一种医学图像标尺自动测量方法技术

本发明专利技术公开了一种医学图像标尺自动测量方法

【技术实现步骤摘要】
一种医学图像标尺自动测量方法、系统、设备及介质


[0001]本专利技术涉及图像处理
，更具体的说是涉及一种医学图像标尺自动测量方法
、
系统
、
设备及介质
。

技术介绍

[0002]医学影像工作站是指可以直接连接和接收各种医学影像设备，例如：
CT
，核磁共振和超声设备等输出的影像和图像信息，实现影像信息在工作站端的同步显示和动态处理，从而进行图像采集
、
影像阅览和编辑及录制
、
图像处理及分析
(
病灶测量
、
标注
、
辅助诊断等
)
，形成图文诊断报告，同时实现病人的文字
、
图像
、
影像资料的管理及分析
、
统计等功能
。
其中，对病灶进行测量是影像科及超声科医生做出诊断的重要依据之一
。
[0003]现有技术中，医学影像工作站对输入的影像图像进行尺度测量常见的方法有两种，一种是采用人工干预方法
(
传统方法
)
，就是影像医生或者技术员
(
报告员
)
将输入的影像图片中的标尺手动输入到工作站上进行尺度校准，这类方法精确度较低，完全取决于人的手动测量
。
第二种方法是采用人工智能深度学习的图像识别技术来识别图像中的尺度标尺，例如公开号为
CN109492653A
的中国专利公开了一种乳腺病灶体积测量方法
、
装置
、
计算机设备及存储介质，该方法通过自动扫描获取乳腺超声图像，并对乳腺超声图像进行平滑滤波以及增强处理，以便于乳腺超声图像的识别检测，且对预处理后的乳腺超声图像进行边缘检测，识别每一单帧图像的乳腺超声边缘区域图像，对每一单帧图像的乳腺超声边缘区域图像计算单帧乳腺病灶体积，再对所有单帧乳腺病灶体积进行累计测量计算，从而获得乳腺病灶体积；实现准确且高效地测量乳腺病灶体积，减少重复枯燥的重复工作
。
该方法的优势是采用人工智能图像检测和分割技术，识别的准确度相对较高，但是只限于部分设备型号，其多品牌和型号的适配度较低，换句话说，该人工智能算法模型的识别范围和准确度取决于训练数据的选取范围和标注，具有明显的训练数据依赖的特征
。
由于目前市场上的医学影像设备千变万化，其图像格式和显示标尺形态也是千变万化的，没有办法做到规范统一，导致其数据采集
、
选取和标注的工作量巨大，而目前市场上所见的人工智能影像工作站受限于深度学习算法模型的训练数据依赖度高和适配度较低的问题，所能对接和识别的外接设备都非常有限
。
[0004]鉴于上述问题，如何解决基于人工智能深度学习的网络模型数据依赖度高和适配度较低的问题，降低数据采集和标注的工作量是本领域技术人员亟需解决的问题
。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种医学图像标尺自动测量方法
、
系统
、
设备及介质，用于至少部分解决
技术介绍
中存在的技术问题
。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术首先公开了一种医学图像标尺自动测量方法，包括以下步骤：
[0008]扫描待检测目标图像，以待检测目标图像中所有刻度的像素值集合为自变量构建
扫描线对应的亮度函数；
[0009]将扫描线对应的所述亮度函数中的自变量进行角频率线性转换，获取亮度转换函数；
[0010]对亮度转换函数进行连续小波变换，获取连续小波变换函数；
[0011]对连续小波变换函数中的像素预估值进行循环遍历，获取连续小波最大值对应的像素预估值；
[0012]将连续小波最大值对应的所述像素预估值作为待检测目标图像的标尺单位转换因素
。
[0013]优选的，扫描待检测目标图像，具体包括：
[0014]采用逐列扫描方式沿待检测目标图像的
x
轴方向进行竖直扫描
。
[0015]优选的，以待检测目标图像中所有刻度的像素值集合为自变量构建扫描线对应的亮度函数，具体包括：
[0016]获取所有刻度的像素值集合，所述所有刻度包括目标图像中所有纵向大刻度的像素值集合以及所有纵向小刻度的像素值集合；
[0017]以所述所有刻度的像素值集合为自变量，以像素的亮度值为因变量构建亮度函数
