CN114847982A - 一种用于新冠肺炎病人的多次复查图像的融合处理方法 - Google Patents
一种用于新冠肺炎病人的多次复查图像的融合处理方法 Download PDFInfo
- Publication number
- CN114847982A CN114847982A CN202210293727.8A CN202210293727A CN114847982A CN 114847982 A CN114847982 A CN 114847982A CN 202210293727 A CN202210293727 A CN 202210293727A CN 114847982 A CN114847982 A CN 114847982A
- Authority
- CN
- China
- Prior art keywords
- image
- examination
- images
- lung
- pixel
- 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
- 206010035664 Pneumonia Diseases 0.000 title claims abstract description 58
- 238000012552 review Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000007499 fusion processing Methods 0.000 title claims abstract description 16
- 210000004072 lung Anatomy 0.000 claims abstract description 216
- 238000011084 recovery Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 10
- 230000001575 pathological effect Effects 0.000 claims abstract description 4
- 230000003902 lesion Effects 0.000 claims description 27
- 238000007689 inspection Methods 0.000 claims description 9
- 230000036541 health Effects 0.000 claims description 7
- 201000010099 disease Diseases 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims 1
- 206010037660 Pyrexia Diseases 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 206010017533 Fungal infection Diseases 0.000 description 2
- 208000031888 Mycoses Diseases 0.000 description 2
- 208000006454 hepatitis Diseases 0.000 description 2
- 231100000283 hepatitis Toxicity 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 208000010444 Acidosis Diseases 0.000 description 1
- 206010001052 Acute respiratory distress syndrome Diseases 0.000 description 1
- 241000223205 Coccidioides immitis Species 0.000 description 1
- 241000711573 Coronaviridae Species 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 208000028399 Critical Illness Diseases 0.000 description 1
- 201000007336 Cryptococcosis Diseases 0.000 description 1
- 241000221204 Cryptococcus neoformans Species 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 206010013453 Disseminated tuberculosis Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 208000005189 Embolism Diseases 0.000 description 1
- 201000002563 Histoplasmosis Diseases 0.000 description 1
- 206010025102 Lung infiltration Diseases 0.000 description 1
- 206010027417 Metabolic acidosis Diseases 0.000 description 1
- 201000006836 Miliary Tuberculosis Diseases 0.000 description 1
