CN113393462A - 一种病灶区域分割方法、装置、电子设备及存储介质 - Google Patents
一种病灶区域分割方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113393462A CN113393462A CN202110945861.7A CN202110945861A CN113393462A CN 113393462 A CN113393462 A CN 113393462A CN 202110945861 A CN202110945861 A CN 202110945861A CN 113393462 A CN113393462 A CN 113393462A
- Authority
- CN
- China
- Prior art keywords
- focus
- determining
- gravity
- area
- lesion
- 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.)
- Granted
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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种病灶区域分割方法、装置、电子设备及存储介质,方法包括:获取病灶近红外图像,并利用预设色相值范围确定病灶近红外图像中的病灶区域及病灶核区域;确定病灶核区域的重心,并确定重心与病灶区域边缘的最近距离以及重心之间的连线距离;利用重心及最近距离建立圆形扩散区域,并利用最近距离及连线距离,计算圆形扩散区域之间的交点坐标;利用交点坐标确定圆形扩散区域之间的分割线,并利用分割线对病灶区域进行分割。本发明基于病灶的扩散符合扩散方程这一特征,将病灶核的扩散区域近似为圆形区域,进而通过确定多个圆形扩散区域、求解圆形扩散区域之间的交点的方式确定分割线,最后便可快速确定分割线及对病灶区域进行有效分割。
Description
技术领域
本发明涉及医学领域,特别涉及一种病灶区域分割方法、装置、电子设备及存储介质。
背景技术
病灶指机体上发生病变的部分。由于病灶通常会在机体某一区域出现多个并相互重叠,为降低医疗人员分析病灶的复杂度,通常需要对病灶区域进行分割。
相关技术中,一般会采用估算法、卷积神经网络或区域竞争法进行病灶分割,然而估算法计算精度较低,卷积神经网络需要大量的病灶样本且计算复杂,区域竞争法存在边界难以定位的问题。换而言之,上述方法存在计算精度及灵活度差的问题,进而降低了病灶区域分割的可靠性及灵活性。
发明内容
本发明的目的是提供一种病灶区域分割方法、装置、电子设备及存储介质,可基于病灶的扩散符合扩散方程这一特征,将病灶核的扩散区域近似为圆形区域,进而通过确定多个圆形扩散区域、求解圆形扩散区域之间的交点的方式确定分割线,最后便可快速确定分割线及对病灶区域进行有效分割,有效提升病灶分割的准确度,并降低病灶分割的复杂度。
为解决上述技术问题,本发明提供一种病灶区域分割方法,包括:
获取病灶近红外图像,并利用预设色相值范围确定所述病灶近红外图像中的病灶区域及病灶核区域;
确定所述病灶核区域的重心,并确定所述重心与所述病灶区域边缘的最近距离以及所述重心之间的连线距离;
利用所述重心及所述最近距离建立圆形扩散区域,并利用所述最近距离及所述连线距离,计算所述圆形扩散区域之间的交点坐标;
利用所述交点坐标确定所述圆形扩散区域之间的分割线,并利用所述分割线对所述病灶区域进行分割。
可选地,所述利用预设色相值范围确定所述病灶近红外图像中的病灶区域及多个病灶核区域,包括:
利用第一色相值范围在所述病灶近红外图像中确定所述病灶区域;
利用第二色相值范围在所述病灶区域中确定所述病灶核区域;所述第一色相值范围包含且大于所述第二色相值范围。
可选地,在利用第一色相值范围在所述病灶近红外图像中确定所述病灶区域之前,还包括:
确定所述病灶近红外图像中颜色的最大色相值,并利用预设色相值与所述最大色相值设置所述第一色相值范围;所述预设色相值小于所述最大色相值;
按从大到小的顺序,将所述第一色相值范围中预设比例的色相值范围设置为所述第二色相值范围。
可选地,所述确定所述病灶核区域的重心,包括:
