[发明专利]多斜位乳腺X线图像背景自动去除方法、装置及介质

说明书

本发明公开了一种多斜位乳腺X线图像背景自动去除方法、装置及介质，包括获得初始背景和初始前景步骤、获得完整的前景区域信息步骤、去除噪声步骤、获取连通域步骤、保留最大连通域步骤、存储空间降维以及图像背景去除步骤，将上述图像与原始图像进行图像叉乘操作，从而在保留乳腺区域全信息情况下，实现多斜位X线图像背景的自动去除。本发明降低了乳腺X线图像中无诊断信息背景的灰度分辨率，提高图像传输效率和图像处理效率；可以实现多斜位乳腺X线图像中具有位置、形态、大小差异的乳腺区域自动分割。

技术领域

本发明专利涉及X线图像处理领域，特别涉及一种多斜位的乳腺X线图像中标签和背景自动去除的图像处理方法。

背景技术

乳腺X线检测技术具有高精度、低成本和高可靠性的特点，因而被广泛应用于乳腺癌普查和相关乳腺病变诊断临床工作。随着人工智能和深度学习相关技术在图像检测领域的不断发展，基于海量的医学影像数据，将深度学习运用于乳腺x线图像恶性肿瘤辅助筛查和诊断将成为医学图像处理领域的一项研究热点。乳腺X线图像智能解译不仅可以降低放射科医生的日常工作压力，减少不必要的侵入式检测，而且可以大大提高检测准确性，提升经验不足的影像医生的诊断准确率及诊断效率有更显著的帮助。然而，乳腺X线图像中存在大量干扰信息，如信息标注和高灰度分辨率背景，乳腺区域一般仅占X线图像的1/3，这使得深度模型训练了大量无用信息，导致训练速度降低，且对后续病变部位特征提取造成干扰；同时，由于采用图像平滑图像处理方法，导致乳腺区域图像信息发生改变，将影响后续模式判别；再次，每位患者一般需要拍摄四张体位不同的乳腺X线图像，即LCC、RCC、LMLO、RMLO，背景去除算法应当四张图像中乳腺的位置、大小和形态存在差异，从而保证算法的普适性。因此，保证乳腺区域有效信息情况下，多斜位乳腺X线图像背景自动去除技术可降低图像信息处理数据量、提高图像存储、传输和信息处理速度，尤其对于需要海量图像训练的深度学习具有重要意义，将有助于提高未来乳腺X线图像智能解译的解译速度和解译准确性。

经检索，专利CN109801285A、CN109785320A公开了基于深度学习的乳腺X线图像分类方法，但这些分类方法未考虑图像背景对训练结果可能造成的影响；为了改善图像清晰度，专利CN109377461A、CN107133933B、CN101664316A、CN104616255A、CN104952044A、CN102142133A提出了乳腺X线图像的图像增强方法；专利CN101609558A提出了一种乳腺钼靶X线图像未曝光区域剥离的方法；专利CN103700085A提出了一种乳腺光图像中胸肌区域的分割方法，该方法全局阈值分割没有考虑实际图像中的噪声干扰；专利CN102956035A提出了一种乳腺X线图像乳腺区域提取方法及系统，该方法注重乳腺轮廓线获取，且没有考虑实际图像中的噪声干扰；专利CN101667297A提出了一种乳腺钼靶X图像中的乳腺区域提取方法，该方法对全图滤波会导致乳腺区域被平滑而不能准确获取病灶信息。因此，目前尚没有保留乳腺区域全信息情况下，同时考虑乳腺多斜位X线图像中乳腺形态、大小和位置差异，对背景自适应去除的图像处理方法技术公开。

发明内容

1、本发明的目的

本发明解决的问题是提供一种多斜位乳腺线图像的背景自动去除方法，以解决在保证不同体位拍摄的乳腺区域信息完整保留情况下，无诊断信息的图像标签、背景自动去除问题。

2、本发明所采用的技术方案

考虑图像中背景区域和乳腺区域的灰度差异，且各斜位的乳腺X线图像具有相同的成像特点，先利用全局阈值分割方法(Digital Database for Screening Mammography)DDSM数据库中各斜位图像进行预分割，并对图像二值化，获得初始背景和初始前景；

考虑前景中噪声引起的乳腺区域信息缺失，查找前景中8—连通边界，并采用区域填充算法填充这些边界所包围的背景区域，从而获得完整的前景区域信息；

采用形态学开操作，平滑乳腺区域轮廓并去除当前图像背景中的噪声信息；