CN109101525A - 一种基于图像对比识别的医疗图像比对方法 - Google Patents
一种基于图像对比识别的医疗图像比对方法 Download PDFInfo
- Publication number
- CN109101525A CN109101525A CN201810630625.4A CN201810630625A CN109101525A CN 109101525 A CN109101525 A CN 109101525A CN 201810630625 A CN201810630625 A CN 201810630625A CN 109101525 A CN109101525 A CN 109101525A
- Authority
- CN
- China
- Prior art keywords
- image comparison
- feature
- medical image
- identification
- image
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Abstract
本发明涉及一种基于图像对比识别的医疗图像比对方法,该方法包括以下步骤:(1)设置内置病例模板图片;(2)对医学影像数据进行特征提取;(3)对提取的特征进行比对,得到一个反应图像间差异的数值用来判定图片相似与否。本发明通过图像特征提取技术可以准确的查询文字无法表述的图片信息,克服普通的查询只能通过字符描述,但医学影像往往不好通过语言表述其特点,照成检索困难的问题,因此该技术在医疗领域的作用尤为突出。
Description
技术领域
本发明属于图像识别和医学图像处理领域,涉及一种基于图像对比识别的医疗图像比对方法。
背景技术
当前,图检图的功能活跃于各大领域,一些常用搜索引擎比如TinEye和百度识图都拥有图检图的系统。不过对于只是在网络搜索精美图片的普通用户并不是特别需要该项功能,他们更倾向于文字检索,通过关键字便可轻松找到他们想要的图片,不过在医学领域,医学影像数据特征往往很难使用文字描述其特征,因为普通的查询只能通过字符描述,但医学影像往往不好通过语言表述其特点,照成检索困难,所以对一种可以识别医疗图像的方法需求十分巨大。
发明内容
本发明的目的是提供一种基于图像对比识别的医疗图像比对方法,来实现医疗数据库中以图片检索图片的功能,克服医学影像数据特征往往很难使用文字描述其特征,造成图片检索困难的问题。
本发明通过以下技术方案来实现:一种基于图像对比识别的医疗图像比对方法,该方法包括以下步骤:
(1)设置内置病例模板图片;
(2)对医学影像数据进行特征提取;
(3)对提取的特征进行比对,得到一个反应图像间差异的数值用来判定图片相似与否。
进一步的,步骤(1)中所述的内置病例模板图片为三个或三个以上。
进一步的,步骤(2)中,所述的特征包括颜色特征、纹理特征和轮廓特征。
进一步的,所述的颜色特征使用HSV颜色模型,通过对颜色的量化处理可以获取H/S/V三个通道的颜色矩阵特征。
进一步的,所述的纹理特征提取通过灰度共生矩阵实现,提取数字图像的0°/45°/90°/135°四个方向角度的共生矩阵作为纹理特征。
进一步的,所述的轮廓特征提取首先使用sobel算子进行边缘检测处理,然后通过阈值将图像二值化,最终得到轮廓特征。
进一步的,步骤(3)中,所述的对提取的特征进行比对是采用距离函数对源图像与对比图像进行运算,不同的特征会得到相应的距离值,通过加权运算将不同的距离信息进行融合得到最终的差异程度。
采用上述技术方案的积极效果:本发明通过图像特征提取技术可以准确的查询文字无法表述的图片信息,克服普通的查询只能通过字符描述,但医学影像往往不好通过语言表述其特点,照成检索困难的问题,因此该技术在医疗领域的作用尤为突出。
附图说明
图1是本发明的基于图像对比识别的医疗图像比对方法的流程示意图;
图2是本发明对医学影像的识别结果;
图3是本发明使用的模板之一;
图4是本发明使用模板对心脏的匹配结果。
具体实施方式
下面通过具体的实施例对本发明的技术方案做进一步的说明,但不应理解为对本发明的限制:
实施例1
一种基于图像对比识别的医疗图像比对方法,该方法包括以下步骤:
(1)设置内置病例模板图片,内置病例模板图片为三个或三个以上;
(2)对医学影像数据进行特征提取,特征包括颜色特征、纹理特征和轮廓特征,颜色特征使用HSV颜色模型,通过对颜色的量化处理可以获取H/S/V三个通道的颜色矩阵特征,纹理特征提取通过灰度共生矩阵实现,提取数字图像的0°/45°/90°/135°四个方向角度的共生矩阵作为纹理特征,轮廓特征提取首先使用sobel算子进行边缘检测处理,然后通过阈值将图像二值化,最终得到轮廓特征;
(3)对提取的特征进行比对,采用距离函数对源图像与对比图像进行运算,不同的特征会得到相应的距离值,通过加权运算将不同的距离信息进行融合得到最终的差异程度,得到一个反应图像间差异的数值用来判定图片相似与否。
实施例2
首先选取心脏模板对图像进行识别。
然后对图像进行量化处理,并提取灰度矩阵,做熵、相关度量度和能量值等参数运算。通过梯度算子做边界提取处理。
一、通过度量公式进行运算:
表示矩阵的值是如何分布和图像中局部变化的多少,从而反应了,反应了图像的清晰度和纹理的深浅程度。纹理的沟纹越深,图像的反差值越大,纹理效果越清晰。反之则越模糊。
二、通过能量公式运算:
能量值的变换反映了图像灰度分布均匀程度和纹理粗细度。如果共生矩阵元素值相近,则能量较小,表示纹理细致。若其中一些值大,而其它值小,则能量值较大。高能量值表示图像呈现一种较均匀并且变化规则的纹理模式。
三、通过熵公式进行运算:
熵值表明了图像灰度分布的复杂程度,熵值越大,图像越复杂。反之图像值越简洁明了。
四、通过局部灰度相关性公式进行运算:
对4个方向的灰度矩阵求局部灰度相关性,值越大,其在该方向上相关性也越大,反之相关性越小。
五、通过soble算子对轮廓进行识别。对边界进行扩充一像素补偿,补偿值等于边界值,最终在完成一阶导数运算后删除扩充边界,保证图像原始大小。
通过欧几里得距离公式进行运算,通过距离函数反应边界轮廓上的常用差异。