利用所述病灶核区域中各像素点的坐标值计算坐标平均值,并将所述坐标平均值所对应的像素点设置为所述重心。
可选地,所述确定所述重心与所述病灶区域边缘的最近距离,包括:
利用扫描线对所述重心之间的病灶区域进行扫描,确定扫描线与病灶区域边缘的交点;
计算所述交点与所述重心的距离,并将所述距离中的最小值设置为所述最近距离。
可选地,所述利用扫描线对所述重心之间的病灶区域进行扫描,包括:
建立所述重心之间的连线,并确定所述连线与水平方向的夹角;
当所述夹角大于45度时,利用水平扫描线沿竖直方向对所述重心之间的病灶区域进行扫描;
当所述夹角小于等于45度时,利用竖直扫描线沿水平方向对所述重心之间的病灶区域进行扫描。
可选地,所述利用所述最近距离及所述连线距离,计算所述圆形扩散区域之间的交点坐标,包括:
将任意两个所述圆形扩散区域设置为目标扩散区域,将所述目标扩散区域的重心设置为目标重心;
利用所述目标扩散区域之间的任意一个交点及所述目标重心构造三角形;
在所述三角形中,利用所述连线距离及所述最近距离确定所述目标重心之间连线的中点,并延长经过所述中点且垂直于所述连线的直线直至与所述目标扩散区域的边缘相交,得到所述交点坐标。
本发明还提供一种病灶区域分割装置,包括:
区域确定模块,用于获取病灶近红外图像,并利用预设色相值范围确定所述病灶近红外图像中的病灶区域及病灶核区域;
预处理模块,用于确定所述病灶核区域的重心,并确定所述重心与所述病灶区域边缘的最近距离以及所述重心之间的连线距离;
区域建立模块,用于利用所述重心及所述最近距离建立圆形扩散区域,并利用所述最近距离及所述连线距离,计算所述圆形扩散区域之间的交点坐标;
分割模块,用于利用所述交点坐标确定所述圆形扩散区域之间的分割线,并利用所述分割线对所述病灶区域进行分割。
可选地,所述区域确定模块,包括:
病灶区域确定子模块,用于利用第一色相值范围在所述病灶近红外图像中确定所述病灶区域;
病灶核区域确定子模块,用于利用第二色相值范围在所述病灶区域中确定所述病灶核区域;所述第一色相值范围包含且大于所述第二色相值范围。
本发明还提供一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述所述的病灶区域分割方法的步骤。
本发明还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述所述的病灶区域分割方法的步骤。
本发明提供一种病灶区域分割方法,包括:获取病灶近红外图像,并利用预设色相值范围确定所述病灶近红外图像中的病灶区域及病灶核区域;确定所述病灶核区域的重心,并确定所述重心与所述病灶区域边缘的最近距离以及所述重心之间的连线距离;利用所述重心及所述最近距离建立圆形扩散区域,并利用所述最近距离及所述连线距离,计算所述圆形扩散区域之间的交点坐标;利用所述交点坐标确定所述圆形扩散区域之间的分割线,并利用所述分割线对所述病灶区域进行分割。
可见,本发明可利用病灶核的重心、重心与病灶区域的最近距离建立圆形扩散区域,并利用圆形扩散区域、最近距离及连线距离快速确定分割线,进而利用分割线对病灶区域进行分割,这是由于病灶的扩散基本符合扩散方程,即从病灶核向四周扩散的速度基本均匀,可将病灶核的扩散区域近似为圆形区域,因此本发明首先在病灶区域中确定了多个病灶核区域,并确定了病灶核区域的重心及重心到病灶区域边缘的最短距离,正是为了确定上述圆形扩散区域的圆心及半径,最后仅需利用最近距离及连线距离,对圆形扩散区域之间的交点坐标进行求解,便可快速确定分割线及对病灶区域进行有效分割,可有效提升病灶分割的准确度,并降低病灶分割的复杂度。本发明还提供一种病灶区域分割装置、电子设备及存储介质,具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的一种病灶区域分割方法的流程图;
图2为本发明实施例所提供的一种病灶区域分割的示意图;
图3为本发明实施例所提供的一种圆形扩散区域的示意图;
图4为本发明实施例所提供的一种病灶区域分割装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
