CN117474823B - 一种儿科感染性炎症检测辅助用ct数据处理系统 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种儿科感染性炎症检测辅助用CT数据处理系统。首先将肺部区域的CT灰度图像进行划分，根据灰度特征的相似程度获得不同的灰度相似区域。根据灰度相似区域内的灰度特征获得目标区域概率；根据灰度相似区域与相邻灰度相似区域的灰度差异以及目标区域概率获得灰度相似区域的增强必要程度。根据灰度相似区域中像素点的灰度特征获得目标像素点，根据目标像素点的面积特征获得树状区域表征值，根据树状区域表征值和目标像素点的数量获得增强因子。最终根据增强因子和增强必要程度对肺部区域的CT灰度图像进行自适应地图像增强，提高了CT图像增强的准确性与质量。

Description

一种儿科感染性炎症检测辅助用CT数据处理系统

技术领域

本发明涉及图像处理技术领域，具体涉及一种儿科感染性炎症检测辅助用CT数据处理系统。

背景技术

儿科感染性炎症是一种常见的儿科疾病，例如肺炎；对于儿科感染性炎症的检测需要用到CT技术，CT指电子计算机断层扫描，CT技术是一种有效的医学影像检测方法，能够提供高分辨率的影像，但可能出现局部细节不清晰的情况，需要对CT图像进行图像增强。

伽马变换是一种传统的图像增强方法，通过伽马变换在增强肺部CT图像时，对部分噪声有明显的限制效果；但若肺部中可能存在部分组织区域被误认为噪声区域的情况，导致增强效果不明显；以及对整体图像进行图像增强时，难以突出细节特征，影响CT图像增强的准确性。

发明内容

为了解决上述通过伽马变换对CT图像增强时，会出现增强效果不明显，影响CT图像增强的准确性的技术问题，本发明的目的在于提供一种儿科感染性炎症检测辅助用CT数据处理系统，所采用的技术方案具体如下：

数据采集模块，用于获取肺部区域的CT灰度图像；将所述CT灰度图像通过预设尺寸窗口划分获得不同的窗口区域，根据相邻窗口区域之间的灰度特征获得窗口区域之间的相似程度，根据所述相似程度获得不同的灰度相似区域；

特征分析模块，用于根据所述灰度相似区域中的灰度特征获得所述灰度相似区域的目标区域概率；根据所述灰度相似区域的所述目标区域概率、所述灰度相似区域与相邻灰度相似区域的灰度差异特征，获得所述灰度相似区域的增强必要程度；

图像增强模块，用于根据所述灰度相似区域中像素点的灰度特征获得目标像素点，根据每个所述目标像素点构成的连通域面积特征获得每个所述目标像素点的树状区域表征值；根据所述目标像素点的所述树状区域表征值和预设第一邻域范围内其他目标像素点的数量特征，获得目标像素点的增强因子；根据所述灰度相似区域的所述增强必要程度和像素点的所述增强因子通过伽马变换进行图像增强。

进一步地，所述根据相邻窗口区域之间的灰度特征获得窗口区域之间的相似程度的步骤包括：

对于任意一个所述窗口区域，计算所述窗口区域与相邻窗口区域的对应像素点的灰度差值的平方值，作为灰度差异表征值；计算所述灰度差异表征值的平均值并负相关映射，获得所述相似程度。

进一步地，所述根据所述相似程度获得不同的灰度相似区域的步骤包括：

遍历所述CT灰度图像中所有窗口区域，将所述相似程度大于预设相似阈值的相邻的窗口区域进行合并，所述CT灰度图像合并完成后获得的所有区域，作为不同的所述灰度相似区域。

进一步地，所述根据所述灰度相似区域中的灰度特征获得所述灰度相似区域的目标区域概率的步骤包括：

计算所述灰度相似区域中像素点的灰度值极差、灰度值平均值和灰度值方差三者的乘积并进行归一化，获得所述目标区域概率。

进一步地，所述获得所述灰度相似区域的增强必要程度的步骤包括：

对于任意一个所述灰度相似区域，计算所述灰度相似区域与相邻灰度相似区域的灰度平均值的差值绝对值的最小值，获得邻域灰度差异值，将所述邻域灰度差异值进行负相关映射，计算所述目标区域概率和负相关映射后的所述邻域灰度差异值的乘积并归一化，获得所述增强必要程度。

进一步地，所述根据所述灰度相似区域中像素点的灰度特征获得目标像素点的步骤包括：

将所述灰度相似区域中灰度值最大的像素点作为中心像素点，计算中心像素点与预设第二邻域范围内的其他像素点的灰度差值绝对值，将中心像素点与预设第二邻域范围内的其他像素点的灰度差值绝对值小于预设差值阈值的其他像素点作为基准点；将所述基准点与预设第二邻域范围内的其他像素点的灰度差值绝对值小于预设差值阈值的其他像素点作为基准点，遍历所述灰度相似区域，获得所有基准点；