六、通过本发明的特征提取心脏模板的特征与待比对图像的特征进行比对。通过设定阈值来判断该图像是否满足模板特征要求,阈值公式如下:
如图2所示,通过本发明中的算法找到心房、主动脉等区域。
最后,通过模板配准处理,对模板做刚体变换和一定程度的非刚体变换,图4为该实例对模板的配准结果。
本发明通过图像特征提取技术可以准确的查询文字无法表述的图片信息,克服普通的查询只能通过字符描述,但医学影像往往不好通过语言表述其特点,照成检索困难的问题,因此该技术在医疗领域的作用尤为突出。
Claims (7)
1.一种基于图像对比识别的医疗图像比对方法,其特征在于:该方法包括以下步骤:
(1)设置内置病例模板图片;
(2)对医学影像数据进行特征提取;
(3)对提取的特征进行比对,得到一个反应图像间差异的数值用来判定图片相似与否。
2.根据权利要求1所述的基于图像对比识别的医疗图像比对方法,其特征在于:步骤(1)中所述的内置病例模板图片为三个或三个以上。
3.根据权利要求1所述的基于图像对比识别的医疗图像比对方法,其特征在于:步骤(2)中,所述的特征包括颜色特征、纹理特征和轮廓特征。
4.根据权利要求3所述的基于图像对比识别的医疗图像比对方法,其特征在于:所述的颜色特征使用HSV颜色模型,通过对颜色的量化处理可以获取H/S/V三个通道的颜色矩阵特征。
5.根据权利要求3所述的基于图像对比识别的医疗图像比对方法,其特征在于:所述的纹理特征提取通过灰度共生矩阵实现,提取数字图像的0°/45°/90°/135°四个方向角度的共生矩阵作为纹理特征。
6.根据权利要求3所述的基于图像对比识别的医疗图像比对方法,其特征在于:所述的轮廓特征提取首先使用sobel算子进行边缘检测处理,然后通过阈值将图像二值化,最终得到轮廓特征。
7.根据权利要求1所述的基于图像对比识别的医疗图像比对方法,其特征在于:步骤(3)中,所述的对提取的特征进行比对是采用距离函数对源图像与对比图像进行运算,不同的特征会得到相应的距离值,通过加权运算将不同的距离信息进行融合得到最终的差异程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810630625.4A CN109101525A (zh) | 2018-06-19 | 2018-06-19 | 一种基于图像对比识别的医疗图像比对方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810630625.4A CN109101525A (zh) | 2018-06-19 | 2018-06-19 | 一种基于图像对比识别的医疗图像比对方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109101525A true CN109101525A (zh) | 2018-12-28 |
Family
ID=64796933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810630625.4A Pending CN109101525A (zh) | 2018-06-19 | 2018-06-19 | 一种基于图像对比识别的医疗图像比对方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109101525A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110517239A (zh) * | 2019-08-20 | 2019-11-29 | 东软医疗系统股份有限公司 | 一种医学影像检测方法及装置 |
CN111814616A (zh) * | 2020-06-28 | 2020-10-23 | 枫烨(深圳)科技有限公司 | 一种无需答题卡的试卷自动阅卷处理系统及其实现方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231662A (zh) * | 2008-01-25 | 2008-07-30 | 华中科技大学 | 基于网格平台的分布式医学图像检索系统 |
CN102324030A (zh) * | 2011-09-09 | 2012-01-18 | 广州灵视信息科技有限公司 | 一种基于图像块特征的目标跟踪方法及跟踪系统 |
CN104462481A (zh) * | 2014-12-18 | 2015-03-25 | 浪潮(北京)电子信息产业有限公司 | 一种基于颜色和形状的综合图像检索方法 |
CN106846317A (zh) * | 2017-02-27 | 2017-06-13 | 北京连心医疗科技有限公司 | 一种基于特征提取和相似匹配的医学影像检索方法 |
CN107341189A (zh) * | 2017-06-09 | 2017-11-10 | 国政通科技股份有限公司 | 一种辅助人工对图像进行筛查、分类和存储的方法及系统 |
CN107679574A (zh) * | 2017-09-29 | 2018-02-09 | 深圳开立生物医疗科技股份有限公司 | 超声图像处理方法及系统 |
-
2018
- 2018-06-19 CN CN201810630625.4A patent/CN109101525A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231662A (zh) * | 2008-01-25 | 2008-07-30 | 华中科技大学 | 基于网格平台的分布式医学图像检索系统 |
CN102324030A (zh) * | 2011-09-09 | 2012-01-18 | 广州灵视信息科技有限公司 | 一种基于图像块特征的目标跟踪方法及跟踪系统 |
CN104462481A (zh) * | 2014-12-18 | 2015-03-25 | 浪潮(北京)电子信息产业有限公司 | 一种基于颜色和形状的综合图像检索方法 |
CN106846317A (zh) * | 2017-02-27 | 2017-06-13 | 北京连心医疗科技有限公司 | 一种基于特征提取和相似匹配的医学影像检索方法 |