- 208000034486 Multi-organ failure Diseases 0.000 description 1
- 208000010718 Multiple Organ Failure Diseases 0.000 description 1
- 206010062207 Mycobacterial infection Diseases 0.000 description 1
- 206010028748 Nasal obstruction Diseases 0.000 description 1
- 206010035737 Pneumonia viral Diseases 0.000 description 1
- 208000013616 Respiratory Distress Syndrome Diseases 0.000 description 1
- 206010039101 Rhinorrhoea Diseases 0.000 description 1
- 206010040070 Septic Shock Diseases 0.000 description 1
- 201000000028 adult respiratory distress syndrome Diseases 0.000 description 1
- 206010003549 asthenia Diseases 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 201000003486 coccidioidomycosis Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 208000017574 dry cough Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000002538 fungal effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000002008 hemorrhagic effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 201000003453 lung abscess Diseases 0.000 description 1
- 208000029744 multiple organ dysfunction syndrome Diseases 0.000 description 1
- 208000027531 mycobacterial infectious disease Diseases 0.000 description 1
- 208000010753 nasal discharge Diseases 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 230000036303 septic shock Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 208000009421 viral pneumonia Diseases 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于新冠肺炎病人的多次复查图像的融合处理方法,对每个首检CT影像进行图像处理以筛选保存具有病灶的首检CT影像,并在该首检CT影像上标记对应病灶的病患点坐标阈;将每个复查CT影像与首次检查中对应的首检CT影像的病患点坐标阈的像素点依次进行像素对比,以计算该病患点坐标阈内的像素值的变化;确定原病灶恢复情况;将首检CT影像和复查CT影像的所有病患点坐标阈内的像素点的像素值进行调整赋值,将调整赋值后的多个复查CT影像与匹配的首检CT影像进行对比,以复查是否出现新病灶并输出新的复查病理结果;本发明提高了复查的精度,得到每个病灶点具体的恢复范围,同时还可以判定病人的肺部有没有出现新的病灶点。
Description
技术领域
本发明涉及计算机图像处理技术领域,具体涉及一种用于新冠肺炎病人的多次复查图像的融合处理方法。
背景技术
新型冠状病毒肺炎以发热、干咳、乏力等为主要表现,少数患者伴有鼻塞、流涕、腹泻等上呼吸道和消化道症状。重症病例多在1周后出现呼吸困难,严重者快速进展为急性呼吸窘迫综合征、脓毒症休克、难以纠正的代谢性酸中毒和出凝血功能障碍及多器官功能衰竭等。值得注意的是重症、危重症患者病程中可为中低热,甚至无明显发热。轻型患者仅表现为低热、轻微乏力等,无肺炎表现。
因此目前新冠肺炎可靠的检测方式为肺部CT影像检查提示有病毒性肺炎影像学表现,从而对患者进行新冠肺炎的病灶检测,目前的用于新冠肺炎病人的复查结果判断的方式大多为:医生直接面对患者,对比患者多次肺部CT影像中病灶数据信息判断病灶发展状况,确定患者康复程度,但是这种方式导致诊断方式慢,现有已有通过计算机图像处理方式自动处理肺部CT影像,将每次复查的肺部CT影像与历史的肺部CT影像进行图像融合对比,来判定病人肺部的恢复情况。
而现有的计算机图像处理来判定恢复情况的方式,不具备判定复查时的CT影像有无出现新病灶的功能。
发明内容
本发明的目的在于提供一种用于新冠肺炎病人的多次复查图像的融合处理方法,以解决现有技术中算机图像处理不具备判定复查时的CT影像有无出现新病灶的功能的技术问题。
为解决上述技术问题,本发明具体提供下述技术方案:
一种用于新冠肺炎病人的多次复查图像的融合处理方法,包括以下步骤:
步骤100、获取每个病人的首次检查的多个首检CT影像,对每个所述首检CT影像进行图像处理以筛选保存具有病灶的所述首检CT影像,并在该所述首检CT影像上标记对应病灶的病患点坐标阈;
步骤200、获取复查病人的多个复查CT影像并筛选出具有病患点坐标阈的复查CT影像,将每个所述复查CT影像与首次检查中对应的所述首检CT影像的病患点坐标阈的像素点依次进行像素对比,以计算该病患点坐标阈内的像素值的变化;
步骤300、基于每个所述复查CT影像的病患点坐标阈内的像素值的变化确定复查时的原病灶恢复情况;
步骤400、将所述首检CT影像和所述复查CT影像的所有病患点坐标阈内的像素点的像素值进行调整赋值,以使得该像素点范围内的像素值恢复至正常状态,将调整赋值后的多个所述复查CT影像与匹配的所述首检CT影像进行对比,以复查是否出现新病灶并输出新的复查病理结果。
作为本发明的一种优选方案,在步骤100中,标记和圈定每个首检CT影像上的病患点坐标阈的实现方法为:
步骤101、影像均匀预处理,对每个所述首检CT影像中的两瓣肺部进行影像去噪处理,并校正影像灰度不均匀性,获取灰度分布均匀的无噪声的预处理影像;
步骤102、计算每个所述首检CT影像的两瓣肺部的预处理影像的灰度平均值,根据两瓣肺部的预处理影像的灰度平均值差异;
步骤103、影像填补,在两瓣肺部的预处理影像上建立坐标系,分别计算两瓣肺部的尺寸,且将尺寸大的所述肺部影像通过镜像填补方式填充到的尺寸小的所述肺部影像的缺漏位置,以获得两瓣尺寸相同的肺部影像;
步骤104、影像分割,将尺寸相同的两个所述肺部影像按照顺序分别切分为多个肺部切片图层,将两个所述肺部影像的同一序号的肺部切片图层进行像素总值对比,以识别出现大面积结节型肺炎的区域;
步骤105、影像特征提取,以两瓣肺部的计算尺寸为基准获取无病灶的标准影像,并将两瓣肺部的标准影像切分成肺部切片图层,且将每瓣肺部的肺部切片图层与标准影像的同一序号的肺部切片图层进行特征对比,以识别产生差异且随机分布的小结节特征区域和数量。
作为本发明的一种优选方案,在步骤103中,当两瓣肺部的预处理影像的灰度平均值差异大于设定阈值,则在两瓣肺部的预处理影像上建立坐标系,通过将其中一个尺寸大的肺部影像的超出部分镜像填补在尺寸小的所述肺部影像的缺漏位置,以将两瓣肺部的肺部影像尺寸相同,方便找到大面积结节型肺炎的区域,具体的实现步骤为:
以两瓣肺部的预处理影像的中间位置为原点,建立二维平面坐标系,其中,两瓣肺部的预处理影像的二维平面坐标系共用一个Y轴,且两个所述二维平面坐标系的X轴方向的朝向相反;
按照单一的纵向顺序以及单一的横向顺序划分两瓣肺部的同一区域,且确定同一区域的边缘对应的坐标值;
以二维平面坐标系共用的Y轴为对称轴,将两瓣肺部的超出部分镜像填补在对应的坐标位置;
按照纵向的统一方向和横向的统一方向依次将两瓣肺部的缺漏区域填充,得到两瓣尺寸相同的肺部影像。
作为本发明的一种优选方案,在步骤100中,每个病人具有用于识别身份的编码,且对每个所述首检CT影像进行图像处理后,筛选保留存在病患位置的所述首检CT影像,并确定该首检CT影像的拍摄序号。
作为本发明的一种优选方案,在步骤200中,按照与首检时相同的角度依次获取多个复查CT影像,且按照保留的所述首检CT影像的拍摄序号依次筛选多个所述复查CT影像,以得到与所述首检CT影像相同尺寸和相同的角度的多个所述复查CT影像。
作为本发明的一种优选方案,在步骤200中,在每个所述复查CT影像内建立与匹配的所述首检CT影像相同的二维坐标系,且在所述复查CT影像内选择相同的病患点坐标阈,将所述复查CT影像与匹配拍摄序号的首检CT影像进行对比的实现方式为:
确定复查CT影像与匹配拍摄序号的首检CT影像中相同的病患点坐标阈,依次获取该病患点坐标阈的每个像素点的像素值,且将所述病患点坐标阈的每个像素点的像素值进行对比;
计算所述复查CT影像的像素值小于所述首检CT影像的像素值的所述像素点个数,且将该像素点个数与判定误差值进行对比,若该像素点个数大于所述误差值,则认为所述复查CT影像的病灶区域在减小,否则认为所述复查CT影像的病灶区域无变化。
作为本发明的一种优选方案,在步骤300中,对比每个所述复查CT影像与匹配的所述首检CT影像的所有病患点坐标阈内像素点的像素值,统计所述复查CT影像的病患点坐标阈内像素点的像素值小于所述首检CT影像的病患点坐标阈内像素点的像素值的恢复病灶区域,且将该恢复病灶区域与所有病患点坐标阈对应的个数进行对比,以粗略确定新冠肺炎病人的恢复情况。
作为本发明的一种优选方案,统计每个所述复查CT影像中的每个恢复病灶区域中的像素值小于所述首检CT影像的像素值的像素点个数,且将所述恢复病灶区域的像素值小于所述首检CT影像的像素值的像素点个数与所述病患点坐标阈的所有像素点个数进行对比,以精确确定新冠肺炎病人的具体恢复程度。
作为本发明的一种优选方案,在步骤300中,所述首检CT影像和所述复查CT影像的病患点坐标阈内的像素点的像素值为255,将所述首检CT影像上的病患点坐标阈内每个像素点的像素值调整为0,则使得该像素点范围内的像素值恢复至正常状态,得到消除原病灶后的健康状态图像。
作为本发明的一种优选方案,以消除原病灶后的所述首检CT影像为基准图像,将每次复查的所述复查CT影像与对应拍摄序号的首检CT影像进行对比,以确定是否出现新病灶,判断新病灶的实现步骤为:
将所述复查CT影像的每瓣肺部的肺部切片图层与相应的所述首检CT影像的同一序号的肺部切片图层进行特征对比,以每瓣肺部的肺部切片图层为一个对比区域,将每瓣肺部的肺部切片图层与相应的标准影像的同一序号的肺部切片图层按照相同的遍历方向,对比同一个像素点的像素值是否相同;
标记每瓣肺部的肺部切片图层中出现差异的像素点;
