CN110009616B - 一种点状钙化检测方法 - Google Patents

一种点状钙化检测方法 Download PDF

Info

Publication number
CN110009616B
CN110009616B CN201910257243.6A CN201910257243A CN110009616B CN 110009616 B CN110009616 B CN 110009616B CN 201910257243 A CN201910257243 A CN 201910257243A CN 110009616 B CN110009616 B CN 110009616B
Authority
CN
China
Prior art keywords
pixel point
block
individual pixel
calcification
region
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
CN201910257243.6A
Other languages
English (en)
Other versions
CN110009616A (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 CN201910257243.6A priority Critical patent/CN110009616B/zh
Publication of CN110009616A publication Critical patent/CN110009616A/zh
Application granted granted Critical
Publication of CN110009616B publication Critical patent/CN110009616B/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
    • G06T7/11—Region-based segmentation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种点状钙化检测方法，包括以下步骤：获取血管拉直图像，并进行分割处理获得血管区域图像；统计血管区域图像中的亮度值，分别选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，其中M1<M2<M3，分别分割出所述M1个像素点、M2个像素点、M3个像素点对应的像素区域并进行增长性分析，若存在增长则作为钙化候选区域；对所述钙化候选区域与其前后左右区域进行对比分析。本发明还提供了一种点状钙化检测系统。本发明能够有效检测出血管图像上的点状钙化区域，有效避免了漏检、误报情况的发生。