相关技术中,一般会采用估算法、卷积神经网络或区域竞争法进行病灶分割,然而估算法计算精度较低,卷积神经网络需要大量的病灶样本且计算复杂,区域竞争法存在边界难以定位的问题。换而言之,上述方法存在计算精度及灵活度差的问题,进而降低了病灶区域分割的可靠性及灵活性。有鉴于此,本发明提供一种病灶区域分割方法,可基于病灶的扩散符合扩散方程这一特征,将病灶核的扩散区域近似为圆形区域,进而通过确定多个圆形扩散区域、求解圆形扩散区域之间的交点的方式确定分割线,最后便可快速确定分割线及对病灶区域进行有效分割,有效提升病灶分割的准确度,并降低病灶分割的复杂度。请参考图1,图1为本发明实施例所提供的一种病灶区域分割方法的流程图,该方法包括:
S101、获取病灶近红外图像,并利用预设色相值范围确定病灶近红外图像中的病灶区域及病灶核区域。
病灶近红外图像为对病灶区域进行近红外拍摄得到的彩色图像。通常情况下,正常区域的颜色一般为绿色或黄色,而病灶区域的颜色为色相值更大的蓝色。随着病灶区域浓度的增加,病灶区域颜色的色相值会逐渐变大,反映在彩色图像上则为颜色逐渐由蓝色变为靛蓝、紫色及深紫色;另外,在病灶区域中,病灶核(即病灶的中心区域)的颜色色相值通常大于同区域中的其他部分,因此在本发明实施例中,通过病灶近红外图像中颜色的色相值范围,有效区分病灶区域及病灶核区域。具体的,由于病灶区域的颜色色相值大于正常区域,而病灶核区域的颜色色相值大于病灶区域中的其他部分,因此可设置两个色相值范围,其中第一色相值范围用于区分病灶区域和正常区域,第二色相值范围用于区分病灶核区域及病灶区域的其他部分。可以理解的是,第一色相值范围应当包含第二色相值范围,且色相值大于第二色相值范围。
在一种可能的情况中,利用预设色相值范围确定病灶近红外图像中的病灶区域及病灶核区域,可以包括:
步骤11:利用第一色相值范围在病灶近红外图像中确定病灶区域;
步骤12:利用第二色相值范围在病灶区域中确定病灶核区域;第一色相值范围包含且大于所述第二色相值范围。
需要说明的是,本发明实施例并不限定具体的第一色相值范围及第二色相值范围,可根据实际应用需求进行调整。本发明实施例也不限定第一色相值范围及第二色相值范围的确定方式,例如可以设置固定值,也可以根据病灶近红外图像中颜色的分布情况进行自动设置。具体的,由于病灶核通常带有病灶近红外图像中色相值最大的颜色,因此可首先确定病灶近红外图像中颜色的最大色相值,然后利用预设色相值的颜色(例如蓝色)设置第一色相值范围,随后按照色相值从大到小的顺序,将第一色相值范围中前预设比例的部分设置为第二色相值范围。可以理解的是,预设色相值应当小于最大色相值。本发明实施例并不限定预设色相值的具体数值,可根据实际应用需求进行设置;本发明也不限定预设比例的具体数值,例如可以为20%,也可为其他值,可依照实际应用需求进行调整。
在一种可能的情况中,在利用第一色相值范围在病灶近红外图像中确定病灶区域之前,还可以包括:
步骤21:确定病灶近红外图像中颜色的最大色相值,并利用预设色相值与最大色相值设置第一色相值范围;预设色相值小于最大色相值;
步骤22:按从大到小的顺序,将第一色相值范围中预设比例的色相值范围设置为第二色相值范围。
进一步,需要说明的是,本发明实施例并不限定病灶区域中病灶核区域的数量,该数量至少为2,同时可以理解的是,不同病灶近红外图像中所包含的病灶核区域的数量可能不同。
S102、确定病灶核区域的重心,并确定重心与病灶区域边缘的最近距离以及重心之间的连线距离。
在本发明实施例中,由于病灶的扩散基本符合扩散定律,因此从病灶核向四周的扩散区域,可近似为圆形区域。具体的,扩散定律是指扩散物质在单位时间内沿法线方向流过单位面积的曲面的质量与物质浓度 沿法线方向的方向导数成正比。其中,x、y、z表示三维坐标系中的三个方向,t表示时间。
利用扩散方程可描述为:
其中扩散方程为一类偏微分方程,用于描述扩散现象中的物质密度的变化,为扩散系数,该公式的含义为:扩散物质在时段内沿法线方向流过面积为的曲面的质量为,出现负号是由于物质总是由浓度高的一侧向浓度低的一侧渗透。
其中A为常数。又因为病灶近红外图像为二维图像,所以z向量为0,上述方程可以变为:
根据质量守恒方程,可以得到扩散方程的变体:
其中D可以看作一个常系数。
类似的,可以推导出一维方向上的扩散方程:
对上述两式进行相除,并进行因式化简后,得到:
即扩散时间与点到中心点的距离的平方成正比。相反,当扩散时间相同时,得到两个不同扩散速度:
扩散到相同浓度C,所需时间和点到中心点的距离的平方成反比。因此可把肿瘤细胞(即病灶核)的扩散近似看作圆形扩散,在本发明实施例中,仅需在病灶核中确定圆形扩散区域的圆心,并将圆心与病灶边缘的最近距离作为扩散半径,便可快速建立圆形扩散区域。当病灶区域中出现多个病灶核区域时,基于病灶核区域生成的圆形扩散区域便会出现重叠,进而仅需对重叠区域进行分割处理,便可实现对病灶区域的有效分割,简便高效。
可以理解的是,病灶核区域通常为不规则图形,因此可利用确定不规则图形重心的方法,确定病灶核区域的重心。在本发明实施例中,为了提升重心确定的效率,采用计算病灶核区域各像素点坐标值平均值的方式确定重心。具体的,将利用病灶核区域中各像素点的横坐标及纵坐标,计算横坐标平均值及纵坐标平均值,进而便可将横坐标平均值及纵坐标平均值所对应的像素点设置为重心。
在一种可能的情况中,确定病灶核区域的重心,可以包括:
步骤31:利用病灶核区域中各像素点的坐标值计算坐标平均值,并将坐标平均值所对应的像素点设置为重心。
进一步,本发明实施例并不限定计算重心与病灶区域边缘最近距离的具体过程,例如可计算重心与病灶区域边缘上各点的距离,并将距离中的最小值设置为最近距离,当然也可以利用扫描线对重心之间的病灶区域进行扫描,确定扫描线与病灶区域边缘的交点,并计算交点至重心之间的距离,最后将距离的最小值设置为最近距离。考虑到病灶区域较大,若计算病灶区域边缘上每点到重心之间的距离将耗费大量时间及算力,降低计算效率,同时病灶区域边缘到重心之间的最近点常出现于重心之间,因此本发明实施例可利用扫描线对重心之间的病灶区域进行扫描,确定扫描线与病灶区域边缘的交点,并计算交点至重心之间的距离,最后将距离的最小值设置为最近距离。
在一种可能的情况中,确定重心与病灶区域边缘的最近距离,包括:
步骤41:利用扫描线对重心之间的病灶区域进行扫描,确定扫描线与病灶区域边缘的交点;
计算交点与重心的距离,并将距离中的最小值设置为最近距离。
需要说明的是,本发明实施例并不限定扫描线的类型,例如可以为水平扫描线,也可以为竖直扫描线;本发明实施例也不限定扫描线的移动方式,移动方式与扫描线的类型有关,例如当扫描线为水平扫描线时,扫描线可沿竖直方向(竖直向上或竖直向下)进行扫描;当扫描线为竖直扫描线时,扫描线可延水平方向(水平向左或水平向右)进行扫描;当然,扫描线也可以垂直于重心之间的连线,并从连线一端移动至另一端,上述扫描线及扫描线移动方向均可根据实际应用需求进行设置。进一步,提高扫描效率,降低计算复杂度,还可根据重心之间的连线与水平方向的夹角确定扫描线及移动方式。具体的,当夹角大于45度时,说明连线的方向偏向于竖直方向,此时便可利用水平扫描线沿竖直方向对重心之间的病灶区域进行扫描;当夹角小于等于45度时,则说明连线的方向偏向于水平方向,此时便可利用竖直扫描线沿水平方向对重心之间的病灶区域进行扫描。
可选地,利用扫描线对重心之间的病灶区域进行扫描,包括:
步骤51:建立重心之间的连线,并确定连线与水平方向的夹角;
步骤52:当夹角大于45度时,利用水平扫描线沿竖直方向对重心之间的病灶区域进行扫描;
步骤53:当夹角小于等于45度时,利用竖直扫描线沿水平方向对重心之间的病灶区域进行扫描。
下面结合具体的示意图解释上述扫描线扫描过程。请参考图2,图2为本发明实施例所提供的一种病灶区域分割的示意图,其中左侧为分割后的效果图,右侧为分割前的示意图,边界线1和边界线2均为病灶核区域的边界线,边界线3为部分病灶区域的边界线(剩余部分未画出)。由于两重心和之间的连线与水平方向的夹角大于45度,因此采用水平扫描线在两重心之间扫描,其中, 为与病灶区域边缘最近的交点, 为与病灶区域边缘最近的交点。
S103、利用重心及最近距离建立圆形扩散区域,并利用最近距离及连线距离,计算圆形扩散区域之间的交点坐标。
在确定圆形扩散区域后,便可进一步确定圆形扩散区域之间的交点坐标,进而便可以交点坐标求解分割线。需要说明的是,在求解分割线时,应当在在任意两个圆形扩散区域中进行计算,换句话说,本发明实施例采用两两分割的方式,对多个病灶区域进行分割。请参考图3,图3为本发明实施例所提供的一种圆形扩散区域的示意图,其中,两圆的圆心分别为P点和Q点,两圆交点分别为A点和B点,C点为线段PQ与线段AB的交点。可以看出,由于PQ、AP及AQ之间的长度均已确定,因此仅需对AC进行求解,便可确定C点、A点及B点坐标,进而便可将经过点A和点B的直线作为分割两圆形扩散区域的分割线。
