CN110021015B - 基于亮度和梯度的点状钙化区域检测方法及系统 - Google Patents

基于亮度和梯度的点状钙化区域检测方法及系统 Download PDF

Info

Publication number
CN110021015B
CN110021015B CN201910256888.8A CN201910256888A CN110021015B CN 110021015 B CN110021015 B CN 110021015B CN 201910256888 A CN201910256888 A CN 201910256888A CN 110021015 B CN110021015 B CN 110021015B
Authority
CN
China
Prior art keywords
point
contour
region
expansion
calcification
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910256888.8A
Other languages
English (en)
Other versions
CN110021015A (zh
Inventor
肖月庭
阳光
郑超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shukun Shenzhen Intelligent Network Technology Co ltd
Original Assignee
Shukun Beijing Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shukun Beijing Network Technology Co Ltd filed Critical Shukun Beijing Network Technology Co Ltd
Priority to CN201910256888.8A priority Critical patent/CN110021015B/zh
Publication of CN110021015A publication Critical patent/CN110021015A/zh
Application granted granted Critical
Publication of CN110021015B publication Critical patent/CN110021015B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Abstract

本发明公开了一种基于亮度和梯度的点状钙化区域检测方法，包括：S1、对血管区域图像进行图像处理，获得钙化候选区域；S2、对钙化候选区域进行两次膨胀处理，获得一次膨胀区域与二次膨胀区域；S3、获得钙化候选区域的中心线以及钙化候选区域轮廓线、一次膨胀区域轮廓线及二次膨胀区域轮廓线；S4、获得包括中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点的序列点集；S5、对序列点集进行亮度和梯度分析，获得符合筛选条件的序列点集；S6、求解标记为符合的序列点集与总序列点集数的比值，以将钙化候选区域确认为钙化区域。同时，本发明还公开了一种基于亮度和梯度的点状钙化区域检测系统。本发明对于点状钙化区域有准确的判定效果。

