[发明专利]一种X射线图像中乳腺区域的识别方法在审

专利信息
申请号: 201811007279.0 申请日: 2018-08-31
公开(公告)号: CN109389580A 公开(公告)日: 2019-02-26
发明(设计)人: 潘晓光;魏海平;孙然 申请(专利权)人: 辽宁石油化工大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/12;G06T5/00;G06T5/10;G06T5/20
代理公司: 六安市新图匠心专利代理事务所(普通合伙) 34139 代理人: 陈斌
地址: 113001 辽*** 国省代码: 辽宁;21
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 乳腺区域 正常组织 计算机辅助诊断系统 图像增强 轮廓线 假阳性区域 降噪处理 轮廓边缘 使用频率 外界干扰 曲线段 分割 灰度 图像
【说明书】:

发明公开了一种X射线图像中乳腺区域的识别方法,包括以下步骤:S1、利用计算机辅助诊断系统对X射线图像进行处理;S2、X射线图像的轮廓的确定;S3、X射线图像的增强:通过确定X射线图像的轮廓,并使用频率域图像增强法对X射线图像的轮廓边缘和轮廓内部的图像进行图像增强;S4、肿块区域和正常组织的区分:对灰度值均值为分割阈值从而对各个曲线段进行分割,得到乳腺区域的轮廓线和正常组织的轮廓线,从而对肿块区域和正常组织进行区分,本发明通过使用计算机辅助诊断系统对X射线图像进行处理,可以对X射线图像进行降噪处理和减少假阳性区域的产生,使得X射线图像受到的外界干扰小。

技术领域

本发明涉及医学图像处理技术领域,尤其涉及一种X射线图像中乳腺区域的识别方法。

背景技术

乳腺癌是危害妇女健康的最常见的恶性疾病,而乳腺肿块是乳腺图像中表征乳腺病变的主要症状之一。钼靶X线摄影是目前临床上乳腺疾病监测的主要手段,但是放射科医生需要分析大量的X光片,且肿块大都被埋藏在复杂的、高密度的腺体背景中,使其难以检出和识别,这使得仅用肉眼在复杂的钼靶X光中查找不到千分之一的异常区域,是一件枯燥,费时和及其困难的事。因此,我们提出了一种X射线图像中乳腺区域的识别方法用于解决上述问题。

发明内容

本发明的目的是为了解决现有技术中存在仅用肉眼在复杂的钼靶X光中查找不到千分之一的异常区域,是一件枯燥,费时和及其困难的缺点,而提出的一种X射线图像中乳腺区域的识别方法。

一种X射线图像中乳腺区域的识别方法,包括以下步骤:

S1、利用计算机辅助诊断系统对X射线图像进行处理:首先使用计算机辅助诊断系统中的A/D转换器转换,将X射线图像转换为数字信号,并使用64帧帧间降噪技术对X射线图像进行降噪处理,接着使用Gabor滤波器增强感兴趣特质,并减少假阳性区域的产生;

S2、X射线图像的轮廓的确定:使用基于能量泛函的分割方法对X射线图像进行分割,并使用连续曲线来表达目标边缘,通过求解函数对应的欧拉方程来实现,能量达到最小时的曲线位置就是X射线图像的轮廓;

S3、X射线图像的增强:通过确定X射线图像的轮廓,对X射线图像的轮廓边缘和轮廓内部的图像使用图像辉度约束方程进行图像明暗度的测定,并使用频率域图像增强法对X射线图像的轮廓边缘和轮廓内部的图像进行图像增强;

S4、肿块区域和正常组织的区分:对灰度值均值为分割阈值 从而对各个曲线段进行分割,得到乳腺区域的轮廓线和正常组织的轮廓线,从而对肿块区域和正常组织进行区分。

优选的,所述A/D转换器为高速8位A/D转换器,且A/D转换器的型号为CA3318CE。

优选的,所述基于能量泛函的分割方法是使用连续曲线来表达目标边缘,并定义一个能量泛函使得其自变量包括边缘曲线,通过求解函数对应的欧拉方程来实现边缘曲线的轮廓,且能量达到最小时即为X射线图像的轮廓,且所述欧拉方程为:(ax²D²+bxD+c)y=f(x)。

优选的,所述图像辉度约束方程为:I(x,y)=R(p,q),且所述p,q为0时,迭代结果也为0,并且所述p,q为无穷大时,迭代结果也为无穷大。

优选的,所述频率域图像增强法的方法是对X射线图像进行傅里叶变换后再使用频率域滤波处理,最后使用傅里叶反变换后得到增强后的X射线图像。

优选的,所述灰度值均值的获取方法是根据X射线图像的像素值获取像素点个数,并根据像素点的个数来获取各像素的灰度值。

本发明的有益效果是:

1、本发明,通过使用计算机辅助诊断系统对X射线图像进行处理,可以对X射线图像进行降噪处理和减少假阳性区域的产生,使得X射线图像受到的外界干扰小。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于辽宁石油化工大学,未经辽宁石油化工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811007279.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top