将每瓣肺部中的相邻两个所述肺部切片图层拼接在一起,确定两个相邻的肺部切片图层中出现差异的像素点是否能够拼接;
计算拼接的所述像素点的尺寸,基于尺寸和数量与小结节特征进行误差范围内的对比以识别新病灶。
本发明与现有技术相比较具有如下有益效果:
本发明不仅仅可以确定每个趋于恢复健康的病灶点数量,还具体计算了每个趋于恢复健康的病灶点的恢复范围,从而提高了复查的精度,得到每个病灶点具体的恢复范围,同时还可以判定病人的肺部有没有出现新的病灶点。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式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示例性的,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引伸获得其它的实施附图。
图1为本发明实施例提供的图像融合处理方法的流程示意图。
具体实施方式
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,所描述的实施例仅仅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。
如图1所示,本发明提供了一种用于新冠肺炎病人的多次复查图像的融合处理方法,本实施方式通过图像融合处理方法,判定多次复查时对应首次检查的原病灶的状态变化,同时还可以判定出复查时有没有出现新病灶,具体的实现方法包括以下步骤:
步骤100、获取每个病人的首次检查的多个首检CT影像,建立每个首检CT影像的二维坐标系,对每个首检CT影像进行图像处理以筛选具有病灶的首检CT影像,并在该首检CT影像上标记对应病灶的病患点坐标阈。
在步骤100中,标记和圈定每个首检CT影像上的病患点坐标阈的实现方法为:
步骤101、影像均匀预处理,对CT影像中的两瓣肺部进行影像去噪处理,并校正影像灰度不均匀性,获取灰度分布均匀的无噪声的预处理影像。
去噪和灰度均匀性均按照现有技术中的影像处理方式即可,需要特殊说明书的是,以灰度值为中间数值作为CT影像的底片灰度,由于肺部CT影像大多为二值化的灰度影像,其中肺部浸润区域为像素值为0的黑色区域,而肺部中的血管和气管则为像素点为255的白色区域,因此本实施方式通过将CT影像的底片灰度设置为123,则既可以比较准确的识别黑色区域以及白色区域,方便识别结节区域以及计算结节大小。
步骤102、计算两瓣肺部的预处理影像的灰度平均值,根据两瓣肺部的预处理影像的灰度平均值差异,分别对两瓣肺部的预处理影像进行影像填补或者影像特征提取操作。
在步骤102中,选择影像填补或者影像特征提取操作进行肺炎识别的实现方式具体为:
若两个肺部的预处理影像的灰度平均值差异大于设定阈值,则其中一瓣肺部出现肺炎异常,则通过影像填补方式来确定肺炎异常的位置和肺炎病灶的尺寸大小;
若两瓣肺部的预处理影像的灰度平均值差异小于等于设定阈值,则两瓣肺部均出现肺炎异常或者两瓣肺部无病灶,则通过影像特征提取方式将两瓣肺部的预处理影像与标准影像进行对比。
需要补充说明的是,肝炎大概分为大型结节(>1cm)以及随机分布的小结节(直径<2mm),大型结节(>1cm)和空洞常提示感染性病因,最有可能是败血性栓塞,细菌性肺脓肿,真菌和分枝杆菌感染,而小结节(直径<2mm),具体表现为高度提示粟粒性结核,非结核分枝杆菌或真菌感染(组织胞浆菌病,球孢子菌病,隐球菌病)。
因此本实施方式基于现有的肝炎分类,通过对CT影像的影像处理,来识别肺炎中的大型结节分类和小结节分类。众所周知的是,对于小结节肺炎,一般分布在两个肺部内,而大结节肺炎一般分布在其中一个肺部内,因此对比小结节肺炎,无法通过两个肺部的CT影像的灰度对比来确定结节,因此需要通过与尺寸大致相同的标准影像进行对比,通过发现的结节数量,在一定的误差范围内来确定是否患有肺炎。
对于大结节分类的识别过程具体如下步骤103:
步骤103、影像填补,分别计算两瓣肺部的尺寸,根据尺寸差在两瓣肺部的预处理影像上建立坐标系,且将尺寸大的肺部影像通过镜像填补方式填充到的尺寸小的肺部影像的缺漏位置,以获得两瓣尺寸相同的肺部影像。
影像填补的具体实现理由为,由于肺部CT影像可能包含多组,多组CT影像中的两瓣肺部的尺寸并不是完全相同的,对于检测出有结节的CT影像,如果两瓣肺部的尺寸差超过设定值,则需要对小尺寸的肺部的CT影像进行影像填补,直至两个肺部的CT影像尺寸大小相同,方便确定大结节的尺寸和位置。而对于两个肺部尺寸差不多的CT影像,则可以直接省略步骤103,直接转接至步骤105进行后续影像处理操作。
即对于两个肺部尺寸差异大的CT影像的处理操作,在步骤103中,当两瓣肺部的预处理影像的灰度平均值差异大于设定阈值,则在两瓣肺部的预处理影像上建立坐标系,通过将其中一个尺寸大的肺部影像的超出部分镜像填补在尺寸小的肺部影像的缺漏位置,以将两瓣肺部的肺部影像尺寸相同,方便找到大面积结节型肺炎的区域,具体的实现步骤为:
一、以两瓣肺部的预处理影像的中间位置为原点,建立二维平面坐标系,其中,两瓣肺部的预处理影像的二维平面坐标系共用一个Y轴,且两个二维平面坐标系的X轴方向的朝向相反。
确定二维平面坐标系的原点位置的实现方法为:
(1)获取两瓣肺部的预处理影像的一行额定宽度的影像单元,划分两瓣肺部的同一位置的两个影像单元之间的底片区域,且将底片区域的划分宽度与影像单元等宽;
(2)计算每个底片区域的像素点个数,以像素点个数最小的底片区域作为原点设定区域;
(3)以原点设定区域的中心位置作为基准点,建立两个二维平面坐标系的Y轴;