在一种可能的情况中,利用最近距离及连线距离,计算圆形扩散区域之间的交点坐标,可以包括:
步骤61:将任意两个圆形扩散区域设置为目标扩散区域,将目标扩散区域的重心设置为目标重心;
步骤62:利用目标扩散区域之间的任意一个交点及目标重心构造三角形;
步骤63:在三角形中,利用连线距离及最近距离确定目标重心之间连线的中点,并延长经过中点且垂直于连线的直线直至与目标扩散区域的边缘相交,得到交点坐标。
具体的,C点可对如下方程求解得到:
在求得C点后,便可进一步向两边延伸,与病灶区域的交点相交得到A点和B点坐标。
S104、利用交点坐标确定圆形扩散区域之间的分割线,并利用分割线对病灶区域进行分割。
在得到分割线后,便可对病灶区域进行分割。从图2的左侧示意图可以看出,本发明实施例可对病灶区域进行有效分割。本发明实施例并不限定如何利用分割线对病灶区域进行分割,但需要说明的是,分割后的每个病灶区域中应当包含一个病灶核区域。
基于上述实施例,本发明可利用病灶核的重心、重心与病灶区域的最近距离建立圆形扩散区域,并利用圆形扩散区域、最近距离及连线距离快速确定分割线,进而利用分割线对病灶区域进行分割,这是由于病灶的扩散基本符合扩散方程,即从病灶核向四周扩散的速度基本均匀,可将病灶核的扩散区域近似为圆形区域,因此本发明首先在病灶区域中确定了多个病灶核区域,并确定了病灶核区域的重心及重心到病灶区域边缘的最短距离,正是为了确定上述圆形扩散区域的圆心及半径,最后仅需利用最近距离及连线距离,对圆形扩散区域之间的交点坐标进行求解,便可快速确定分割线及对病灶区域进行有效分割,可有效提升病灶分割的准确度,并降低病灶分割的复杂度。
下面对本发明实施例提供的病灶区域分割装置、电子设备及存储介质进行介绍,下文描述的病灶区域分割装置、电子设备及存储介质与上文描述的病灶区域分割方法可相互对应参照。
请参考图4,图4为本发明实施例所提供的一种病灶区域分割装置的结构框图,该装置可以包括:
区域确定模块401,用于获取病灶近红外图像,并利用预设色相值范围确定病灶近红外图像中的病灶区域及病灶核区域;
预处理模块402,用于确定病灶核区域的重心,并确定重心与病灶区域边缘的最近距离以及重心之间的连线距离;
区域建立模块403,用于利用重心及最近距离建立圆形扩散区域,并利用最近距离及连线距离,计算圆形扩散区域之间的交点坐标;
分割模块404,用于利用交点坐标确定圆形扩散区域之间的分割线,并利用分割线对病灶区域进行分割。
可选地,区域确定模块402,可以包括:
病灶区域确定子模块,用于利用第一色相值范围在病灶近红外图像中确定病灶区域;
病灶核区域确定子模块,用于利用第二色相值范围在病灶区域中确定病灶核区域;第一色相值范围包含且大于第二色相值范围。
可选地,区域确定模块402,还可以包括:
第一设置子模块,用于确定病灶近红外图像中颜色的最大色相值,并利用预设色相值与最大色相值确定第一色相值范围;预设色相值小于最大色相值;
第二设置子模块,用于按从大到小的顺序,将第一色相值范围中预设比例的色相值范围设置为第二色相值范围。
可选地,预处理模块402,可以包括:
重心确定子模块,用于利用病灶核区域中各像素点的坐标值计算坐标平均值,并将坐标平均值所对应的像素点设置为重心。
可选地,预处理模块402,可以包括:
扫描子模块,用于利用扫描线对重心之间的病灶区域进行扫描,确定扫描线与病灶区域边缘的交点;
最近距离确定子模块,用于计算交点与重心的距离,并将距离中的最小值设置为最近距离。
可选地,扫描子模块,可以包括:
连线建立单元,用于建立重心之间的连线,并确定连线与水平方向的夹角;
第一扫描单元,用于当夹角大于45度时,利用水平扫描线沿竖直方向对重心之间的病灶区域进行扫描;
第二扫描单元,用于当夹角小于等于45度时,利用竖直扫描线沿水平方向对重心之间的病灶区域进行扫描。
可选地,区域建立模块403,可以包括:
第三设置子模块,用于将任意两个圆形扩散区域设置为目标扩散区域,将目标扩散区域的重心设置为目标重心;
三角形构造子模块,用于利用目标扩散区域之间的任意一个交点及目标重心构造三角形;
计算子模块,用于在三角形中,利用连线距离及最近距离确定目标重心之间连线的中点,并延长经过中点且垂直于连线的直线直至与目标扩散区域的边缘相交,得到交点坐标。
