一种呼吸康复制造技术

本申请涉及图像处理领域，特别是涉及一种呼吸康复

【技术实现步骤摘要】
一种呼吸康复CT影像智能分析方法


[0001]本专利技术涉及图像数据处理领域，特别是涉及一种呼吸康复
CT
影像智能分析方法
。

技术介绍

[0002]呼吸康复是一种用于治疗呼吸系统疾病的康复方法
。
在呼吸康复过程中，呼吸康复
CT
影像是评估患者疾病进展和康复效果的重要工具
。
然而，由于呼吸运动的存在，呼吸康复
CT
影像往往存在运动模糊和低对比度的问题，影响了影像的可视化和诊断效果，因此需要对康复
CT
影像进行图像增强处理
。
[0003]目前，现有的图像增强方法通常采用直方图均衡化进行图像增强，通过调整图像的亮度分布来增强图像的对比度和细节
。
然而，在应用直方图均衡化方法对呼吸康复
CT
影像进行增强时，由于呼吸运动的存在，图像中的亮度分布不均匀，导致直方图均衡化方法无法有效地增强图像
。

技术实现思路

[0004]鉴于上述问题，本申请提供了一种呼吸康复
CT
影像智能分析方法，能够有效地增强图像，从而便于对患者疾病进展和康复效果进行评估
。
[0005]本申请实施例提供了一种呼吸康复
CT
影像智能分析方法，包括：获取所述呼吸康复
CT
影像作为第一图像；对所述第一图像进行预处理，得到第二图像；对所述第二图像进行阈值分割处理构建消散曲线，基于所述消散曲线进行目标程度分析，得到多个目标像素点；对所述第二图像进行阈值分割处理得到强特征点，对所述强特征点进行关联度计算得到各个所述目标像素点的关联范围，基于强特征点和所述目标像素点的关联范围进行图像分割处理得到最终目标范围；基于所述最终目标范围对所述第二图像进行直方图均衡化处理，得到第三图像；基于所述第三图像进行康复效果评估
。
[0006]在一种可能的实现方式中，所述对所述第一图像进行预处理，得到第二图像，包括：对所述第一图像采用聚类算法进行聚类，得到第一簇类和第二簇类，所述第一簇类为骨骼与气管区域，所述第二簇类为肺部组织区域，设置第一簇类像素点平均值与第二簇类像素点平均值的中间值为第一阈值，基于所述第一阈值对所述第一图像进行阈值分割，得到阈值分割图像
。
[0007]在一种可能的实现方式中，所述对所述第一图像进行预处理，得到第二图像，还包括：对所述阈值分割图像进行形态学开运算去除肺部组织区域的气管得到掩膜，将所述掩膜与所述第一图像相乘得到第二图像
。
[0008]在一种可能的实现方式中，所述对所述第二图像进行阈值分割处理构建消散曲线，基于所述消散曲线进行目标程度分析，得到多个目标像素点，包括：对所述第二图像建立灰度统计直方图，获取所述灰度统计直方图中的最小灰度值，以所述最小灰度值作为初始分割阈值对所述第二图像进行阈值分割，将大于所述初始分割阈值的像素点记为前景像素点
、
小于所述初始分割阈值的像素点记为背景像素点得到初始的阈值分割图像；在所述最小灰度值的基础上每次以步长进行递增，得到多个分割阈值，直到达到所述第二图像中的最大灰度值时停止；基于每个分割阈值对所述第二图像进行阈值分割，得到相对应的多张阈值分割图像；根据每张所述阈值分割图像中前景像素点的占比构建消散曲线，消散曲线值为每张所述阈值分割图像中前景像素点与总像素点的数量比值
。
[0009]在一种可能的实现方式中，所述对所述第二图像进行阈值分割处理构建消散曲线，基于所述消散曲线进行目标程度分析，得到多个目标像素点，还包括：基于所述消散曲线在各个灰度值的斜率获取对应灰度级的目标程度值，所述目标程度值的计算公式如下：；其中，表示对应灰度级的目标程度值，表示对应灰度级在消散曲线中的斜率；针对所有灰度级，当所述灰度级的目标程度值大于等于第二阈值时，将所述灰度级对应的像素点进行标记，得到多个目标像素点
。
[0010]在一种可能的实现方式中，所述对所述第二图像进行阈值分割处理得到强特征点，对所述强特征点进行关联度计算得到各个所述目标像素点的关联范围，基于强特征点和所述目标像素点的关联范围进行图像分割处理得到最终目标范围，包括：基于大津法对所述第二图像进行阈值分割处理，将得到的前景像素点设为强特征点，剔除所述多个目标像素点中同时为目标像素点和强特征点的像素点；针对所有强特征点，计算所述强特征点为圆心
、
半径为的范围内目标像素点的关联权重，所述关联权重的计算公式为：；其中，表示所述强特征点半径为的范围内目标像素点的关联权重，表示所述强特征点半径为的范围内目标像素点的数量，表示所述强特征点半径为的范围内像素点的总数量，表示所述强特征点半径为的范围内第个目标像素点到圆心的距离，表示所述强特征点半径为的范围内所有目标像素点到圆心的距离均值；当一个目标像素点存在多个关联权重时，选择关联权重最大的值作为该目标像素点最终的关联权重
。
[0011]在一种可能的实现方式中，所述对所述第二图像进行阈值分割处理得到强特征点，对所述强特征点进行关联度计算得到各个所述目标像素点的关联范围，基于强特征点和所述目标像素点的关联范围进行图像分割处理得到最终目标范围，还包括：
根据像素点的关联权重，获取目标像素点的关联范围，所述目标像素点的关联范围的计算公式为：；其中，表示某一个目标像素点的关联范围，表示初始最大关联范围，表示所述目标像素点的关联权重
。
[0012]在一种可能的实现方式中，所述对所述第二图像进行阈值分割处理得到强特征点，对所述强特征点进行关联度计算得到各个所述目标像素点的关联范围，基于强特征点和所述目标像素点的关联范围进行图像分割处理得到最终目标范围，还包括：基于区域生长算法获取所述强特征点的连通域，若所述目标像素点的关联范围与所述强特征点的连通域存在交集，则将其归并，记为目标范围，更新目标范围，继续进行判断；若所述目标像素点的关联范围与所述目标范围存在交集，则更新目标范围，直至不存在交集时停止，得到最终目标范围
。
[0013]在一种可能的实现方式中，所述基于所述最终目标范围对所述第二图像进行直方图均衡化处理，得到第三图像，包括：统计所述最终目标范围与肺部其他范围的每个灰度级别的像素数量，分别得到所述最终目标范围与肺部其他范围图像的灰度直方图；将每个灰度级别的像素数量累加得到累积分布函数；将累积分布函数值除以图像总像素数量进行归一化的累积分布函数；将每个灰度级别的归一化的累积分布函数值乘以所对应的映射区间最大值并四舍五入得到映射表；将所述映射表应用于所述第二图像的每个像素，将每个像素的灰度级别替换为所述映射表中对应的值，得到第三图像
。
[0014]在一种可能的实现方式中，所述基于所述第三图像进行康复效果评估，包括：对所述第三图像采用大津法进行阈值分割，得到肺部病变区域和气管区域，基于所述病变区域的面积大小进行康复效果评估
。
...

