一种肺癌影像智能识别增强系统技术方案

本发明专利技术公开了一种肺癌影像智能识别增强系统，涉及图像处理技术领域。通过全变分分解将原始CT图像分解为低频结构层图像和高频纹理层图像；对低频结构层图像进行图像增强处理得到低频结构层增强图像，对高频纹理层图像进行去噪和图像增强处理得到高频纹理层增强图像，得到CT增强图像；识别CT增强图像中包含左肺和右肺的区域得到左肺图像和右肺图像；将左肺图像和右肺图像输入预设肺叶分割模型，得到左肺两叶和右肺三叶的分割结果。通过将原始CT图像分解为低频结构层图像和高频纹理层图像分别进行图像增强，增加图像对比度、细节区别、减少噪声干扰，并且根据左右肺的结构区别分别进行肺叶分割，提高了肺叶分割的灵敏度和精度。度。度。

【技术实现步骤摘要】
一种肺癌影像智能识别增强系统


[0001]本专利技术涉及图像处理
，具体涉及一种肺癌影像智能识别增强系统。

技术介绍

[0002]受益于计算机视觉的发展，计算机断层扫描CT图像已被用于辅助医生的临床诊断并提高诊断效率。肺癌是最常见、最致命的恶性肿瘤之一,国际肺癌研究协会(IASLC)国际分期项目证实,随着肿瘤大小的增加,生存率降低,表明早期诊断和及时治疗是降低肺癌患者死亡率的有效且关键的方法。CT在肺结节的检出和定性中起着重要的作用,鉴别良性结节和恶性结节对于指导临床进一步治疗有重要意义。
[0003]CT的发展和应用,可以提高肺癌早期诊断的敏感性、特异性、准确性。由于医学图像存在对比度低、细节模糊、噪声复杂等问题,因此在相关肺叶分割算法难达到高灵敏度和高精度要求。