本发明实施例还提供一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上述的病灶区域分割方法的步骤。
由于电子设备部分的实施例与病灶区域分割方法部分的实施例相互对应,因此电子设备部分的实施例请参见病灶区域分割方法部分的实施例的描述,这里暂不赘述。
本发明实施例还提供一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述任意实施例的病灶区域分割方法的步骤。
由于存储介质部分的实施例与病灶区域分割方法部分的实施例相互对应,因此存储介质部分的实施例请参见病灶区域分割方法部分的实施例的描述,这里暂不赘述。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种病灶区域分割方法、装置、电子设备及存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种病灶区域分割方法,其特征在于,包括:
获取病灶近红外图像,并利用预设色相值范围确定所述病灶近红外图像中的病灶区域及病灶核区域;
确定所述病灶核区域的重心,并确定所述重心与所述病灶区域边缘的最近距离以及所述重心之间的连线距离;
利用所述重心及所述最近距离建立圆形扩散区域,并利用所述最近距离及所述连线距离,计算所述圆形扩散区域之间的交点坐标;
利用所述交点坐标确定所述圆形扩散区域之间的分割线,并利用所述分割线对所述病灶区域进行分割。
2.根据权利要求1所述的病灶区域分割方法,其特征在于,所述利用预设色相值范围确定所述病灶近红外图像中的病灶区域及病灶核区域,包括:
利用第一色相值范围在所述病灶近红外图像中确定所述病灶区域;
利用第二色相值范围在所述病灶区域中确定所述病灶核区域;所述第一色相值范围包含且大于所述第二色相值范围。
3.根据权利要求2所述的病灶区域分割方法,其特征在于,在利用第一色相值范围在所述病灶近红外图像中确定所述病灶区域之前,还包括:
确定所述病灶近红外图像中颜色的最大色相值,并利用预设色相值与所述最大色相值设置所述第一色相值范围;所述预设色相值小于所述最大色相值;
按从大到小的顺序,将所述第一色相值范围中预设比例的色相值范围设置为所述第二色相值范围。
4.根据权利要求1所述的病灶区域分割方法,其特征在于,所述确定所述病灶核区域的重心,包括:
利用所述病灶核区域中各像素点的坐标值计算坐标平均值,并将所述坐标平均值所对应的像素点设置为所述重心。
5.根据权利要求1所述的病灶区域分割方法,其特征在于,所述确定所述重心与所述病灶区域边缘的最近距离,包括:
利用扫描线对所述重心之间的病灶区域进行扫描,确定扫描线与病灶区域边缘的交点;
计算所述交点与所述重心的距离,并将所述距离中的最小值设置为所述最近距离。
6.根据权利要求5所述的病灶区域分割方法,其特征在于,所述利用扫描线对所述重心之间的病灶区域进行扫描,包括:
建立所述重心之间的连线,并确定所述连线与水平方向的夹角;
当所述夹角大于45度时,利用水平扫描线沿竖直方向对所述重心之间的病灶区域进行扫描;
当所述夹角小于等于45度时,利用竖直扫描线沿水平方向对所述重心之间的病灶区域进行扫描。
7.根据权利要求1至6任一项所述的病灶区域分割方法,其特征在于,所述利用所述最近距离及所述连线距离,计算所述圆形扩散区域之间的交点坐标,包括:
将任意两个所述圆形扩散区域设置为目标扩散区域,将所述目标扩散区域的重心设置为目标重心;
利用所述目标扩散区域之间的任意一个交点及所述目标重心构造三角形;
在所述三角形中,利用所述连线距离及所述最近距离确定所述目标重心之间连线的中点,并延长经过所述中点且垂直于所述连线的直线直至与所述目标扩散区域的边缘相交,得到所述交点坐标。
8.一种病灶区域分割装置,其特征在于,包括:
区域确定模块,用于获取病灶近红外图像,并利用预设色相值范围确定所述病灶近红外图像中的病灶区域及病灶核区域;
预处理模块,用于确定所述病灶核区域的重心,并确定所述重心与所述病灶区域边缘的最近距离以及所述重心之间的连线距离;
区域建立模块,用于利用所述重心及所述最近距离建立圆形扩散区域,并利用所述最近距离及所述连线距离,计算所述圆形扩散区域之间的交点坐标;
