【技术实现步骤摘要】
本专利技术涉及图像融合识别，具体为基于pet和ct图像融合的肺结节病灶识别方法及系统。
技术介绍
1、病灶一般指的是身体某个部位出现了病变，可能是良性的，也可能是恶性的病灶识别是指通过医学影像分析技术，自动或半自动地识别病灶。病灶识别技术的发展可以极大提高医生的工作效率，并降低人为误诊的风险；pet-ct是pet和ct两种影像技术的结合，pet-ct融合后的图像既有精细的解剖结构又有丰富的生理、生化功能信息，能为确定和查找肿瘤及其他病灶的精确位置定量以及定性诊断提供依据。
2、现有的用于基于pet-ct对肺结节病灶识别方面的改进，通常是通过深度学习方法对pet-ct进行自主特征学习，然后基于学习结果对肺结节的良恶性进行识别，比如在申请公开号为cn103942785a的中国专利中，公开了一种基于图割的pet和ct图像的肺肿瘤分割方法，该方案就是通过对pet、ct的信息提取，利用图割算法整合分析提取的pet和ct图像上的信息，对肺肿瘤进行分割，测试，得出最后的检测结果；其他的用于基于pet-ct对肺结节病灶识别方面的改进，通常是在扫描以及识别准确性方面进行改进，而在基于像素点的灰度值以及rgb值对pet/ct图像分析方面缺少有效的改进方法，这会导致通过深度学习或特征融合对pet/ct图像进行分析时，耗时较长且会将病理图片中的正常区域识别为病灶区域，从而需要人工进行进一步分析，整体的分析耗时较长且准确率也不高。
技术实现思路
1、本专利技术旨在至少在一定程度上解决现有技术中的
2、为实现上述目的，第一方面，本专利技术提供基于pet和ct图像融合的肺结节病灶识别方法，包括：
3、获取患者的肺部ct图片，使用疑点标记法对肺部ct图片进行疑点标记，将标记后的肺部ct图片中的疑点依次记为疑点区域1至疑点区域n；
4、获取患者的肺部pet图片，基于疑点区域1至疑点区域n使用高亮标记法在肺部pet图片中标记多个高亮区域；
5、获取高亮区域的邻近数据，基于高亮区域的邻近数据在pet/ct融合图像中对病灶待定区域进行标记；
6、使用色彩比对法对病灶待定区域进行筛选，将筛选后得到的病灶区域记为患者的肺结节病灶。
7、进一步地，所述疑点标记法包括：
8、对患者的肺部ct图片进行像素化处理，将像素化处理后的肺部ct图片记为像素肺部图片；
9、获取像素肺部图片中像素点的列数，记为k，并将像素肺部图片中的像素点根据所在列的不同从左至右依次记为像素列1至像素列k；
10、对于像素列1至像素列k中的任意一个像素列k1，获取像素列k1中所有像素点的数量，记为m，获取像素列k1中所有像素点的灰度值，并从上至下依次记为灰度值k1~1至灰度值k1~m，其中，k1小于等于k且大于等于1；
11、对于灰度值k1~1至灰度值k1~m中的任意一个灰度值k1~m1，当灰度值k1~m1与任意一个相邻的像素点的灰度值k1~m2的差值的绝对值大于标准边缘值时，将灰度值k1~m1以及灰度值k1~m2对应的像素点均记为边缘像素点。
12、进一步地，疑点标记法还包括：
13、获取像素肺部图片中所有的边缘像素点；
14、使用边缘连接子方法对像素肺部图片进行处理，边缘连接子方法为：对于像素肺部图片中的任意一个边缘像素点l1，当边缘像素点l1的八邻域内存在任意一个边缘像素点l2时，将边缘像素点l1与边缘像素点l2相连；
15、当像素肺部图片使用边缘连接子方法处理后，获取像素肺部图片中通过边缘像素点连接得到的所有的闭合图形，并将所有闭合图形包裹的区域依次记为疑点区域1至疑点区域n。
16、进一步地，高亮标记法包括：
17、获取正常人体的肺部pet图片，将正常人体的肺部pet图片进行像素化处理，记为正常像素pet图片，获取正常像素pet图片中所有像素点的灰度值，并建立灰度表格对所有灰度值进行记录，其中，灰度表格为r行×t列的表格，灰度表格的顶行除第一格外依次填入0至255，灰度表格的最右列除第一格外填入数量；
18、获取灰度表格中小于第一标准值的灰度值中数量最大的灰度值，记为黑色衡量值，获取灰度表格中大于第二标准值的灰度值中数量最大的灰度值，记为白色衡量值；