Description

基于亮度和梯度的点状钙化区域检测方法及系统
技术领域
本发明涉及冠脉医学图像处理领域，具体涉及一种基于亮度和梯度的点状钙化区域检测方法及系统。
背景技术
自动化冠脉医学图像处理对医生具有重要的临床价值和实际意义，其能为医生反馈直观的检测结果，从而作为医生进行病情诊断的参考，将医生从解读医学图像的繁琐工作中解脱出来，降低了医生的诊断时间，提高诊断效率，缓解当前就医难的问题。
钙化区域的识别是自动化冠脉医学图像处理中的重要一环，钙化一般在医学图像上的表现形式通常是其亮度值高于周围血管的亮度值，据此，大部分算法会设定一个阈值或动态阈值进行区分，进而识别出钙化区域。
此种方法对于块状钙化区域，检测效果良好，但对于点状钙化区域，由于其周围的干扰因素多，常常出现误检。
发明内容
本发明的目的在于提供一种基于亮度和梯度的点状钙化区域检测方法及系统。
为实现上述目的，本发明采用以下技术方案：
基于亮度和梯度的点状钙化区域检测方法，包括：
S1、对血管区域图像进行图像处理，获得钙化候选区域；
S2、对钙化候选区域进行一次膨胀与二次膨胀处理，获得一次膨胀区域与二次膨胀区域；
S3、获得钙化候选区域的中心线以及钙化候选区域轮廓线、一次膨胀区域轮廓线及二次膨胀区域轮廓线；
S4、序列点集的获得：
S41、按设定步长选取钙化候选区域轮廓线的轮廓点；
S42、对各轮廓点寻找距其最近的中心点，获得中心点-轮廓点对；
S43、以中心点-轮廓点对作穿过各膨胀区域的射线，获得多组序列点集，所述序列点集依次包括中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点；
S5、对序列点集进行亮度和梯度分析，获得符合筛选条件的序列点集：
S51、对各组序列点集中的轮廓点，分析其亮度是否高于设定阈值，若是，执行S52，若否，则标记为不符合；
S52、分析序列点集中的中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点是否满足梯度衰减，若是则标记为符合，若否，则标记为不符合；
S6、求解标记为符合的序列点集与总序列点集数的比值，当比值超过预设值，将该钙化候选区域确认为钙化区域。
进一步地，所述预设值与所述钙化候选区域的面积相关，则有：
Figure BDA0002014008810000021
式中，A为钙化候选区域的面积，A1为面积阈值，R为预设值。
本发明还公开了一种基于亮度和梯度的点状钙化区域检测系统，包括：
血管区域图像生成模块，其对输入图像进行处理，生成血管区域图像；
钙化候选区域生成模块，其对所述血管区域图像进行处理，获得钙化候选区域；
钙化候选区域预处理模块，其对所述钙化候选区域进行如下处理：对钙化候选区域进行一次膨胀与二次膨胀处理，获得一次膨胀区域与二次膨胀区域；提取钙化候选区域的中心线以及钙化候选区域轮廓线、一次膨胀区域轮廓线及二次膨胀区域轮廓线；计算钙化候选区域的面积；
序列点集生成模块，其基于钙化候选区域预处理模块的预处理结果，对钙化候选区域轮廓线上的各轮廓点寻找距其最近的中心点，获得中心点-轮廓点对，以中心点-轮廓点对作穿过各膨胀区域的射线，获得多组序列点集，各序列点集依次包括中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点；
亮度、梯度分析模块，其对各组序列点集中的轮廓点分析亮度是否大于预设阈值，若是，分析该序列点集中的中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点是否梯度衰减，将符合条件的点标记为符合，输出标记为符合的序列点集与总序列点集数的比值；
判定模块，其基于所述比值及所述钙化候选区域预处理模块输出的钙化候选区域的面积，判定当前钙化候选区域是否为钙化区域。
采用上述技术方案后，本发明与背景技术相比，具有如下优点：本发明基于对钙化候选区域的膨胀操作，得出钙化候选区域及其膨胀区域的梯度变化，分析其是否符合衰减规律，以亮度和梯度两个指标综合判定其是否为真实钙化区域。其检测手段简单、图像计算量小，同时，对于点状钙化区域有准确的判定效果。
附图说明
图1为血管与钙化候选区域的示意图；
图2为钙化候选区域的中心线以及各区域的轮廓线的示意图；
图3为序列点集中各点的示意图；
图4为本发明系统组成框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明中需要说明的是，术语“上”“下”“左”“右”“竖直”“水平”“内”“外”等均为基于附图所示的方位或位置关系，仅仅是为了便于描述本发明和简化描述，而不是指示或暗示本发明的装置或元件必须具有特定的方位，因此不能理解为对本发明的限制。
实施例1
本发明公开了一种基于亮度和梯度的点状钙化区域检测方法，核心包括5个步骤。
S1、对血管区域图像进行图像处理，获得钙化候选区域；
S1中，血管区域图像是以拉直图像与拉直分割图像作为输入而获取的。钙化候选区域可以通过基本阈值、对比度或极值等方法获取。具体示意图可参照图1所示。
S2、对钙化候选区域进行一次膨胀与二次膨胀处理，获得一次膨胀区域与二次膨胀区域。
S3、通过收形算法(如骨架提取方法)获得钙化候选区域的中心线，通过边缘算法获得钙化候选区域轮廓线、一次膨胀区域轮廓线及二次膨胀区域轮廓线。其处理结果如图2所示，线1为中心线，线2为钙化候选区域轮廓线，线3为一次膨胀区域轮廓线，线4为二次膨胀区域轮廓线。
S4、序列点集的获得：
S41、按设定步长(可以为0，也可以为2-3个像素点)选取钙化候选区域轮廓线的轮廓点；
S42、对各轮廓点寻找距其最近的中心点，获得中心点-轮廓点对；
S43、以中心点-轮廓点对作穿过各膨胀区域的射线，获得多组序列点集，所述序列点集依次包括中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点；
其处理结果如图3所示，点1为中心点、点2为轮廓点、点3为一次膨胀轮廓点、点4为二次膨胀轮廓点。
S5、对序列点集进行亮度和梯度分析，获得符合筛选条件的序列点集：
S51、对各组序列点集中的轮廓点，分析其亮度是否高于设定阈值，若是，执行S52，若否，则标记为不符合；
S52、分析序列点集中的中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点是否满足梯度衰减，若是则标记为符合，若否，则标记为不符合；
S6、求解标记为符合的序列点集与总序列点集数的比值，当比值超过预设值，将该钙化候选区域确认为钙化区域。
其中，所述预设值与所述钙化候选区域的面积相关，则有：
Figure BDA0002014008810000051
式中，A为钙化候选区域的面积，A1为面积阈值，R为预设值。本实施例中，A1的取值范围为35～50个像素点。
实施例2
请参考图4所示，本发明还公开了一种基于亮度和梯度的点状钙化区域检测系统，包括血管区域图像生成模块、钙化候选区域生成模块、钙化候选区域预处理模块、序列点集生成模块、亮度、梯度分析模块及判定模块。
血管区域图像生成模块，其对输入图像进行处理，生成血管区域图像；
钙化候选区域生成模块，其对所述血管区域图像进行处理，获得钙化候选区域；
钙化候选区域预处理模块，其对所述钙化候选区域进行如下处理：对钙化候选区域进行一次膨胀与二次膨胀处理，获得一次膨胀区域与二次膨胀区域；提取钙化候选区域的中心线以及钙化候选区域轮廓线、一次膨胀区域轮廓线及二次膨胀区域轮廓线；计算钙化候选区域的面积。
序列点集生成模块，其基于钙化候选区域预处理模块的预处理结果，对钙化候选区域轮廓线上的各轮廓点(按设定步长选取)寻找距其最近的中心点，获得中心点-轮廓点对，以中心点-轮廓点对作穿过各膨胀区域的射线，获得多组序列点集，各序列点集依次包括中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点。
亮度、梯度分析模块，其对各组序列点集中的轮廓点分析亮度是否大于预设阈值，若是，分析该序列点集中的中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点是否梯度衰减，将符合梯度衰减的点标记为符合，输出标记为符合的序列点集与总序列点集数的比值。
判定模块，其基于所述比值及所述钙化候选区域预处理模块输出的钙化候选区域的面积，判定当前钙化候选区域是否为钙化区域。
具体地，当比值超过预设值，将该钙化候选区域确认为钙化区域。所述预设值与所述钙化候选区域的面积相关，则有：
Figure BDA0002014008810000061
式中，A为钙化候选区域的面积，A1为面积阈值，R为预设值。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (2)