分割模块,用于利用所述交点坐标确定所述圆形扩散区域之间的分割线,并利用所述分割线对所述病灶区域进行分割。
9.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的病灶区域分割方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的病灶区域分割方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110945861.7A CN113393462B (zh) | 2021-08-18 | 2021-08-18 | 一种病灶区域分割方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110945861.7A CN113393462B (zh) | 2021-08-18 | 2021-08-18 | 一种病灶区域分割方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113393462A true CN113393462A (zh) | 2021-09-14 |
CN113393462B CN113393462B (zh) | 2021-11-26 |
Family
ID=77622807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110945861.7A Active CN113393462B (zh) | 2021-08-18 | 2021-08-18 | 一种病灶区域分割方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393462B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359114A (zh) * | 2022-03-16 | 2022-04-15 | 宁波杜比医疗科技有限公司 | 一种单核病灶色相还原方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180005403A1 (en) * | 2015-01-06 | 2018-01-04 | Agfa Healthcare Nv | Method for determining the short axis in a lesion region in a three dimensional medical image |
CN110009645A (zh) * | 2019-04-11 | 2019-07-12 | 东北大学 | 一种肝癌病灶影像的双层轮廓分割方法 |
CN111445479A (zh) * | 2020-03-20 | 2020-07-24 | 东软医疗系统股份有限公司 | 医学图像中感兴趣区域的分割方法及装置 |
CN113017683A (zh) * | 2019-12-25 | 2021-06-25 | 深圳迈瑞生物医疗电子股份有限公司 | 超声测量方法、装置和存储介质 |
CN113034426A (zh) * | 2019-12-25 | 2021-06-25 | 飞依诺科技(苏州)有限公司 | 超声图像病灶描述方法、装置、计算机设备和存储介质 |
-
2021
- 2021-08-18 CN CN202110945861.7A patent/CN113393462B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180005403A1 (en) * | 2015-01-06 | 2018-01-04 | Agfa Healthcare Nv | Method for determining the short axis in a lesion region in a three dimensional medical image |
CN110009645A (zh) * | 2019-04-11 | 2019-07-12 | 东北大学 | 一种肝癌病灶影像的双层轮廓分割方法 |