技术实现思路

[0004]本专利技术的目的就在于解决上述
技术介绍
的问题，而提出一种肺癌影像智能识别增强系统。
[0005]本专利技术的目的可以通过以下技术方案实现：本专利技术实施例第一方面，首先提供了一种肺癌影像智能识别增强系统，所述系统包括：全变分分解模块，用于获取包含肺部的原始CT图像，通过全变分分解将所述原始CT图像分解为低频结构层图像和高频纹理层图像；图像增强模块，用于对所述低频结构层图像进行图像增强处理得到低频结构层增强图像，对所述高频纹理层图像进行去噪和图像增强处理得到高频纹理层增强图像，加权求和所述低频结构层增强图像和所述高频纹理层增强图像得到CT增强图像；第一分割模块，用于识别所述CT增强图像中包含左肺和右肺的区域得到左肺图像和右肺图像；第二分割模块，用于将所述左肺图像和所述右肺图像输入预设肺叶分割模型，得到左肺两叶和右肺三叶的分割结果。
[0006]可选地，所述图像增强模块包括第一增强模块；所述第一增强模块包括偏振调整模块和滤波器；所述偏振调整模块，用于对所述低频结构层图像进行自适应偏振调整，将图像的暗部和亮部拉伸到偏振，得到偏振低频结构层图；所述滤波器，用于对所述偏振低频结构层图进行高斯滤波，得到低频结构层增强图像。
[0007]可选地，所述滤波器的算子是参数为零的拉普拉斯算子。
[0008]可选地，所述图像增强模块包括第二增强模块；所述第二增强模块包括小波变换
模块和锐化模块；所述小波变换模块，用于采用离散小波变换对所述高频纹理层图像进行处理，并进行自适应阈值去噪，得到第一去噪图像；所述锐化模块，用于对所述第一去噪图像进行锐化处理得到高频纹理层增强图像。
[0009]可选地，所述第一分割模块包括第一区域识别模块和第一扩展分割模块；所述第一区域识别模块，用于使用3D
‑
UNet进行左右肺区域识别，馈送原始CT图像，得到双通道左肺区域和右肺区域识别结果；所述第一扩展分割模块，用于以所述CT增强图像的各横截面的目标区域的边界为基准，向所述目标区域的区域外扩展预设数目个像素得到目标边界，按照所述目标边界进行图像分割得到所述左肺图像和所述右肺图像；所述目标区域为所述左肺区域或者所述右肺区域。
[0010]可选地，所述第二分割模块包括边界框生成模块和预设肺叶分割模型；所述边界框生成模块，用于生成目标肺图像中各肺叶边界框与肺叶间裂隙的概率图；所述目标肺图像为所述左肺图像或者所述右肺图像；所述预设肺叶分割模型，用于根据所述目标肺图像与对应的各肺叶边界框与肺叶间裂隙的概率图对肺叶进行分割，得到左肺两叶和右肺三叶的分割结果。
[0011]可选地，所述预设肺叶分割模型包括编码器和解码器；所述编码器包括多层下采样层，每一下采样层由稠密链接模块和卷积模块组成；所述解码器包括多层反卷积层和多个连续卷积层。
[0012]本专利技术的有益效果：本专利技术实施例提供了一种肺癌影像智能识别增强系统包括：全变分分解模块，用于获取包含肺部的原始CT图像，通过全变分分解将原始CT图像分解为低频结构层图像和高频纹理层图像；图像增强模块，用于对低频结构层图像进行图像增强处理得到低频结构层增强图像，对高频纹理层图像进行去噪和图像增强处理得到高频纹理层增强图像，加权求和低频结构层增强图像和高频纹理层增强图像得到CT增强图像；第一分割模块，用于识别CT增强图像中包含左肺和右肺的区域得到左肺图像和右肺图像；第二分割模块，用于将左肺图像和右肺图像输入预设肺叶分割模型，得到左肺两叶和右肺三叶的分割结果。通过将原始CT图像分解为低频结构层图像和高频纹理层图像分别进行图像增强，增加图像对比度、细节区别、减少噪声干扰，并且根据左右肺的结构区别分别进行肺叶分割，提高了肺叶分割的灵敏度和精度。
附图说明
[0013]下面结合附图对本专利技术作进一步的说明。
[0014]图1为本专利技术实施例提供的一种肺癌影像智能识别增强系统的系统框图。
具体实施方式
[0015]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0016]本专利技术实施例提供了一种肺癌影像智能识别增强系统。参见图1，图1为本专利技术实施例提供的一种肺癌影像智能识别增强系统的系统框图，其特征在于，系统包括：全变分分解模块，用于获取包含肺部的原始CT图像，通过全变分分解将原始CT图像分解为低频结构层图像和高频纹理层图像；图像增强模块，用于对低频结构层图像进行图像增强处理得到低频结构层增强图像，对高频纹理层图像进行去噪和图像增强处理得到高频纹理层增强图像，加权求和低频结构层增强图像和高频纹理层增强图像得到CT增强图像；第一分割模块，用于识别CT增强图像中包含左肺和右肺的区域得到左肺图像和右肺图像；第二分割模块，用于将左肺图像和右肺图像输入预设肺叶分割模型，得到左肺两叶和右肺三叶的分割结果。
[0017]一种实现方式中，通过全变分分解将原始CT图像分解为低频结构层图像和高频纹理层图像，可以减少原始CT图像中伪影提高图像清晰度。
[0018]一种实现方式中，低频结构层图像保留了原始CT图像的主要结构，而高频纹理层图像则反映了图像的细节特征。低频结构层图像去除了复杂的噪声，保留了低对比度的特点，因此对低频结构层图像进行对比度增强，有利于临床医生更好地识别肺部CT图像。同时，高频纹理层图像包含深层图像细节和整个复杂的噪声，需要进行去噪处理。
[0019]在一个实施例中，图像增强模块包括第一增强模块；第一增强模块包括偏振调整模块和滤波器；偏振调整模块，用于对低频结构层图像进行自适应偏振调整，将图像的暗部和亮部拉伸到偏振，得到偏振低频结构层图；滤波器，用于对偏振低频结构层图进行高斯滤波，得到低频结构层增强图像。
[0020]在一个实施例中，滤波器的算子是参数为零的拉普拉斯算子。
[0021]在一个实施例中，图像增强模块包括第二增强模块；第二增强模块包括小波变换模块和锐化模块；小波变换模块，用于采用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺癌影像智能识别增强系统，其特征在于，所述系统包括：全变分分解模块，用于获取包含肺部的原始CT图像，通过全变分分解将所述原始CT图像分解为低频结构层图像和高频纹理层图像；图像增强模块，用于对所述低频结构层图像进行图像增强处理得到低频结构层增强图像，对所述高频纹理层图像进行去噪和图像增强处理得到高频纹理层增强图像，加权求和所述低频结构层增强图像和所述高频纹理层增强图像得到CT增强图像；第一分割模块，用于识别所述CT增强图像中包含左肺和右肺的区域得到左肺图像和右肺图像；第二分割模块，用于将所述左肺图像和所述右肺图像输入预设肺叶分割模型，得到左肺两叶和右肺三叶的分割结果。2.根据权利要求1所述的一种肺癌影像智能识别增强系统，其特征在于，所述图像增强模块包括第一增强模块；所述第一增强模块包括偏振调整模块和滤波器；所述偏振调整模块，用于对所述低频结构层图像进行自适应偏振调整，将图像的暗部和亮部拉伸到偏振，得到偏振低频结构层图；所述滤波器，用于对所述偏振低频结构层图进行高斯滤波，得到低频结构层增强图像。3.根据权利要求2所述的一种肺癌影像智能识别增强系统，其特征在于，所述滤波器的算子是参数为零的拉普拉斯算子。4.根据权利要求1所述的一种肺癌影像智能识别增强系统，其特征在于，所述图像增强模块包括第二增强模块；所述第二增强模块包括小波变换模块和锐化模块；所述小波变换模块，用于采用离散小波变换对所述高频纹理层图像进行处...

【专利技术属性】
技术研发人员：徐峰，刘凤娟，李萱，曲斌斌，
申请(专利权)人：青岛市中心医院，
类型：发明
国别省市：