Description

一种点状钙化检测方法
技术领域
本发明涉及冠脉医学图像处理技术领域，特别涉及一种点状钙化检测方法。
背景技术
自动化冠脉医学图像检测对医生而言具有重要的临床价值和实际意义，其能够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，从而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。
钙化区域识别是自动化冠脉医学图像检测中的重要一环，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，现有的算法大多通过设定一个固定阈值或动态阈值进行区分，进而识别出钙化区域。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，容易出现漏检。
发明内容
为解决上述问题，本发明提供了一种点状钙化检测方法。
本发明采用以下技术方案：
一种点状钙化检测方法，包括以下步骤：
S1、获取血管拉直图像，并进行分割处理获得血管区域图像；
S2、统计血管区域图像中的亮度值，分别选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，其中M1<M2<M3，分别分割出所述M1个像素点、M2个像素点、M3个像素点对应的像素区域并进行增长性分析，若存在增长则作为钙化候选区域；
S3、对所述钙化候选区域与其前后左右区域进行对比分析，若存在弱对比则判定为假钙化，若存在强对比则判定为钙化区域。
优选地，其还包括步骤S4,所述步骤S4具体为：计算钙化区域的尺寸，若存在大面积、纵向过长或横向过长则将其滤除。
优选地，所述步骤S2通过以下分步骤实现：
S21、统计血管区域图像中的亮度值，分别选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，其中M1<M2<M3；
S22、将所述M1个像素点、M2个像素点、M3个像素点对应的像素区域进行分割，分别记为M1区块、M2区块、M3区块；
S23、将所述M1个像素点、M2个像素点、M3个像素点对应的像素区域进行分割，分别记为M1区块、M2区块、M3区块，若M3区块的面积>M2区块的面积>M1区块的面积,则认定存在增长，M1区块作为钙化候选区域。
优选地，所述步骤S3通过以下分步骤实现：
S31、计算钙化候选区域前后左右四个区域的亮度值均值并分别记为P1、P2、P3、P4，计算钙化候选区域的亮度值均值并记为V；
S32、分别计算P1、P2、P3、P4与V的差值，若符合至少三个差值大于预先设定的阈值，则存在强对比并判定为钙化区域，若少于三个差值大于预先设定的阈值，则存在弱对比并判定为假钙化。
一种点状钙化检测系统，包括获取模块、区域选取分析模块及对比分析模块，所述获取模块用于获取血管拉直图像并进行分割处理获得血管区域图像，所述区域选取分析模块用于选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，分别分割出所述M1个像素点、M2个像素点、M3个像素点对应的像素区域并进行增长性分析，从而判断出是否为钙化候选区域，其中M1<M2<M3，所述对比分析模块用于对所述钙化候选区域与其前后左右区域进行对比分析。
优选地，所述区域选取分析模块包括像素点选取子模块、区域分割子模块及区域分析子模块，所述像素点选取子模块用于选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，其中M1<M2<M3，所述区域分割子模块用于分割出所述M1个像素点、M2个像素点、M3个像素点对应的像素区域，所述区域分析子模块用于对像素区域进行增长性分析。
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：
本发明根据血管区域图像上像素点的亮度值排序，多次选取不同数量的像素点并进行区域分割，然后通过区域连续增长分析判断出是否为钙化候选区域，最后分析钙化候选区域与周围区域的亮度值差异，判断出是否为真钙化。本发明能够有效检测出血管图像上的点状钙化区域，有效避免了漏检、误报情况的发生。
附图说明
图1为本发明的流程示意图。
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。
实施例
参考图1所示，本发明公开了一种点状钙化检测方法，包括以下步骤：
S1、获取血管拉直图像，并进行分割处理获得血管区域图像。
S2、统计血管区域图像中的亮度值，分别选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，其中M1<M2<M3，分别分割出M1个像素点、M2个像素点、M3个像素点对应的像素区域并进行增长性分析，若存在增长则作为钙化候选区域。该步骤通过以下分步骤实现：
S21、统计血管区域图像中的亮度值，分别选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，其中M1<M2<M3。
S22、将M1个像素点、M2个像素点、M3个像素点对应的像素区域进行分割，分别记为M1区块、M2区块、M3区块。
S23、将M1个像素点、M2个像素点、M3个像素点对应的像素区域进行分割，分别记为M1区块、M2区块、M3区块，若M3区块的面积>M2区块的面积>M1区块的面积,则认定存在增长，M1区块作为钙化候选区域。
S3、对钙化候选区域与其前后左右区域进行对比分析，若存在弱对比则判定为假钙化，若存在强对比则判定为钙化区域。该步骤通过以下分步骤实现：
S31、计算钙化候选区域前后左右四个区域的亮度值均值并分别记为P1、P2、P3、P4，计算钙化候选区域的亮度值均值并记为V。
S32、分别计算P1、P2、P3、P4与V的差值，若符合至少三个差值大于预先设定的阈值，则存在强对比并判定为钙化区域，若少于三个差值大于预先设定的阈值，则存在弱对比并判定为假钙化。
为避免出现误报情况，在本实施例中还包括步骤S4，具体为：计算钙化区域的尺寸，若存在大面积、纵向过长或横向过长则将其滤除。这样通过相应的形态分析，可以确保点状钙化区域检测过程中异常结果的误报。
实施例二
本发明公开了一种点状钙化检测系统，包括获取模块、区域选取分析模块及对比分析模块，其中：
获取模块用于获取血管拉直图像并进行分割处理获得血管区域图像。
区域选取分析模块包括像素点选取子模块、区域分割子模块及区域分析子模块，像素点选取子模块用于选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，其中M1<M2<M3，区域分割子模块用于分割出M1个像素点、M2个像素点、M3个像素点对应的像素区域，区域分析子模块用于对像素区域进行增长性分析。
对比分析模块用于对钙化候选区域与其前后左右区域进行对比分析。具体来说，对比分析模块先计算钙化候选区域的亮度值均值以及钙化候选区域前后左右四个区域的亮度值均值，然后分别计算钙化候选区域的亮度值均值与钙化候选区域前后左右四个区域的亮度值均值的差值，若四个差值中有至少三个大于预先设定的阈值，则判定为真钙化，否则则判定为假钙化。
本领域技术人员应该理解的是，本发明是针对点状钙化区域的检测方案。其实施时，可以与现有算法结合使用，利用现有算法检测出块状钙化区域后，在血管图像上剔除块状钙化区域后再实施本发明的检测方案来检出点状钙化区域；也可针对不存在块状钙化区域的血管图像，直接利用本发明的检测方案来检出点状钙化区域。
以上，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 (4)