CN113017683A (zh) * | 2019-12-25 | 2021-06-25 | 深圳迈瑞生物医疗电子股份有限公司 | 超声测量方法、装置和存储介质 |
CN113034426A (zh) * | 2019-12-25 | 2021-06-25 | 飞依诺科技(苏州)有限公司 | 超声图像病灶描述方法、装置、计算机设备和存储介质 |
CN111445479A (zh) * | 2020-03-20 | 2020-07-24 | 东软医疗系统股份有限公司 | 医学图像中感兴趣区域的分割方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359114A (zh) * | 2022-03-16 | 2022-04-15 | 宁波杜比医疗科技有限公司 | 一种单核病灶色相还原方法、装置、电子设备及存储介质 |
CN114359114B (zh) * | 2022-03-16 | 2022-08-23 | 宁波杜比医疗科技有限公司 | 一种单核病灶色相还原方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113393462B (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7990379B2 (en) | System and method for coronary segmentation and visualization | |
CN105303514B (zh) | 图像处理方法和装置 | |
CN104794704B (zh) | 一种标定模板、模板检测方法、装置及终端 | |
WO2021093275A1 (zh) | 一种人群计数系统中自适应计算高斯核大小的方法 | |
CN109816669A (zh) | 一种识别电力设备缺陷的改进Mask R-CNN图像实例分割方法 | |
JP5965050B2 (ja) | 画像内のデータを明らかにするための近傍関係に基づく画素の得点化及び調整 | |
CN108537782B (zh) | 一种基于轮廓提取的建筑物图像匹配与融合的方法 | |
CN113393462B (zh) | 一种病灶区域分割方法、装置、电子设备及存储介质 | |
CN104574339A (zh) | 一种用于视频监控的多尺度柱面投影全景图像生成方法 | |
CN107977996A (zh) | 基于靶标标定定位模型的空间目标定位方法 | |
CN111105452B (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
CN109272569B (zh) | 一种autocad建筑二维图快速提取并生成楼层轮廓线的方法 | |
CN112669280B (zh) | 一种基于lsd算法的无人机倾斜航拍直角像控点目标检测方法 | |
CN109300104A (zh) | 角点检测方法、装置 | |
CN106780383B (zh) | Tof相机的深度图像增强方法 | |
CN111508054B (zh) | 地形构建方法、装置及设备 | |
CN110415304A (zh) | 一种视觉标定方法及系统 | |
CN106778660A (zh) | 一种人脸姿态校正方法及装置 | |
CN110458857B (zh) | 中心对称图元检测方法、装置、电子设备及可读存储介质 | |
CN108010075A (zh) | 一种基于多特征联合的局部立体匹配方法 | |
CN107230212A (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
Bán et al. | Area Lights in Signed Distance Function Scenes. | |
CN111553927A (zh) | 棋盘格角点检测方法、检测系统、计算机装置及存储介质 | |
CN114862765B (zh) | 一种细胞分层图像处理方法 | |
CN109118565B (zh) | 一种顾及杆塔电力线遮挡的电力走廊三维模型纹理映射方法 |
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 |