CN100530220C - 人体影像异常区域统计检测方法 - Google Patents

人体影像异常区域统计检测方法 Download PDF

Info

Publication number
CN100530220C
CN100530220C CNB2006100791342A CN200610079134A CN100530220C CN 100530220 C CN100530220 C CN 100530220C CN B2006100791342 A CNB2006100791342 A CN B2006100791342A CN 200610079134 A CN200610079134 A CN 200610079134A CN 100530220 C CN100530220 C CN 100530220C
Authority
CN
China
Prior art keywords
image
gtg
value
point
qualified
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.)
Expired - Fee Related
Application number
CNB2006100791342A
Other languages
English (en)
Other versions
CN101071474A (zh
Inventor
李明义
杨吉仕
彭荫刚
朱天翎
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.)
CHANGGENG UNIV
Hangwei Sci & Tech Co Ltd
Original Assignee
CHANGGENG UNIV
Hangwei Sci & Tech 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 CHANGGENG UNIV, Hangwei Sci & Tech Co Ltd filed Critical CHANGGENG UNIV
Priority to CNB2006100791342A priority Critical patent/CN100530220C/zh
Publication of CN101071474A publication Critical patent/CN101071474A/zh
Application granted granted Critical
Publication of CN100530220C publication Critical patent/CN100530220C/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明是一种有效检出影像异常区域的方法，将异常区域检出并直接以颜色标示在原影像上，提供信息辅助医师做出正确判断的方法；利用一组经过影像放样标准化的人体全身或局部影像数据库，通过人工输入整体灰阶正常机率百分比，逐点进行灰阶值常态分布曲线合格灰阶值的上下限运算，据此上下准位值将病患灰阶影像上的所有像素分类成正常与异常二类；此类异常像素在几何分布上通常呈现离散点状分布，经过影像先膨胀再腐蚀与先腐蚀再膨胀作业的后，离散像素重整成为一适合医师观看的完整影像异常区域；其中统计数据的图像化与正常影像数据库的去异存同，以及计算机自动地比对并重整异常像素，达到快速识别异常区域，判别异常器官的检测目标。