1.基于亮度和梯度的点状钙化区域检测方法，其特征在于，包括：
S1、对血管区域图像进行图像处理，获得钙化候选区域；
S2、对钙化候选区域进行一次膨胀与二次膨胀处理，获得一次膨胀区域与二次膨胀区域；
S3、获得钙化候选区域的中心线以及钙化候选区域轮廓线、一次膨胀区域轮廓线及二次膨胀区域轮廓线；
S4、序列点集的获得：
S41、按设定步长选取钙化候选区域轮廓线的轮廓点；
S42、对选取的各轮廓点寻找距其最近的中心点，获得中心点-轮廓点对；
S43、以中心点-轮廓点对作穿过各膨胀区域的射线，获得多组序列点集，所述序列点集依次包括中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点；
S5、对序列点集进行亮度和梯度分析，获得符合筛选条件的序列点集：
S51、对各组序列点集中的轮廓点，分析其亮度是否高于设定阈值，若是，执行S52，若否，则标记为不符合；
S52、分析序列点集中的中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点是否满足梯度衰减，若是则标记为符合，若否，则标记为不符合；
S6、求解标记为符合的序列点集与总序列点集数的比值，当比值超过预设值，将该钙化候选区域确认为钙化区域。
2.基于亮度和梯度的点状钙化区域检测系统，其特征在于，包括：
血管区域图像生成模块，其对输入图像进行处理，生成血管区域图像；
钙化候选区域生成模块，其对所述血管区域图像进行处理，获得钙化候选区域；
钙化候选区域预处理模块，其对所述钙化候选区域进行如下处理：对钙化候选区域进行一次膨胀与二次膨胀处理，获得一次膨胀区域与二次膨胀区域；提取钙化候选区域的中心线以及钙化候选区域轮廓线、一次膨胀区域轮廓线及二次膨胀区域轮廓线；计算钙化候选区域的面积；
序列点集生成模块，其基于钙化候选区域预处理模块的预处理结果，对钙化候选区域轮廓线上的各轮廓点寻找距其最近的中心点，获得中心点-轮廓点对，以中心点-轮廓点对作穿过各膨胀区域的射线，获得多组序列点集，各序列点集依次包括中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点；
亮度、梯度分析模块，其对各组序列点集中的轮廓点分析亮度是否大于预设阈值，若是，分析该序列点集中的中心点、轮廓点、一次膨胀轮廓点及二次膨胀轮廓点是否梯度衰减，将符合条件的点标记为符合，输出标记为符合的序列点集与总序列点集数的比值；
判定模块，其基于所述比值及所述钙化候选区域预处理模块输出的钙化候选区域的面积，判定当前钙化候选区域是否为钙化区域。
CN201910256888.8A 2019-04-01 2019-04-01 基于亮度和梯度的点状钙化区域检测方法及系统 Active CN110021015B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910256888.8A CN110021015B (zh) 2019-04-01 2019-04-01 基于亮度和梯度的点状钙化区域检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910256888.8A CN110021015B (zh) 2019-04-01 2019-04-01 基于亮度和梯度的点状钙化区域检测方法及系统

Publications (2)

Publication Number Publication Date
CN110021015A CN110021015A (zh) 2019-07-16
CN110021015B true CN110021015B (zh) 2020-12-29

Family

ID=67190329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910256888.8A Active CN110021015B (zh) 2019-04-01 2019-04-01 基于亮度和梯度的点状钙化区域检测方法及系统