CN107341189A (zh) * | 2017-06-09 | 2017-11-10 | 国政通科技股份有限公司 | 一种辅助人工对图像进行筛查、分类和存储的方法及系统 |
CN107679574A (zh) * | 2017-09-29 | 2018-02-09 | 深圳开立生物医疗科技股份有限公司 | 超声图像处理方法及系统 |
Non-Patent Citations (1)
Title |
---|
夏德深 等: "《现代图像处理技术与应用》", 31 December 1997 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110517239A (zh) * | 2019-08-20 | 2019-11-29 | 东软医疗系统股份有限公司 | 一种医学影像检测方法及装置 |
CN111814616A (zh) * | 2020-06-28 | 2020-10-23 | 枫烨(深圳)科技有限公司 | 一种无需答题卡的试卷自动阅卷处理系统及其实现方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hashemi et al. | Template matching advances and applications in image analysis | |
Galleguillos et al. | Context based object categorization: A critical survey | |
Shen et al. | Multiple instance subspace learning via partial random projection tree for local reflection symmetry in natural images | |
Raviv et al. | Symmetries of non-rigid shapes | |
CN104156693B (zh) | 一种基于多模态序列融合的动作识别方法 | |
Zhang et al. | Object detection via structural feature selection and shape model | |
Chen et al. | Non-rigid point set registration via coherent spatial mapping | |
Premachandran et al. | Perceptually motivated shape context which uses shape interiors | |
CN111126494B (zh) | 基于各向异性卷积的图像分类方法及系统 | |
Norajitra et al. | 3D statistical shape models incorporating landmark-wise random regression forests for omni-directional landmark detection | |
Deng et al. | Efficient 3D face recognition using local covariance descriptor and Riemannian kernel sparse coding | |
Zhang et al. | 3D ear identification based on sparse representation | |
CN112102294A (zh) | 生成对抗网络的训练方法及装置、图像配准方法及装置 | |
Wang et al. | Fuzzy correspondences guided Gaussian mixture model for point set registration | |
Wang et al. | Concept mask: Large-scale segmentation from semantic concepts | |
Ou et al. | Patch-based visual tracking with online representative sample selection | |
TWI731919B (zh) | 圖像識別方法與裝置及度量學習方法與裝置 | |
Mahapatra et al. | Visual saliency-based active learning for prostate magnetic resonance imaging segmentation | |
CN109101525A (zh) | 一种基于图像对比识别的医疗图像比对方法 | |
Liu et al. | The scale of edges | |
CN110852292A (zh) | 一种基于跨模态多任务深度度量学习的草图人脸识别方法 | |
Mansoor et al. | Marginal shape deep learning: applications to pediatric lung field segmentation | |
Wetzer et al. | Towards automated multiscale imaging and analysis in TEM: Glomerulus detection by fusion of CNN and LBP maps | |
Debroutelle et al. | Automatic classification of ceramic sherds with relief motifs | |
Moetesum et al. | Segmentation and classification of offline hand drawn images for the bgt neuropsychological screening test |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181228 |