Description

人体影像异常区域统计检测方法
技术领域
本发明涉及的是一种有效检出影像异常区域的方法，特别涉及的是将异常区域检出并直接以颜色标示在原影像上，提供信息辅助医师做出正确判断的检测方法。
背景技术
在中国台湾省专利数据库的相关的前案技术中，类似本专利使用高等影像处理技术定位人体医学影像异常区域者完全付之阙如，唯一与本专利使用的技术稍有相关者只有「可鉴别哺乳类动物动态热动力过程并将其区分成不同类组的方法及设备(专利号码：200505389)」，该专利除了着重在设备硬件设施的设计外，在定位人体全身或部分的温度异常区域，是利用动态时间轴连续变化的热像摄影，透过检测前病人患部的加热或冷却，再以主动冷热源逆向冷却或加热患部，观察温度变化。与本发明的自然直观影像自动影像定位、统计与筛选法是完全不同的逻辑与实现方法。
发明内容
本发明的目的在于，提供一种有效检出影像异常区域的方法，将异常区域检出并直接以颜色标示在原影像上，提供信息辅助医师做出正确判断，避免误诊。
为实现此目的，本发明所采用的技术方案是，采用一种人体影像异常区域检测统计流程，其包括：一、建立标准化模拟医学影像数据库；
二、输入整体正常机率百分比；
三、逐点运算常态合格灰阶上下限；
四、逐点分类患者影像灰阶的正异常；
五、影像重整离散点)；
六、试误重复调整。
其包括：灰阶影像动态加入标准化影像数据库、输入整体正常机率百分比、逐点运算常态合格影像灰阶上下限、逐点分类患者影像灰阶的正异常(灰阶红绿色)、影像重整离散点(二值红绿色)等五个步骤；在建立标准化影像数据库的步骤中，操作者必须针对同一部位预先准备多人的影像数据库，此众多影像均经影像放样处理的标准化作业，因此任何患者影像的像素均在解剖学上有一致的几何位置；在输入整体正常机率百分比的步骤中，使用者先行输入一假设性的整体影像合格机率百分比值，假若此值设定过高，该受检影像的异常区域变显得狭小或甚至不显示，假若此值设定过低，则异常区域会大量出现，通过计算机快速运算，使用者试误(try and error)数次并观察其它异常部位影像，便能够快速找出合理的合格百分比值；在逐点运算常态合格灰阶值上下限的步骤中，计算机针对固定像素位置来搜寻众人数据库中数据，统计出固定位置单一像素的灰阶值常态分布曲线，并依据所输入的合格百分比找出该像素的灰阶值合格上下限；在逐点分类患者影像正异常的步骤中，逐点扫描受测者整幅影像的所有像素，大于该点合格灰阶值上限者即为高异常区域，故标示为红色，小于该点合格灰阶值下限者即为低异常区域，故标示为绿色，而该像素红色或绿色浓淡等级端依赖该点灰阶值与上下限区间的差距，差距愈远者颜色愈呈深红或深绿，差距愈近者颜色愈呈微红或微绿；最后在影像重整离散点的步骤中，由于是逐点判断灰阶值的正异常，所显示异常处常是杂乱分布的离散点，一般情形此绿色低值离散点较为遍布分散，而红色高值离散点较为集中狭小，故针对绿色低值离散点先行影像先腐蚀再膨胀，然后膨胀再腐蚀处理，而红色高值离散点则是先行影像先膨胀再腐蚀，然后腐蚀再膨胀处理，如此便可强化高值聚集效果并同时抑制低值杂布效果。但此一调整机制在实务上仍然是不足够的，因为原先灰阶程度上不等的红色或绿色区域不代表真正的异常高值或低值区域，故再增加二个使用者调整参数的机制，一为高值聚合参数，另一为低值聚合参数，二者皆代表256阶颜色浓度的判断门坎百分比值，使用者通过此二门坎值个别调整高低值的异常比例，而后才径行二值先腐蚀再膨胀，然后膨胀再腐蚀作业。
本发明最大特点在于，以影像处理及统计分析技术来进行人体影像异常区域的判断工作，并根据已建档的多人几何标准化影像数据库，计算机将会自动地精准指出异常区域及可能的异常器官位置，为医师诊断提供辅助的参考。
附图说明
图1为本发明人体影像异常区域统计检测方法流程图；
图2为本发明窗口接口外观图；
图3为本发明对称正常分布表示意图。
具体实施方式
本发明特点依据附图所示，进一步以条列方式分述拆解动作如下(本发明体系图如图1所示、窗口接口外观图如图2所示)：
一、建立标准化灰阶影像数据库：
(1)准备全身或局部标准样板；
(2)影像放样处理标准化作业；
(3)数据库储存。
在此步骤中，可以针对人体全身或局部施行影像放样技术，该放样程序先以标准医学人体或解剖图的全身或局部影像外型作为放象样版，改变患者影像型态，使患者影像经放样后在解剖学上有相同的几何位置，再将几何标准化后的灰阶影像依固定位置存入不同的数据库中。
二、输入整体正常机率百分比。
在此步骤中，假设总人口在某像素位置的灰阶变动为一正常分布，该正常分布是基于放样误差、天气变化、个人差异及前置作业等变动因素所作的合理假设，当使用者输入一正常机率百分比来决定每一像素合格灰阶的上下限，如此可根据经验或文献建议，机动调整该整体数值，若灰阶异常区域不显著，则降低合格机率百分比，若灰阶异常区域过在显著，则升高合格机率百分比。
三、逐点运算常态合格灰阶上下限
(1)统计该点数据库的平均灰阶；
(2)统计该点数据库的标准差；
(3)依合格百分比对照机率表内插求Z参数值；
(4)依Z参数值求灰阶合格上下限；
在此步骤中，以上一步骤所获得的正常机率百分比，对照机率表的正常分布参数值Z(Z＝(该点灰阶-该点平均值)/该点标准差)，由于标准差对照表的机率值是以5％为一级距，未落在相对应的Z值则以内插法求出近似Z值。因此+Z值可逆推该像素合格灰阶的上限值，而-Z值可逆推该像素合格灰阶的下限值。
四、逐点分类患者灰阶影像的正异常(灰阶红绿色)
(1)逐点扫描受测者整幅灰阶影像；
(2a)超过上限值显示灰阶红色；
(2b)低于下限值显示灰阶绿色；
(3a)红灰阶值＝(T-Tmax)/(Tmax-Tmin)*255；
(3b)绿灰阶值＝(Tmin-T)/(Tmax-Tmin)*255；
在此步骤中，若该点像素的灰阶超过统计合格灰阶的上限值则显示红色，反之若该点灰阶低于统计合格灰阶的下限值则显示绿色。其中红色的灰阶值计算公式为(T-Tmax)/(Tmax-Tmin)*255，绿色的灰阶值计算公式为(Tmin-T)/(Tmax-Tmin)*255，其中，Tmax为过高体温，Tmin为过低体温。
五、影像重整离散点(二值红绿色)
(1a)低值聚合参数二值化；
(1b)高值聚合参数二值化；
(2a)绿色低值离散点先腐蚀再膨胀，然后膨胀再腐蚀；
(2b)红色高值离散点先膨胀再腐蚀，然后腐蚀再膨胀。
图3为对称正常分布表示意图在影像重整离散点的步骤中，由于是逐点判断灰阶值的正异常，所显示异常处常是杂乱分布的离散点，一般情形此绿色低值离散点较为遍布分散，而红色高值离散点较为集中狭小，故针对绿色低值离散点先行影像先腐蚀再膨胀，然后膨胀再腐蚀处理，而红色高值离散点则是先行影像先膨胀再腐蚀，然后腐蚀再膨胀处理，如此便可强化高值聚集效果并同时抑制低值杂布效果。但此一调整机制在实务上仍然是不足够的，因为原先灰阶程度上不等的红色或绿色区域不代表真正的异常高值或低值区域，故再增加二个使用者调整参数的机制，一为高值聚合参数，另一为低值聚合参数，二者皆代表256阶颜色浓度的判断门坎百分比值，使用者通过此二门坎值个别调整高低值的异常比例，而后才径行二值先腐蚀再膨胀，然后膨胀再腐蚀作业。
六、试误(try and error)重复调整
(1)异常区域不显著，降低该合格百分比；
(2)异常区域过于显著，升高该合格百分比
综上所述，本发明的细腻、原创及菜单现确实已具有可供产业与医疗影像检测的使用性与操作方便性，且判断影像异常分布区域，较医师现有的人为推估方式更具有新颖性、创新性与简便性。
以上所述仅为本发明的较佳实施例，对本发明而言仅仅是说明性的，而非限制性的。本专业技术人员理解，在本发明权利要求所限定的精神和范围内可对其进行许多改变，修改，甚至等效，但都将落入本发明的保护范围内。