(4)按照从下到上的方式依次遍历两瓣肺部的预处理影像,确定单瓣肺部的预处理影像中表示肺部边缘的像素点,以最先表示肺部边缘的像素点为基准点,分别朝着不同的方向建立两个二维平面坐标系的X轴;
(5)以Y轴和X轴的交界位置为两个二维平面坐标系的原点,且两瓣肺部的肺部影像处于对应的二维平面坐标系的第一象限内。
二、按照单一的纵向顺序以及单一的横向顺序划分两瓣肺部的同一区域,且确定同一区域的边缘对应的坐标值。
三、以二维平面坐标系共用的Y轴为对称轴,将两瓣肺部的超出部分镜像填补在对应的坐标位置。
四、按照纵向的统一方向和横向的统一方向依次将两瓣肺部的缺漏区域填充,得到两瓣尺寸相同的肺部影像。
在本实施方式中,影像填补的实现方式,是将尺寸较大的肺部的CT影像相对于尺寸较小的肺部的CT影像的突出部分,复制出来,并以二维平面坐标系共用的Y轴作为对称轴,镜像粘贴到尺寸小的肺部的CT影像上,从而得到两个肺部尺寸大致相同的CT影像。
这样的话,将CT影像从上到下划分出不同的肺部切片图层,通过对比两个肺部CT影像相同图层的像素差异,可以确定结节的大小和分布位置,具体对比识别肺炎结节位置的实现操作如下步骤104。
步骤104、影像分割,将尺寸相同的两个肺部影像按照顺序分别切分为多个肺部切片图层,将两个肺部影像的同一序号的肺部切片图层进行像素总值对比,以识别出现大面积结节型肺炎的区域。
在步骤104中,将两瓣尺寸相同的肺部影像按照从上到下或者从下到上的顺序切分为多个肺部切片图层,将两个肺部影像的同一序号的肺部切片图层进行像素总值对比,确定同一序号的两个肺部切片图层的像素总值差值,若像素总值差值小于等于设定阈值,则两个肺部切片图层无差异;若像素总值差值大于设定阈值,则其中一个肺部切片图层出现病灶点。
在这一实现方式中,将填补的影像灰度值省略掉,而只得到两个同一序号的肺部切片图层中的像素不同的像素点以及对应的像素范围。
因此进一步的将像素总值差值大于设定阈值的两个同一序号的两个肺部切片图层进行像素对比,确定像素值差异的像素点;将两瓣肺部的所有肺部切片图层对比完成后,统计相邻两个肺部切片图层的像素点坐标值,确定两个相邻的肺部切片图层中连接的病灶点;通过计算病灶点的尺寸计算肺炎的结节类型和结节位置。
根据上述陈述内容,而对于两个肺部尺寸差不多的CT影像,则可以直接省略步骤103,直接转接至步骤105进行后续影像处理操作,即步骤105为对应识别小结节肺炎的识别方法步骤。
步骤105、影像特征提取,以两瓣肺部的计算尺寸为基准获取无病灶的标准影像,并将两瓣肺部的标准影像切分成肺部切片图层,且将每瓣肺部的肺部切片图层与标准影像的同一序号的肺部切片图层进行特征对比,以识别产生差异且随机分布的小结节特征区域和数量。
即在步骤105中,以两瓣肺部的计算尺寸为基准获取无病灶的标准影像的操作步骤为:以两瓣肺部的计算尺寸为基准获取与每个肺部尺寸对应的无病灶的标准影像;以患者的性别和年龄为第二检索条件筛选出唯一的标准影像。
将每瓣肺部的肺部切片图层与相应的标准影像的同一序号的肺部切片图层进行特征对比的实现步骤为:
以每瓣肺部的肺部切片图层为一个对比区域,将每瓣肺部的肺部切片图层与相应的标准影像的同一序号的肺部切片图层按照相同的遍历方向,对比同一个像素点的像素值是否相同;
标记每瓣肺部的肺部切片图层中出现差异的像素点;
将每瓣肺部中的相邻两个肺部切片图层拼接在一起,确定两个相邻的肺部切片图层中出现差异的像素点是否能够拼接;
计算拼接的像素点的尺寸,基于尺寸和数量与小结节特征进行误差范围内的对比,识别小结节肺炎。
作为本实施方式的创新点,本实施方式对于小结节肺炎的识别和大结节肺炎的识别分别使用两种方式进行识别,其中,对于大结节的肺炎识别方式来说,可以归纳为:将个人的两个肺部进行直接对比的方式,由于通过影像填补的方式,可以更方便精确的确定两个肺部之间的结节区域,以及结节大小,进一步的降低识别误差。
而对于小结节的肺炎识别方式,由于小结节通常分布在两个肺部内,因此很难通过个人的两个肺部之间的对比方式来确定是否患有肺炎,以及肺炎的分布位置,因此对于此结节的识别,本实施方式利用拍摄的CT影像与现有的同尺寸最接近的标准化CT影像进行对比,由于小结节的数量一般比较多,因此通过小结节的识别数量与设定的误差范围内的识别数量进行对比,来确定是否患有肺炎。
本实施方式基于肺炎的大结节和小结节两种类型,通过计算两瓣肺部的CT影像的平均值差异,来选择不同的方式进行影像处理和肺炎识别,分别为两瓣肺部CT影像的直接对比,以及将单瓣肺部CT影像与标准影像的间接对比,可提高两种结节型肺炎的识别精度。
步骤200、获取复查病人的多个复查CT影像,筛选出与该病人首次检查的每个首检CT影像相同的复查CT影像和病患点坐标阈,并将每个复查CT影像与首次检查中对应的首检CT影像的病患点坐标阈的像素点依次进行像素对比,以计算该病患点坐标阈内的像素值的变化。
需要特别说明的是,在步骤100中,每个病人具有用于识别身份的编码,且对每个首检CT影像进行图像处理后,筛选保留存在病患位置的首检CT影像,并确定该首检CT影像的拍摄序号。
在步骤200中,按照与首检时相同的角度依次获取多个复查CT影像,且按照保留的首检CT影像的拍摄序号依次筛选多个复查CT影像,以得到与首检CT影像相同尺寸和相同的角度的多个复查CT影像。
因此将每个病人的相同拍摄序号的复查CT影像和首检CT影像进行对比,才能保证两次对比的CT影像中的肺部尺寸,病灶状态和病灶像素值都相同,从而提高了后期判断原病灶的变化和有无新病灶产生的准确性。
其中,在每个复查CT影像内建立与匹配的首检CT影像相同的二维坐标系,且在复查CT影像内选择相同的病患点坐标阈,将复查CT影像与匹配拍摄序号的首检CT影像进行对比的实现方式为:
(1)确定复查CT影像与匹配拍摄序号的首检CT影像中相同的病患点坐标阈,依次获取该病患点坐标阈的每个像素点的像素值,且将病患点坐标阈的每个像素点的像素值进行对比;
(2)计算复查CT影像的像素值小于首检CT影像的像素值的像素点个数,且将该像素点个数与判定误差值进行对比,若该像素点个数大于误差值,则认为复查CT影像的病灶区域在减小,否则认为复查CT影像的病灶区域无变化。
如果,复查CT影像的像素值小于首检CT影像的像素值的像素点个数为0,或者该像素点个数小于判定误差值,则意味着该病患点坐标阈对应的病灶点无变化,甚至有可能在变大,至于如何判断变大,则在步骤400中进一步的判断。
而如果复查CT影像的像素值小于首检CT影像的像素值的像素点个数大于判定误差值,则意味着该病患点坐标阈对应的病灶区域在减小。而具体的病灶区域的缩小尺寸则进一步的由步骤300计算得知。
步骤300、基于每个所述复查CT影像的病患点坐标阈内的像素值的变化确定复查时的原病灶恢复情况。
对比每个复查CT影像与匹配的首检CT影像的所有病患点坐标阈内像素点的像素值,统计复查CT影像的病患点坐标阈内像素点的像素值小于首检CT影像的病患点坐标阈内像素点的像素值的恢复病灶区域,且将该恢复病灶区域与所有病患点坐标阈对应的个数进行对比,以粗略确定新冠肺炎病人的恢复情况。
统计每个复查CT影像中的每个恢复病灶区域中的像素值小于首检CT影像的像素值的像素点个数,且将恢复病灶区域的像素值小于首检CT影像的像素值的像素点个数与病患点坐标阈的所有像素点个数进行对比,以精确确定新冠肺炎病人的具体恢复程度。
在步骤300中具体判定恢复正常的病灶点的判断标准为:首检CT影像和复查CT影像的病患点坐标阈内的像素点的像素值为255,将首检CT影像上的病患点坐标阈内每个像素点的像素值调整为0,则使得该像素点范围内的像素值恢复至正常状态,得到消除原病灶后的健康状态图像。
同样对于新冠肺炎来说,其肺部的病灶点不止一个,同样为多个病灶点,因此本实施方式先计算与首检CT影像相比缩小的病灶区域的病患点坐标阈的个数,来粗略确定新冠肺炎病人的恢复情况,比如说在首检CT影像中有5个病灶点,而在复查CT影像中,有3个病灶区域缩小的病灶点,则可确定该病人在逐步恢复。
本实施方式再通过计算与首检CT影像相比缩小的病灶区域的病患点坐标阈的缩小尺寸,来具体判定恢复情况,当有3个病灶区域缩小的病灶点的缩小尺寸为缩小了30%、20%和50%,则依次可以确定每个病灶区域缩小的病灶点的恢复情况。
因此本实施方式的图像处理方式,不仅仅可以确定每个趋于恢复健康的病灶点数量,还具体计算了每个趋于恢复健康的病灶点的恢复范围,从而提高了复查的精度,得到每个病灶点具体的恢复范围。
步骤400、将首检CT影像和复查CT影像的所有病患点坐标阈内的像素点的像素值进行调整赋值,以使得该像素点范围内的像素值恢复至正常状态,将调整赋值后的多个复查CT影像与匹配的首检CT影像进行对比,以复查是否出现新病灶并输出新的复查病理结果。
将复查CT影像与对应序号且肺部尺寸和像素相同的首检CT影像进行对比的具体操作为:以消除原病灶后的首检CT影像为基准图像,将每次复查的复查CT影像与对应拍摄序号的首检CT影像进行对比,以确定是否出现新病灶。
作为本实施方式的优势,本实施方式对复查CT影像的图像处理方式,不仅仅用于判定原病灶的恢复情况,同时还可以判定病人的肺部有没有出现新的病灶点,本实施方式判定复查CT影像中有没有出现新病灶时,先将首检CT影像和复查CT影像中的病灶点坐标阈内的所有像素点的像素值调整为0,即先消除原病灶,此时的首检CT影像则可以作为判定新病灶的基准图像,该图像中无病灶点,而将复查CT影像中出现与基准图像有差别的像素点,则会新出现的新病灶。
判断新病灶的实现步骤为:
将复查CT影像的每瓣肺部的肺部切片图层与相应的首检CT影像的同一序号的肺部切片图层进行特征对比,以每瓣肺部的肺部切片图层为一个对比区域,将每瓣肺部的肺部切片图层与相应的标准影像的同一序号的肺部切片图层按照相同的遍历方向,对比同一个像素点的像素值是否相同;
标记每瓣肺部的肺部切片图层中出现差异的像素点;
将每瓣肺部中的相邻两个肺部切片图层拼接在一起,确定两个相邻的肺部切片图层中出现差异的像素点是否能够拼接;
计算拼接的像素点的尺寸,基于尺寸和数量与小结节特征进行误差范围内的对比以识别新病灶。
即将复查CT影像中的每瓣肺部的肺部切片图层与基准图像的同一序号的肺部切片图层进行特征对比,以识别产生差异且随机分布的新病灶。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种用于新冠肺炎病人的多次复查图像的融合处理方法,其特征在于,包括以下步骤:
步骤100、获取每个病人的首次检查的多个首检CT影像,对每个所述首检CT影像进行图像处理以筛选保存具有病灶的所述首检CT影像,并在该所述首检CT影像上标记对应病灶的病患点坐标阈;
步骤200、获取复查病人的多个复查CT影像并筛选出具有病患点坐标阈的复查CT影像,将每个所述复查CT影像与首次检查中对应的所述首检CT影像的病患点坐标阈的像素点依次进行像素对比,以计算该病患点坐标阈内的像素值的变化;
步骤300、基于每个所述复查CT影像的病患点坐标阈内的像素值的变化确定复查时的原病灶恢复情况;
步骤400、将所述首检CT影像和所述复查CT影像的所有病患点坐标阈内的像素点的像素值进行调整赋值,以使得该像素点范围内的像素值恢复至正常状态,将调整赋值后的多个所述复查CT影像与匹配的所述首检CT影像进行对比,以复查是否出现新病灶并输出新的复查病理结果。
2.根据权利要求1所述的一种用于新冠肺炎病人的多次复查图像的融合处理方法,其特征在于,在步骤100中,标记和圈定每个首检CT影像上的病患点坐标阈的实现方法为:
步骤101、影像均匀预处理,对每个所述首检CT影像中的两瓣肺部进行影像去噪处理,并校正影像灰度不均匀性,获取灰度分布均匀的无噪声的预处理影像;
步骤102、计算每个所述首检CT影像的两瓣肺部的预处理影像的灰度平均值,根据两瓣肺部的预处理影像的灰度平均值差异;
步骤103、影像填补,在两瓣肺部的预处理影像上建立坐标系,分别计算两瓣肺部的尺寸,且将尺寸大的所述肺部影像通过镜像填补方式填充到的尺寸小的所述肺部影像的缺漏位置,以获得两瓣尺寸相同的肺部影像;
步骤104、影像分割,将尺寸相同的两个所述肺部影像按照顺序分别切分为多个肺部切片图层,将两个所述肺部影像的同一序号的肺部切片图层进行像素总值对比,以识别出现大面积结节型肺炎的区域;
步骤105、影像特征提取,以两瓣肺部的计算尺寸为基准获取无病灶的标准影像,并将两瓣肺部的标准影像切分成肺部切片图层,且将每瓣肺部的肺部切片图层与标准影像的同一序号的肺部切片图层进行特征对比,以识别产生差异且随机分布的小结节特征区域和数量。
3.根据权利要求2所述的一种用于新冠肺炎病人的多次复查图像的融合处理方法,其特征在于:在步骤103中,当两瓣肺部的预处理影像的灰度平均值差异大于设定阈值,则在两瓣肺部的预处理影像上建立坐标系,通过将其中一个尺寸大的肺部影像的超出部分镜像填补在尺寸小的所述肺部影像的缺漏位置,以将两瓣肺部的肺部影像尺寸相同,方便找到大面积结节型肺炎的区域,具体的实现步骤为:
以两瓣肺部的预处理影像的中间位置为原点,建立二维平面坐标系,其中,两瓣肺部的预处理影像的二维平面坐标系共用一个Y轴,且两个所述二维平面坐标系的X轴方向的朝向相反;
按照单一的纵向顺序以及单一的横向顺序划分两瓣肺部的同一区域,且确定同一区域的边缘对应的坐标值;
以二维平面坐标系共用的Y轴为对称轴,将两瓣肺部的超出部分镜像填补在对应的坐标位置;
按照纵向的统一方向和横向的统一方向依次将两瓣肺部的缺漏区域填充,得到两瓣尺寸相同的肺部影像。
4.根据权利要求1所述的一种用于新冠肺炎病人的多次复查图像的融合处理方法,其特征在于:在步骤100中,每个病人具有用于识别身份的编码,且对每个所述首检CT影像进行图像处理后,筛选保留存在病患位置的所述首检CT影像,并确定该首检CT影像的拍摄序号。
5.根据权利要求4所述的一种用于新冠肺炎病人的多次复查图像的融合处理方法,其特征在于:在步骤200中,按照与首检时相同的角度依次获取多个复查CT影像,且按照保留的所述首检CT影像的拍摄序号依次筛选多个所述复查CT影像,以得到与所述首检CT影像相同尺寸和相同的角度的多个所述复查CT影像。
6.根据权利要求5所述的一种用于新冠肺炎病人的多次复查图像的融合处理方法,其特征在于:在步骤200中,在每个所述复查CT影像内建立与匹配的所述首检CT影像相同的二维坐标系,且在所述复查CT影像内选择相同的病患点坐标阈,将所述复查CT影像与匹配拍摄序号的首检CT影像进行对比的实现方式为:
确定复查CT影像与匹配拍摄序号的首检CT影像中相同的病患点坐标阈,依次获取该病患点坐标阈的每个像素点的像素值,且将所述病患点坐标阈的每个像素点的像素值进行对比;
计算所述复查CT影像的像素值小于所述首检CT影像的像素值的所述像素点个数,且将该像素点个数与判定误差值进行对比,若该像素点个数大于所述误差值,则认为所述复查CT影像的病灶区域在减小,否则认为所述复查CT影像的病灶区域无变化。
7.根据权利要求6所述的一种用于新冠肺炎病人的多次复查图像的融合处理方法,其特征在于:在步骤300中,对比每个所述复查CT影像与匹配的所述首检CT影像的所有病患点坐标阈内像素点的像素值,统计所述复查CT影像的病患点坐标阈内像素点的像素值小于所述首检CT影像的病患点坐标阈内像素点的像素值的恢复病灶区域,且将该恢复病灶区域与所有病患点坐标阈对应的个数进行对比,以粗略确定新冠肺炎病人的恢复情况。
8.根据权利要求7所述的一种用于新冠肺炎病人的多次复查图像的融合处理方法,其特征在于:统计每个所述复查CT影像中的每个恢复病灶区域中的像素值小于所述首检CT影像的像素值的像素点个数,且将所述恢复病灶区域的像素值小于所述首检CT影像的像素值的像素点个数与所述病患点坐标阈的所有像素点个数进行对比,以精确确定新冠肺炎病人的具体恢复程度。
9.根据权利要求1所述的一种用于新冠肺炎病人的多次复查图像的融合处理方法,其特征在于,在步骤300中,所述首检CT影像和所述复查CT影像的病患点坐标阈内的像素点的像素值为255,将所述首检CT影像上的病患点坐标阈内每个像素点的像素值调整为0,则使得该像素点范围内的像素值恢复至正常状态,得到消除原病灶后的健康状态图像。
10.根据权利要求9所述的一种用于新冠肺炎病人的多次复查图像的融合处理方法,其特征在于,以消除原病灶后的所述首检CT影像为基准图像,将每次复查的所述复查CT影像与对应拍摄序号的首检CT影像进行对比,以确定是否出现新病灶,判断新病灶的实现步骤为:
将所述复查CT影像的每瓣肺部的肺部切片图层与相应的所述首检CT影像的同一序号的肺部切片图层进行特征对比,以每瓣肺部的肺部切片图层为一个对比区域,将每瓣肺部的肺部切片图层与相应的标准影像的同一序号的肺部切片图层按照相同的遍历方向,对比同一个像素点的像素值是否相同;
标记每瓣肺部的肺部切片图层中出现差异的像素点;
将每瓣肺部中的相邻两个所述肺部切片图层拼接在一起,确定两个相邻的肺部切片图层中出现差异的像素点是否能够拼接;