将灰度值大于对应灰度相似区域的灰度平均值的基准点作为目标像素点，将所述中心像素点作为目标像素点。

进一步地，所述根据每个所述目标像素点构成的连通域面积特征获得每个所述目标像素点的树状区域表征值的步骤包括：

对于任意一个所述目标像素点，将所述目标像素点与相连的其他目标像素点进行连接构建连通域，计算所述目标像素点与相连的其他目标像素点所组成的连通域的面积以及所述连通域对应的凸包面积，计算所述凸包面积和对应的所述连通域的面积差值，获得面积差异，计算所述面积差异与所述凸包面积的比值，获得树状区域表征值。

进一步地，所述获得目标像素点的增强因子的步骤包括：

对于任意一个所述目标像素点，计算所述目标像素点的预设第一邻域范围内的其他目标像素点的数量，作为连接数量值；计算所述树状区域表征值与所述连接数量值的乘积并归一化，获得所述增强因子。

进一步地，所述根据所述增强因子和所述灰度相似区域的所述增强必要程度通过伽马变换进行图像增强的步骤包括：

对于所述灰度相似区域中任意一个像素点，进行伽马变换，其中伽马因子为预设数值、像素点的所述增强因子和像素点对应的所述灰度相似区域的所述增强必要程度三者的和值；当像素点不为所述目标像素点时，像素点对应的所述增强因子的值为零；对所述灰度相似区域中每个像素点灰度变换后完成图像增强。

本发明具有如下有益效果：

在本发明实施例中，通过窗口区域之间的相似程度获得不同的灰度相似区域，能够将肺部区域不同的组织结构区域进行划分，对不同的灰度相似区域进行自适应地图像增强，提高增强的准确性。目标区域概率能够表征对应灰度相似区域在肺部区域中的所处的组织结构特征，相邻灰度相似区域之间的灰度差异能够表征灰度相似区域之间的对比度程度；进而可根据增强必要程度反映灰度相似区域的整体增强情况，同时能够对噪声区域的增强进行抑制。因图像增强不仅需要考虑不同灰度相似区域的增强程度，更需要考虑灰度相似区域内像素点之间的图像增强程度。因此计算树状区域表征值能够反映肺部区域内的组织结构特征；以及为了增强组织结构的细节特征，进而获得了目标像素点和对应的增强因子，通过增强因子能够准确地对CT灰度图像中的细节进行增强。最终根据增强必要程度和增强因子对肺部区域的CT灰度图像进行自适应地伽马变换，提高了图像增强的准确性以及质量。

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和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种儿科感染性炎症检测辅助用CT数据处理系统框图；

图2为本发明一个实施例所提供的一种肺部区域的CT灰度图像示意图；

图3为本发明一个实施例所提供的一种肺部区域图像增强后的CT灰度图像示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种儿科感染性炎症检测辅助用CT数据处理系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种儿科感染性炎症检测辅助用CT数据处理系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种儿科感染性炎症检测辅助用CT数据处理系统框图，该系统包括以下模块：

数据采集模块S1，用于获取肺部区域的CT灰度图像；将CT灰度图像通过预设尺寸窗口划分获得不同的窗口区域，根据相邻窗口区域之间的灰度特征获得窗口区域之间的相似程度，根据相似程度获得不同的灰度相似区域。

在本发明实施例中，实施场景为对肺部的CT图像进行图像增强。伽马变换是一种现有常用的图像增强方法，具体为通过非线性变换，让图像中较暗的区域的灰度值得到增强，图像中灰度值过大的区域的灰度值得到降低；经过伽马变换，图像整体的细节表现会得到增强。需要说明的是，伽马变换属于现有技术，具体原理不再赘述。因肺炎的病灶区域呈现磨玻璃状，在伽马变换中可能被认为是噪声区域进而被限制增强，影响了CT图像的增强准确性，故本实施例对肺部的CT图像进行伽马变换的过程进行改进，根据肺部CT图像中不同区域的不同特征，进行自适应的图像增强，提高图像增强的准确性。

首先，获取肺部区域的CT灰度图像；根据CT成像原理可知人体不同组织对射线的吸收程度不同，CT图像中不同组织的灰度也不同，CT拍摄的人体的横截面可分为脂肪肌肉组成的外围区域、外围的骨骼区域、两侧的肺叶部分、血管和气管部分。由于在CT图像中骨骼区域和两侧的肺叶部分占整幅图像的大部分区域，骨骼区域和两侧的肺叶区域灰度差异比较明显，因此可通过K均值聚类算法对肺部的CT图像进行聚类分割，需要说明的是K均值聚类算法是一种迭代求解的聚类算法，可人为确定聚类的簇类数量，在本发明实施例中，因为骨骼区域和两侧的肺叶区域灰度差异比较明显，故可通过K均值聚类算法基于像素点的灰度值聚类为两类，即K值为2，将灰度值相似的像素点作为同一簇类；通过聚类结果可明显地区分出CT图像中的肺部区域以及其他区域，因K均值聚类算法属于现有技术，具体步骤不再赘述。通过阈值分割算法对聚类分割后的CT图像进行分割，能够快速准确地获取肺部区域的图像，需要说明的是，阈值分割算法属于现有技术，具体步骤不再赘述。对获得的肺部区域的图像进行形态学闭运算，填充气管区域得到完整的肺部区域，需要说明的是，形态学闭运算属于现有技术，具体步骤不再赘述，闭运算能够填平前景物体内的小裂缝，而总的位置和形状不变。将完整的肺部区域与原CT图像进行掩模处理获得CT图像的肺部区域的CT灰度图像，如图2示出了一种肺部区域的CT灰度图像示意图。

