根据所述非冗余灰度级信源的第二概率统计分布进行求熵，以得到所述灰度熵特征。9.如权利要求1
‑
7中任一项所述的方法，其特征在于，所述纹理特征表示所述特征区域上不同灰度值在空间上的变化关系，所述针对每个所述特征区域提取至少一种图像特征，包括针对所述特征区域提取所述纹理特征，所述针对所述特征区域提取所述纹理特征，包括：根据所述特征区域中各像素的灰度值得到纹理特征描述矩阵，所述纹理特征描述矩阵描述所述特征区域中不同距离和不同方向上的灰度值的变化；提取所述纹理特征描述矩阵的至少一个二维分量，以作为所述纹理特征。10.如权利要求1
‑
7中任一项所述的方法，其特征在于，所述图像噪声特征包括X光量子噪声，所述X光量子噪声特征反映所述特征区域中X光量子的波动程度，所述针对每个所述特征区域提取至少一种图像特征，包括针对所述特征区域提取所述图像噪声特征，所述针对所述特征区域提取所述图像噪声特征，包括：从所述特征区域得到高频图像；提取所述高频图像中的有效信息，以得到噪声分布图像，其中，所述噪声分布图像为所述高频图像中每个像素点的局部均方根所构成的图像；对所述噪声分布图像中的噪声值分布进行统计，以得到所述图像噪声特征。11.根据权利要求1
‑
7中任一项所述的方法，其特征在于，所述梯度特征用于表征所述特征区域中组织的边界的清晰度，所述针对每个所述特征区域提取至少一种图像特征，包括针对所述特征区域提取所述梯度特征，所述针对所述特征区域提取所述梯度特征，包括：确定所述特征区域中不同组织的区域分布；获取不同组织区域分布的边界的清晰度，以作为所述梯度特征。12.根据权利要求1
‑
7中任一项所述的方法，其特征在于，所述散度特征用于表征所述特征区域中组织的边界的过渡强弱程度和/或趋势一致性，所述针对每个所述特征区域提取至少一种图像特...

【专利技术属性】
技术研发人员：许鹏，张继晔，
申请(专利权)人：深圳迈瑞生物医疗电子股份有限公司，
类型：发明
国别省市：