[发明专利]基于小波分解和卷积神经网络的X线胸片骨抑制处理方法

说明书

技术领域

本发明涉及数字图像处理技术领域，特别是涉及基于小波分解和卷积神经网络的X线胸片骨抑制处理方法。

背景技术

X线胸部平片(简称胸片)是肺部疾病检测的基本影像手段之一。然而，胸片中解剖结构互相重叠，增加了医生读片诊断的难度，特别是肋骨和锁骨的遮挡会使得肺部小结节病灶的诊断难度增加。

现有技术解决上述问题的方法主要有以下两大方向：其一，随着数字X线成像(Digital Radiography,DR)和计算机X线摄影(Computed Radiography,CR)设备和技术的发展，X线双能减影(Dual Energy Subtraction,DES)技术可分离出胸片中呈现出特性组织成分的图像——软组织像(Soft-tissue Image)和骨像(Bone Image)。双能减影设备采集高低两种不同能量X线(如120kV和60kV)下的两幅图像，利用组织在不同能量X线下的衰减系数不同，产生不同的X线胸片，进行加权减影处理，可将不同衰减系数的组织分开，得到软组织像和骨骼图像。X线双能减影设备：X线双能减影设备相对普通X线机的成本要高，而且其X线球管的使用寿命可能相对较短，现临床使用的DR设备一般不具有双能减影功能。双能减影成像需要两次X线曝光，两次曝光之间有一定时间间隔，因此成像质量易受病人呼吸、心脏搏动等人体组织运动影响，从而获取的软组织像和骨像中一般存在运动伪影，两次曝光也会使病人接受的辐射剂量有所增加。

其二，利用图像处理和模式识别技术模拟双能减影设备功能，对DR或CR设备获取的单幅数字常规胸片进行处理，将此单幅图像分解为软组织像和骨像，实现骨骼影像的抑制。现通过图像处理技术，实现胸片骨骼影像抑制的方法又分为两类：1、基于骨骼结构分割和边缘检测的方法。2、基于回归模型预测的方法。第一类方法需要先对X线胸片中肋骨和锁骨进行分割，利用曲线拟合、霍夫变换等方法定位肋骨和锁骨的边缘，然后对肋骨、锁骨的区域灰度或边缘梯度建立模型，通过信号分离或进行梯度域修正重建等技术实现软组织像和骨像的分离。基于骨骼结构分割和边缘检测的骨抑制处理方法：这类方法一般认为骨像灰度在肋骨或锁骨区域内为常数，然而与实际情况不符，与此同时软组织像和骨像的分离效果严重依赖于骨骼结构分割和边缘定位的精度。X线胸片中骨骼结构的精准分割和边缘的精细定位相当困难，因此这类方法得到的骨抑制结果中，肋骨和锁骨边缘会存在明显的条状伪影和骨骼影像抑制不彻底的现象。第二类方法通过双能减影设备获取到的图像数据(包括常规胸片、软组织像和骨像)作为训练样本，通过模式识别中统计的学习方法建立回归预测模型，以常规胸片图像局部特征为输入，预测和重建相应的软组织像或骨像。发明人为：阳维,卢振泰,冯前进,陈武凡,发明名称为：一种抑制X线图像骨骼影像的方法及处理设备,申请号为：201310305019.2的中国发明专利(实审中)就是采用的上述第二类方法。基于回归模型预测的骨抑制方法：采用k近邻回归进行软组织像或骨像的预测，优化得到的滤波器组响应作为局部特征。基于回归模型预测的骨抑制方法需要建立海量的样本数据才能保证预测的精准性，与此同时从数据库中搜索每个像素对应的特征近邻非常耗时，使得该方法存在处理速度慢、骨抑制效果不理想等问题，难以投入实际应用。人工神经网络是最常用的参数化回归预测模型，用于X线胸片骨抑制的工作中，通过提取胸片图像中的局部特征作为人工神经网络的输入，预测单个像素或区域的软组织像或者骨像的强度，速度相对较快，其性能主要依赖于有效的局部特征和模型的预测能力。当前用于胸片骨抑制的回归预测模型具有一定的问题，其需要预先对胸片进行复杂的对比度归一化处理，随后从胸片图像提取有效的特征和优化预测模型的参数，同时需要对预测得到的骨像或者软组织像，进行后处理，以排除预测过程中产生的其它问题，以保证预测精度，但这种后处理在保证一定精度的同时，会造成某种程度的失真。

因此，针对现有技术不足，提供基于小波分解和卷积神经网络的X线胸片骨抑制处理方法以克服现有技术不足甚为必要。

发明内容

本发明的目的在于避免现有技术的不足之处而提供基于小波分解和卷积神经网络的X线胸片骨抑制处理方法，从而解决胸片中解剖结构影像重叠的问题，增强胸片影像的可读性。

本发明的上述目的通过如下技术手段实现。

基于小波分解和卷积神经网络的X线胸片骨抑制处理方法，包括以下步骤：

步骤(1)、X线胸片图像空间分辨率的归一化处理；

步骤(2)、求取X线胸片图像小波系数；

步骤(3)、胸片图像小波系数的归一化处理；