Claims (1)

1.一种人体影像异常区域统计检测方法，其特征在于，包括如下步骤：
一、建立标准化模拟医学影像数据库，其至少包括以下三个步骤：
a1.准备全身或局部标准样板；
b1.影像放样处理标准化作业；
c1.数据库储存；
二、输入整体正常机率的百分比；
三、逐点运算常态合格灰阶上下限，其至少包括以下五个步骤：
a2.统计每点数据库的平均灰阶；
b2.统计该点数据库的标准差；
c2.计算该点像素的灰阶常态分布曲线；
d2.依合格百分比对照机率表内插求Z参数值，其中Z＝(该点灰阶-该点平均值)/该点标准差；
e2.依Z参数值求灰阶合格上下限；
四、逐点分类患者影像灰阶的正异常，其至少包括以下三个步骤：
a3.逐点扫描受测者整幅影像灰阶；
b3.超过上限值显示灰阶红色离散点；
c3.低于下限值显示灰阶绿色离散点；
五、影像重整离散点，其至少包括以下两个步骤其中之一：
步骤a4：(1a4)低值聚合参数二值化；
(2a4)绿色低值离散点先腐蚀再膨胀，然后膨胀再腐蚀；
步骤b4：(1b4)高值聚合参数二值化；
(2b4)红色高值离散点先膨胀再腐蚀，然后腐蚀再膨胀；
六、试误重复调整。
CNB2006100791342A 2006-05-10 2006-05-10 人体影像异常区域统计检测方法 Expired - Fee Related CN100530220C (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNB2006100791342A CN100530220C (zh) 2006-05-10 2006-05-10 人体影像异常区域统计检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNB2006100791342A CN100530220C (zh) 2006-05-10 2006-05-10 人体影像异常区域统计检测方法