【技术保护点】

【技术特征摘要】
1.
一种呼吸康复
CT
影像智能分析方法，其特征在于，包括：获取所述呼吸康复
CT
影像作为第一图像；对所述第一图像进行预处理，得到第二图像；对所述第二图像进行阈值分割处理构建消散曲线，基于所述消散曲线进行目标程度分析，得到多个目标像素点；对所述第二图像进行阈值分割处理得到强特征点，对所述强特征点进行关联度计算得到各个所述目标像素点的关联范围，基于强特征点和所述目标像素点的关联范围进行图像分割处理得到最终目标范围；基于所述最终目标范围对所述第二图像进行直方图均衡化处理，得到第三图像；基于所述第三图像进行康复效果评估
。2.
根据权利要求1所述的呼吸康复
CT
影像智能分析方法，其特征在于，所述对所述第一图像进行预处理，得到第二图像，包括：对所述第一图像采用聚类算法进行聚类，得到第一簇类和第二簇类，所述第一簇类为骨骼与气管区域，所述第二簇类为肺部组织区域，设置第一簇类像素点平均值与第二簇类像素点平均值的中间值为第一阈值，基于所述第一阈值对所述第一图像进行阈值分割，得到阈值分割图像
。3.
根据权利要求2所述的呼吸康复
CT
影像智能分析方法，其特征在于，所述对所述第一图像进行预处理，得到第二图像，还包括：对所述阈值分割图像进行形态学开运算去除所述肺部组织区域的气管得到掩膜，将所述掩膜与所述第一图像相乘得到第二图像
。4.
根据权利要求1所述的呼吸康复
CT
影像智能分析方法，其特征在于，所述对所述第二图像进行阈值分割处理构建消散曲线，基于所述消散曲线进行目标程度分析，得到多个目标像素点，包括：对所述第二图像建立灰度统计直方图，获取所述灰度统计直方图中的最小灰度值，以所述最小灰度值作为初始分割阈值对所述第二图像进行阈值分割，将大于所述初始分割阈值的像素点记为前景像素点
、
小于所述初始分割阈值的像素点记为背景像素点得到初始的阈值分割图像；在所述最小灰度值的基础上每次以步长进行递增，得到多个分割阈值，直到达到所述第二图像中的最大灰度值时停止；基于每个分割阈值对所述第二图像进行阈值分割，得到相对应的多张阈值分割图像；根据每张所述阈值分割图像中前景像素点的占比构建消散曲线，消散曲线值为每张所述阈值分割图像中所述前景像素点与总像素点的数量比值
。5.
根据权利要求4所述的呼吸康复
CT
影像智能分析方法，其特征在于，所述对所述第二图像进行阈值分割处理构建消散曲线，基于所述消散曲线进行目标程度分析，得到多个目标像素点，还包括：基于所述消散曲线在各个灰度值的斜率获取对应灰度级的目标程度值，所述目标程度值的计算公式如下：；
其中，表示对应灰度级的目标程度值，表示对应灰度级在消散曲线中的斜率；针对所有灰度级，当所述灰度级的目标程度值大于等于第二阈值时，将所述灰度级对应的像素点进行标记，得到多个目标像素点
。6.
根据权利要求1所述的呼吸康复
CT
影像智能分析方法，其特征在于，所述对所述第二图像进行阈值分割处理得到强特征点，对所...

【专利技术属性】
技术研发人员：胡晔，解立新，谢菲，王凯飞，段智梅，付晗，
申请(专利权)人：中国人民解放军总医院第八医学中心，
类型：发明
国别省市：