1.一种点状钙化检测方法，其特征在于，包括以下步骤：
S1、获取血管拉直图像，并进行分割处理获得血管区域图像；
S2、统计血管区域图像中的亮度值，分别选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，其中M1 <M2 <M3，分别分割出所述M1个像素点、M2个像素点、M3个像素点对应的像素区域并进行增长性分析，若存在增长则作为钙化候选区域；
S2步骤具体如下：
S21、统计血管区域图像中的亮度值，分别选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，其中M1 <M2 <M3；
S22、将所述M1个像素点、M2个像素点、M3个像素点对应的像素区域进行分割，分别记为M1区块、M2区块、M3区块；
S23、将所述M1个像素点、M2个像素点、M3个像素点对应的像素区域进行分割，分别记为M1区块、M2区块、M3区块，若M3区块的面积> M2区块的面积> M1区块的面积,则认定存在增长，M1区块作为钙化候选区域；
S3、对所述钙化候选区域与其前后左右区域进行对比分析，若存在弱对比则判定为假钙化，若存在强对比则判定为钙化区域;
S3步骤具体如下：
S31、计算钙化候选区域前后左右四个区域的亮度值均值并分别记为P1、P2、P3、P4，计算钙化候选区域的亮度值均值并记为V；
S32、分别计算P1、P2、P3、P4与V的差值，若符合至少三个差值大于预先设定的阈值，则存在强对比并判定为钙化区域，若少于三个差值大于预先设定的阈值，则存在弱对比并判定为假钙化。
2.如权利要求1所述的一种点状钙化检测方法，其特征在于，其还包括步骤S4,所述步骤S4具体为：
计算钙化区域的尺寸，若存在大面积、纵向过长或横向过长则将其滤除。
3.一种点状钙化检测系统，其特征在于：包括获取模块、区域选取分析模块及对比分析模块，所述获取模块用于获取血管拉直图像并进行分割处理获得血管区域图像，所述区域选取分析模块用于选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，分别分割出所述M1个像素点、M2个像素点、M3个像素点对应的像素区域并进行增长性分析，从而判断出是否为钙化候选区域，其中M1 <M2 <M3，所述对比分析模块用于对所述钙化候选区域与其前后左右区域进行对比分析；
所述增长性分析的具体实现方式是：统计血管区域图像中的亮度值，分别选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，其中M1 <M2 <M3；将所述M1个像素点、M2个像素点、M3个像素点对应的像素区域进行分割，分别记为M1区块、M2区块、M3区块；将所述M1个像素点、M2个像素点、M3个像素点对应的像素区域进行分割，分别记为M1区块、M2区块、M3区块，若M3区块的面积> M2区块的面积> M1区块的面积,则认定存在增长，M1区块作为钙化候选区域；
所述对比分析的具体实现方式是：计算钙化候选区域前后左右四个区域的亮度值均值并分别记为P1、P2、P3、P4，计算钙化候选区域的亮度值均值并记为V；分别计算P1、P2、P3、P4与V的差值，若符合至少三个差值大于预先设定的阈值，则存在强对比并判定为钙化区域，若少于三个差值大于预先设定的阈值，则存在弱对比并判定为假钙化。
4.如权利要求3所述的一种点状钙化检测系统，其特征在于；所述区域选取分析模块包括像素点选取子模块、区域分割子模块及区域分析子模块，所述像素点选取子模块用于选取亮度值最高的M1个像素点、M2个像素点、M3个像素点，其中M1 <M2 <M3，所述区域分割子模块用于分割出所述M1个像素点、M2个像素点、M3个像素点对应的像素区域，所述区域分析子模块用于对像素区域进行增长性分析。
CN201910257243.6A 2019-04-01 2019-04-01 一种点状钙化检测方法 Active CN110009616B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910257243.6A CN110009616B (zh) 2019-04-01 2019-04-01 一种点状钙化检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910257243.6A CN110009616B (zh) 2019-04-01 2019-04-01 一种点状钙化检测方法

Publications (2)

Publication Number Publication Date
CN110009616A CN110009616A (zh) 2019-07-12
CN110009616B true CN110009616B (zh) 2020-12-25

Family

ID=67169229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910257243.6A Active CN110009616B (zh) 2019-04-01 2019-04-01 一种点状钙化检测方法

Country Status (1)