19、获取患有肺结节病灶的患者的肺部pet图片，记为病灶参考图片，将病灶参考图片中出现肺结节病灶的区域进行标记，记为参考病灶区域；对病灶参考图片进行像素化处理，并获取像素化处理后的参考病灶区域中所有像素点对应的灰度值，记为病灶灰度值，将病灶灰度值中的众数记为病灶衡量值，将病灶衡量值的第一病灶百分比记为第一病灶值，将病灶衡量值的第二病灶百分比记为第二病灶值。
20、进一步地，高亮标记法还包括：
21、获取患者的肺部pet图片，将患者的肺部pet图片进行灰度化处理，将灰度化处理后的患者的肺部pet图片记为像素pet图片；
22、将像素pet图片中灰度值等于黑色衡量值的像素点记为高亮像素点，将像素pet图片中灰度值小于等于第一病灶值且大于等于第二病灶值的像素点记为高亮像素点；将像素pet图片中灰度值等于白色衡量值或未被标记的像素点记为无关像素点；
23、将所有高亮像素点构成区域记为待高亮区域1至待高亮区域q；
24、将像素pet图片与像素肺部图片重合，当任意一个待高亮区域q1与疑点区域n1重合时，将待高亮区域q1与疑点区域n1重合的区域在像素pet图片中记为高亮区域；
25、获取所有高亮区域。
26、进一步地，获取高亮区域的邻近数据，基于高亮区域的邻近数据在pet/ct融合图像中对病灶待定区域进行标记包括：
27、将像素pet图片放入平面直角坐标系中，其中，坐标系中的x轴以及y轴的单位均为cm；
28、将像素pet图片中的高亮区域依次记为高亮区域1至高亮区域p；
29、对于高亮区域1至高亮区域p中的任意一个高亮区域p1，基于旋转卡壳算法获取高亮区域p1的最小外接矩形，记为最小外接矩形p1；
30、获取最小外接矩形p1的上边、下边、左边以及右边与对应的像素pet图片的上边、下边、左边以及右边之间的最短距离，并记为（top~p1，bel~p1，lef~p1，rig~p1）；
31、将（top~p1，bel~p1，lef~p1，rig~p1）记为高亮区域p1的邻近数据；
32、获取所有高亮区域的邻近数据。
33、进一步地，获取高亮区域的邻近本文档来自技高网...
【技术保护点】
1.基于PET和CT图像融合的肺结节病灶识别方法，其特征在于，包括：
2.根据权利要求1所述的基于PET和CT图像融合的肺结节病灶识别方法，其特征在于，所述疑点标记法包括：
3.根据权利要求2所述的基于PET和CT图像融合的肺结节病灶识别方法，其特征在于，疑点标记法还包括：
4.根据权利要求3所述的基于PET和CT图像融合的肺结节病灶识别方法，其特征在于，高亮标记法包括：
5.根据权利要求4所述的基于PET和CT图像融合的肺结节病灶识别方法，其特征在于，高亮标记法还包括：
6.根据权利要求5所述的基于PET和CT图像融合的肺结节病灶识别方法，其特征在于，获取高亮区域的邻近数据，基于高亮区域的邻近数据在PET/CT融合图像中对病灶待定区域进行标记包括：
7.根据权利要求6所述的基于PET和CT图像融合的肺结节病灶识别方法，其特征在于，获取高亮区域的邻近数据，基于高亮区域的邻近数据在PET/CT融合图像中对病灶待定区域进行标记还包括：
8.根据权利要求7所述的基于PET和CT图像融合的肺结节病灶识别方
9.根据权利要求8所述的基于PET和CT图像融合的肺结节病灶识别方法，其特征在于，所述色彩比对法还包括：
10.适用于权利要求1-9任意一项所述的基于PET和CT图像融合的肺结节病灶识别方法的系统，其特征在于，包括疑点标记模块、高亮获取模块、待定标记模块以及病灶确定模块；
...【技术特征摘要】
1.基于pet和ct图像融合的肺结节病灶识别方法，其特征在于，包括：
2.根据权利要求1所述的基于pet和ct图像融合的肺结节病灶识别方法，其特征在于，所述疑点标记法包括：
3.根据权利要求2所述的基于pet和ct图像融合的肺结节病灶识别方法，其特征在于，疑点标记法还包括：
4.根据权利要求3所述的基于pet和ct图像融合的肺结节病灶识别方法，其特征在于，高亮标记法包括：
5.根据权利要求4所述的基于pet和ct图像融合的肺结节病灶识别方法，其特征在于，高亮标记法还包括：
6.根据权利要求5所述的基于pet和ct图像融合的肺结节病灶识别方法，其特征在于，获取高亮区域的邻近数据，基于高亮区域的邻近...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。