Country Status (1)

Country Link
CN (1) CN110021015B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103337096A (zh) * 2013-07-19 2013-10-02 东南大学 一种冠状动脉ct造影图像钙化点检测方法
CN104835155A (zh) * 2015-04-30 2015-08-12 浙江大学 基于分形的早期乳腺癌钙化点计算机辅助检测方法
CN107872963A (zh) * 2014-12-12 2018-04-03 光学实验室成像公司 用于检测和显示血管内特征的系统和方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7593561B2 (en) * 2005-01-04 2009-09-22 Carestream Health, Inc. Computer-aided detection of microcalcification clusters
US7343032B2 (en) * 2005-09-01 2008-03-11 Fujifilm Corporation Method and apparatus for automatic and dynamic vessel detection
CN101853376B (zh) * 2010-02-10 2012-02-08 西安理工大学 一种乳腺微钙化点计算机辅助检测方法
US9122897B2 (en) * 2010-11-10 2015-09-01 Capio Technologies S.A. De C.V. Method for the detection and classification of microcalcification clusters in digital mammograms
CN104091346B (zh) * 2014-07-24 2017-02-15 东南大学 一种全自动ct图像冠状动脉钙化分数计算方法
CN109389592B (zh) * 2018-09-30 2021-01-26 数坤（北京）网络科技有限公司 计算冠脉钙化积分的方法、装置及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103337096A (zh) * 2013-07-19 2013-10-02 东南大学 一种冠状动脉ct造影图像钙化点检测方法
CN107872963A (zh) * 2014-12-12 2018-04-03 光学实验室成像公司 用于检测和显示血管内特征的系统和方法
CN104835155A (zh) * 2015-04-30 2015-08-12 浙江大学 基于分形的早期乳腺癌钙化点计算机辅助检测方法

Also Published As

Publication number Publication date
CN110021015A (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
KR101740464B1 (ko) 뇌졸중 진단 및 예후 예측 방법 및 시스템
US10950337B1 (en) Aspect score estimating system and method
CN104363815B (zh) 图像处理装置以及图像处理方法
CN109948469A (zh) 基于深度学习的巡检机器人仪表自动检测识别方法
US9349176B2 (en) Computer-aided detection (CAD) of intracranial aneurysms
CN106920245B (zh) 一种边界检测的方法及装置
CN111524137A (zh) 基于图像识别的细胞识别计数方法、装置和计算机设备
CN116137036B (zh) 基于机器学习的基因检测数据智能处理系统
US20210035286A1 (en) Apparatus for ultrasound diagnosis of liver steatosis using feature points of ultrasound image and remote medical-diagnosis method using the same
US10729389B2 (en) 3D assessment of conjugant eye deviation for the identificaiton of acute ischemic stroke
Almazroa et al. Optic cup segmentation: type-II fuzzy thresholding approach and blood vessel extraction
Luo et al. The edge detectors suitable for retinal OCT image segmentation
CN105551042B (zh) 一种扫描床标记点位置的确定方法和装置
TW201901621A (zh) 產生針對腦部疾病之影像生物標記之方法
CN110021015B (zh) 基于亮度和梯度的点状钙化区域检测方法及系统
Lu et al. Adaboost-based detection and segmentation of bioresorbable vascular scaffolds struts in IVOCT images
CN115249279A (zh) 医学图像处理方法、装置、计算机设备和存储介质
CN115690104B (zh) 一种晶圆裂缝检测方法、装置及存储介质
KR101991452B1 (ko) 유두위치 검출 방법, 유방 이미지 표시방법 및 유두위치 검출 장치
CN110021016B (zh) 一种钙化检测方法
Hatanaka et al. Automated analysis of the distributions and geometries of blood vessels on retinal fundus images
CN109859205B (zh) 一种斑块检测方法及斑块检测设备
CN110033466B (zh) 一种基于多灰度级的冠脉拉直图像分割边界确定方法
Kajihara et al. Identify rheumatoid arthritis and osteoporosis from phalange CR images based on image registration and ANN
JPWO2020067005A1 (ja) セファロ画像における計測点の自動認識方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Patentee after: Shukun (Beijing) Network Technology Co.,Ltd.

Address before: Unit 547, unit 1, building 1, yard 1, Longyu middle street, Huilongguan town, Changping District, Beijing

Patentee before: SHUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230116

Address after: 518026 Rongchao Economic and Trade Center A308-D9, No. 4028, Jintian Road, Fuzhong Community, Lianhua Street, Futian District, Shenzhen, Guangdong Province

Patentee after: Shukun (Shenzhen) Intelligent Network Technology Co.,Ltd.

Address before: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Patentee before: Shukun (Beijing) Network Technology Co.,Ltd.