Country Link
CN (1) CN110009616B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110077740A (ko) * 2009-12-30 2011-07-07 서울여자대학교 산학협력단 혈관 및 석회질 자동 추출장치 및 방법
US8718342B2 (en) * 2009-03-25 2014-05-06 Siemens Aktiengesellschaft Method and data-processing system for determining the proportion of calcium in coronary arteries
CN104091346A (zh) * 2014-07-24 2014-10-08 东南大学 一种全自动ct图像冠状动脉钙化分数计算方法
CN108171698A (zh) * 2018-02-12 2018-06-15 数坤（北京）网络科技有限公司 一种自动检测人体心脏冠脉钙化斑块的方法
CN108257196A (zh) * 2018-01-11 2018-07-06 苏州润心医疗器械有限公司 一种基于心脏ct图像的血管拉直重建方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104637044B (zh) * 2013-11-07 2017-12-01 中国科学院深圳先进技术研究院 钙化斑块及其声影的超声图像提取系统
CN107862678B (zh) * 2017-10-19 2020-03-17 宁波大学 一种眼底图像无参考质量评价方法
CN109512446A (zh) * 2018-12-08 2019-03-26 余姚德诚科技咨询有限公司 心血管图案验证机构

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8718342B2 (en) * 2009-03-25 2014-05-06 Siemens Aktiengesellschaft Method and data-processing system for determining the proportion of calcium in coronary arteries
KR20110077740A (ko) * 2009-12-30 2011-07-07 서울여자대학교 산학협력단 혈관 및 석회질 자동 추출장치 및 방법
CN104091346A (zh) * 2014-07-24 2014-10-08 东南大学 一种全自动ct图像冠状动脉钙化分数计算方法
CN108257196A (zh) * 2018-01-11 2018-07-06 苏州润心医疗器械有限公司 一种基于心脏ct图像的血管拉直重建方法
CN108171698A (zh) * 2018-02-12 2018-06-15 数坤（北京）网络科技有限公司 一种自动检测人体心脏冠脉钙化斑块的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Contribution of 18 F-sodium fluoride PET/CT to the study of the carotid atheroma calcification;R. Quirce et al;《Revista Espanola de Medicina Nucleare Imagen Molecular (English Edition)》;20130228;第32卷(第1期);22-25页 *
Incidentally detected small pulmonary nodules on CT;A.J.Edey et al;《Clinical Radiology》;20090930;第64卷(第9期);872-884页 *
数字乳房X片图像增强和钙化点提取算法研究;陈磊;《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》;20050915;第2005年卷(第05期);E076-12页 *

Also Published As

Publication number Publication date
CN110009616A (zh) 2019-07-12

Similar Documents

Publication Publication Date Title
Jitpakdee et al. A survey on hemorrhage detection in diabetic retinopathy retinal images
JP6371544B2 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
AU687958B2 (en) Automated method and system for improved computerized detection and classification of masses in mammograms
Kumar et al. Automated detection system for diabetic retinopathy using two field fundus photography
US9672610B2 (en) Image processing apparatus, image processing method, and computer-readable recording medium
JP5432484B2 (ja) 異常陰影検出装置および方法並びにプログラム
EP2859833A1 (en) Image processing device, image processing method, and image processing program
Khan et al. Counting clustered cells using distance mapping
JP2007048006A (ja) 画像処理装置および画像処理プログラム
Welikala et al. The automated detection of proliferative diabetic retinopathy using dual ensemble classification
JP4822527B2 (ja) 画像解析装置及び画像解析プログラム
Ren et al. Automatic optic disc localization and segmentation in retinal images by a line operator and level sets
JP2016195755A (ja) 医用画像処理装置、医用画像処理方法及び医用イメージング装置
CN110009616B (zh) 一种点状钙化检测方法
JP2006280682A (ja) ノイズ検出機能を備えた画像診断支援方法
JP5432483B2 (ja) 異常陰影検出装置およびプログラム
CN110021016B (zh) 一种钙化检测方法
Lazar et al. A novel approach for the automatic detection of microaneurysms in retinal images
Medhi et al. Automatic detection of fovea using property of vessel free region
JP4206044B2 (ja) カルシウム・スコア測定方法および装置
Alazawee et al. Analyzing and detecting hemorrhagic and ischemic strokebased on bit plane slicing and edge detection algorithms
CN109846465B (zh) 一种基于亮度分析的血管钙化误报检测方法
JP2004048587A (ja) コンピュータ支援診断方法及びその装置
Lara et al. A novel hybrid method for the segmentation of the coronary artery tree in 2D angiograms
Chowdhury et al. Detection of cotton wool spots from retinal images using fuzzy C means

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

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.

CP03 Change of name, title or address
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.

TR01 Transfer of patent right