计算拼接的所述像素点的尺寸,基于尺寸和数量与小结节特征进行误差范围内的对比以识别新病灶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210293727.8A CN114847982A (zh) | 2022-03-24 | 2022-03-24 | 一种用于新冠肺炎病人的多次复查图像的融合处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210293727.8A CN114847982A (zh) | 2022-03-24 | 2022-03-24 | 一种用于新冠肺炎病人的多次复查图像的融合处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114847982A true CN114847982A (zh) | 2022-08-05 |
Family
ID=82629898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210293727.8A Pending CN114847982A (zh) | 2022-03-24 | 2022-03-24 | 一种用于新冠肺炎病人的多次复查图像的融合处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114847982A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117788474A (zh) * | 2024-02-27 | 2024-03-29 | 陕西省人民医院(陕西省临床医学研究院) | 一种基于机器视觉的泌尿结石图像识别方法 |
-
2022
- 2022-03-24 CN CN202210293727.8A patent/CN114847982A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117788474A (zh) * | 2024-02-27 | 2024-03-29 | 陕西省人民医院(陕西省临床医学研究院) | 一种基于机器视觉的泌尿结石图像识别方法 |
CN117788474B (zh) * | 2024-02-27 | 2024-05-03 | 陕西省人民医院(陕西省临床医学研究院) | 一种基于机器视觉的泌尿结石图像识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6483934B2 (en) | Detecting costophrenic angles in chest radiographs | |
US20070019852A1 (en) | Pulminary nodule detection in a chest radiograph | |
CN114418957A (zh) | 基于机器人视觉的全局和局部二值模式图像裂缝分割方法 | |
CN111369495B (zh) | 一种基于视频的全景图像的变化检测方法 | |
KR20020077420A (ko) | 시험편의 주조 결함을 자동으로 검출하는 검출 방법 | |
WO1999005641A1 (en) | Method for detecting interval changes in radiographs | |
CN111340756B (zh) | 一种医学图像病变检出合并方法、系统、终端及存储介质 | |
WO2006020035A1 (en) | Projection views and orientation of chest radiographs | |
CN111080631A (zh) | 一种拼接影像楼面缺陷检测的故障定位方法及系统 | |
CN109829856B (zh) | 一种桥梁裂缝信息融合方法 | |
CN114847982A (zh) | 一种用于新冠肺炎病人的多次复查图像的融合处理方法 | |
CN111419399A (zh) | 定位跟踪件、定位球的识别方法、存储介质及电子设备 | |
WO2023130664A1 (zh) | 一种血管造影图像的分析方法和装置 | |
CN110188694B (zh) | 一种基于压力特征的穿鞋足迹序列识别方法 | |
CN113362314A (zh) | 医学图像识别方法、识别模型训练方法及装置 | |
CN115439453A (zh) | 一种脊椎椎体定位方法、装置、电子设备及存储介质 | |
WO2002047553A1 (fr) | Procede servant a detecter les limites de la cage thoracique dans une image numerique | |
CN108257118B (zh) | 一种基于法向腐蚀和随机游走的骨折粘连分割方法 | |
Suk et al. | An edge extraction technique for noisy images | |
WO2002021443A1 (en) | Segmentation of digital images | |
CN115147359B (zh) | 肺叶分割网络模型训练方法、装置、电子设备及存储介质 | |
JP2007202811A (ja) | 照射野認識装置、照射野認識方法およびそのプログラム | |
CN110728296A (zh) | 一种加速特征点匹配的两步随机抽样一致性方法及系统 | |
CN112258534B (zh) | 一种超声图像中小脑蚓部的定位及分割方法 | |
CN116934885A (zh) | 肺部分割方法、装置、电子设备及存储介质 |
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 |