Publications (2)

Publication Number Publication Date
CN101071474A CN101071474A (zh) 2007-11-14
CN100530220C true CN100530220C (zh) 2009-08-19

Family

ID=38898689

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2006100791342A Expired - Fee Related CN100530220C (zh) 2006-05-10 2006-05-10 人体影像异常区域统计检测方法

Country Status (1)

Country Link
CN (1) CN100530220C (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10510145B2 (en) 2017-12-27 2019-12-17 Industrial Technology Research Institute Medical image comparison method and system thereof

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8948474B2 (en) * 2010-01-25 2015-02-03 Amcad Biomed Corporation Quantification method of the feature of a tumor and an imaging method of the same
EP2564352A1 (en) * 2010-04-30 2013-03-06 Vucomp, Inc. Microcalcification detection and classification in radiographic images
IN2014CN03657A (zh) * 2011-11-17 2015-10-16 Koninkl Philips Nv
CN104331694A (zh) * 2014-04-02 2015-02-04 上海齐正微电子有限公司 医疗影像特征区域实时提取和标示方法
CN104986347B (zh) * 2015-06-03 2017-02-22 中国民航大学 一种民机航线飞行员操作差错的实时检测方法
CN110334722B (zh) * 2019-03-29 2022-07-05 上海联影智能医疗科技有限公司 图像分类方法、装置、计算机设备和存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10510145B2 (en) 2017-12-27 2019-12-17 Industrial Technology Research Institute Medical image comparison method and system thereof

Also Published As

Publication number Publication date
CN101071474A (zh) 2007-11-14

Similar Documents

Publication Publication Date Title
CN100530220C (zh) 人体影像异常区域统计检测方法
US10004463B2 (en) Systems, methods, and computer readable media for using descriptors to identify when a subject is likely to have a dysmorphic feature
Kauppi et al. DIARETDB0: Evaluation database and methodology for diabetic retinopathy algorithms
CN108320288B (zh) 一种特发性脊柱侧凸影像的数据处理方法
Milbratz et al. Multiple radial midpupil lid distances: a simple method for lid contour analysis
CN106919933A (zh) 瞳孔定位的方法及装置
Asher et al. Regional effects of clutter on human target detection performance
CN105405105B (zh) 针对乳腺钼靶图像的显示器灰度曲线校正系统及方法
Bartling et al. Automated quality evaluation of digital fundus photographs
CN106875391A (zh) 皮肤图像的识别方法及电子设备
CN107239647A (zh) 一种基于贝叶斯算法的疾病分析系统
WO2015155843A1 (ja) 目視検査支援装置、目視検査支援方法及び目視検査支援プログラム
CN107610675A (zh) 一种基于动态电平的图像处理方法及装置
Vittert et al. Assessing the outcome of orthognathic surgery by three-dimensional soft tissue analysis
CN104318565A (zh) 基于等梯度距离的双向区域增长的视网膜血管分割交互式方法
Franzblau et al. Comparison of digital radiographs with film radiographs for the classification of pneumoconiosis1
CN103246888A (zh) 肺病的计算机诊断系统及方法
CN101071475A (zh) 人体医学影像器官几何比对的检测方法
US20150277554A1 (en) Method and computing device for window leveling based upon a gaze location
CN116452554A (zh) 一种对人体红外图像进行处理分析的方法及装置
CN110737497A (zh) 一种显控界面辅助决策设计优化方法
Sheen et al. Digital stereoscopic analysis of the optic disc: evaluation of a teaching program
Li et al. Wound tissue segmentation by computerised image analysis of clinical pressure injury photographs: a pilot study
JP2004529446A (ja) 遠隔医療的なヘルスケアサービスの監視方法
Pratumgul et al. The prototype of computer-assisted for screening and identifying severity of diabetic retinopathy automatically from color fundus images for mhealth system in Thailand

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20090819

Termination date: 20130510