。
[0018]优选的，将扫描线对应的所述亮度函数中的自变量进行角频率线性转换，获取亮度转换函数，具体包括以下公式：
[0019][0020]式中，
AT
为亮度转换函数
f(t)
的定义域，
AT
＝
A*2
π
/a
，
A
为待检测目标图像尺寸的定义域；
a
为待检测目标图像中每
cm
距离所代表的像素数的预估值；
[0021]KT
为扫描线与刻度线交叉时角频率
t
的集合，
KT
＝
K*2
π
/a
，
K
为目标图像中所有刻度的像素值集合
。
[0022]优选的，对亮度转换函数进行连续小波变换，获取连续小波变换函数，具体包括以下步骤：
[0023]将
Morlet
小波基数函数的共轭函数与亮度转换函数
f(t)
进行积分运算，得到如下连续小波变换函数：
[0024][0025]式中，为
Morlet
小波基数函数的共轭函数；
a
为待检测目标图像中每
cm
距离所代表的像素数的预估值；
b
是
y
坐标的初始偏移值，
b
＝
h0*2
π
/a
，
h0表示起始刻度的像素值；
i
表示复数中的虚部；
ω0为中心频率
。
[0026]优选的，将连续小波最大值对应的所述像素预估值作为待检测目标图像的标尺单位转换因素，具体包括以下步骤：
[0027]获取标尺单位转换公式：
1cm
＝
Aopt*hpixel
，式中
Aopt
表示连续小波最大值对应的像素预估值，
hpixel
表示单位像素的宽度
。
[0028]本专利技术还公开了一种医学图像标尺自动测量系统，所述系统包括：
[0029]扫描模块，用于扫描待检测目标图像，并以待检测目标图像中所有刻度的像素值集合为自变量构建扫描线对应的亮度函数；
[0030]亮度转换函数转换模块，用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种医学图像标尺自动测量方法，其特征在于，包括以下步骤：扫描待检测目标图像，以待检测目标图像中所有刻度的像素值集合为自变量构建扫描线对应的亮度函数；将扫描线对应的所述亮度函数中的自变量进行角频率线性转换，获取亮度转换函数；对亮度转换函数进行连续小波变换，获取连续小波变换函数；对连续小波变换函数中的像素预估值进行循环遍历，获取连续小波最大值对应的像素预估值；将连续小波最大值对应的所述像素预估值作为待检测目标图像的标尺单位转换因素
。2.
根据权利要求1所述的医学图像标尺自动测量方法，其特征在于，扫描待检测目标图像，具体包括：采用逐列扫描方式沿待检测目标图像的
x
轴方向进行竖直扫描
。3.
根据权利要求1所述的医学图像标尺自动测量方法，其特征在于，以待检测目标图像中所有刻度的像素值集合为自变量构建扫描线对应的亮度函数，具体包括：获取所有刻度的像素值集合，所述所有刻度包括目标图像中所有纵向大刻度的像素值集合以及所有纵向小刻度的像素值集合；以所述所有刻度的像素值集合为自变量，以像素的亮度值为因变量构建亮度函数
。4.
根据权利要求1所述的医学图像标尺自动测量方法，其特征在于，将扫描线对应的所述亮度函数中的自变量进行角频率线性转换，获取亮度转换函数，具体包括以下公式：式中，
AT
为亮度转换函数
f(t)
的定义域，
AT
＝
A*2
π
/a
，
A
为待检测目标图像尺寸的定义域；
a
为待检测目标图像中每
cm
距离所代表的像素数的预估值；
KT
为扫描线与刻度线交叉时角频率
t
的集合，
KT
＝
K*2
π
/a
，
K
为目标图像中所有刻度的像素值集合
。5.
根据权利要求4所述的医学图像标尺自动测量方法，其特征在，对亮度转换函数进行连续小波变换，获取连续小波变换函数，具体包括以下步骤：将
Morlet
小波基数函数的共轭函数与亮度转换函数
f(t)
进行积分运算，得到如下连续小波变换函数：式中，为
Morlet
小波基数函数的共轭函数；
b
是
y
坐标的初始偏移值，
b
＝
h0*2
π
/a
，
...

【专利技术属性】
技术研发人员：孙自强，龚任，
申请(专利权)人：苏州视尚医疗科技有限公司，
类型：发明
国别省市：