进一步地，获得了肺部区域的CT灰度图像后，根据CT灰度图像可知，其中存在正常组织区域、气管区域以及可能存在病灶区域，正常区域的灰度值偏小，而气管区域和肺炎的病灶区域灰度值偏大；不同区域之间存在明显的灰度差异，同一区域内的灰度分布相似。因此可根据不同区域之间的灰度差异进行划分，为了能够准确地获得不同的区域，故将CT灰度图像通过预设尺寸窗口划分获得不同的窗口区域，在本发明实施例中，预设尺寸窗口为的尺寸窗口，实施者可根据实施场景自行确定。通过预设尺寸窗口将CT灰度图像分割为多个预设尺寸窗口大小的窗口区域。因肺部区域中不同的区域的灰度特征存在差异，故可根据相邻窗口区域之间的灰度特征获得窗口区域之间的相似程度，具体包括：对于任意一个窗口区域，计算窗口区域与相邻窗口区域的对应像素点的灰度差值的平方值，作为灰度差异表征值；计算灰度差异表征值的平均值并负相关映射，获得相似程度。相似程度的获取公式具体包括：

式中，表示第/>个窗口区域与其相邻的第/>个窗口区域之间的相似程度，/>表示窗口区域内的像素点数量，/>表示第/>个窗口区域第/>个像素点的灰度值，/>表示第/>个窗口区域第/>个像素点的灰度值，/>表示以自然常数为底的指数函数，/>的目的是进行负相关映射；/>为灰度差异表征值。

关于相似程度的获取，当某个窗口区域与其相邻的任意窗口区域之间的灰度差异越小，两个窗口区域之间的相似程度的数值越大，进而意味着两个窗口区域可能在肺部区域中属于同一结构区域，例如二者都属于正常区域或气管区域。进而可根据相似程度获得不同的灰度相似区域，具体包括：遍历CT灰度图像中所有窗口区域，将相似程度大于预设相似阈值的相邻的窗口区域进行合并，CT灰度图像合并完成后获得的所有区域，作为不同的灰度相似区域。在本发明实施例中，预设相似阈值为0.8，实施者可根据实施场景自行确定。当两个相邻的窗口区域的相似程度越大，即灰度特征越相似，则越有可能在肺部区域中属于同一组织结构的区域。因此遍历CT灰度图像，当相邻的两个窗口区域的相似程度大于预设相似阈值，即可进行合并，进而合并的区域其灰度特征相似，属于同一组织结构的可能性较大；当小于预设相似阈值，不进行合并，属于不同组织结构的可能性较大。至此，合并完成后获得的所有区域，作为灰度相似区域，不同的灰度相似区域基础地表征了肺部区域中不同的组织结构。

至此，获得了肺部区域中不同的灰度相似区域，后续可根据灰度相似区域中组织结构的特征进行自适应的图像增强。

特征分析模块S2，用于根据灰度相似区域中的灰度特征获得灰度相似区域的目标区域概率；根据灰度相似区域的目标区域概率、灰度相似区域与相邻灰度相似区域的灰度差异特征，获得灰度相似区域的增强必要程度。

在肺部区域的CT灰度图像中，图像增强的目的是突出肺炎的病灶区域和气管组织区域的特征；根据肺炎的病灶区域的特征可知，病灶区域的磨玻璃状的灰度值处于正常组织和气管组织的灰度值之间，且病灶区域灰度值由中心区域到边缘区域逐渐递减，灰度分布不均匀。而正常组织和气管组织的区域灰度分布较为均匀。但气管组织区域呈现树杈状，而在数据采集模块中，每个灰度相似区域是由矩形的窗口区域构成的，故气管组织区域的灰度相似区域中存在部分的正常组织区域，进而气管组织区域的灰度相似区域的灰度分布存在一定的差异。当某一灰度相似区域中灰度差异较大时，需要进行一定程度上的图像增强，突出该灰度相似区域的细节特征；故可根据灰度相似区域中的灰度特征获得灰度相似区域的目标区域概率，具体包括：计算灰度相似区域中像素点的灰度值极差、灰度值平均值和灰度值方差三者的乘积并进行归一化，获得目标区域概率。

对于目标区域概率的获取，当某灰度相似区域中像素点的灰度值极差、灰度值平均值和灰度值方差越大时，目标区域概率值越大，意味着该灰度相似区域中的灰度差异特征越明显，需要对该灰度相似区域内部进一步图像增强提高对比度；进而该灰度相似区域作为提高图像增强程度的目标区域的概率值越大。故当灰度相似区域的目标区域概率值越大，其图像增强程度越大。

进一步地，在对肺部区域的CT灰度图像整体进行增强时，还需要考虑到不同灰度相似区域之间的灰度差异情况，为了获得较好的图像增强效果，当相邻灰度相似区域之间的对比度越大时，图像增强的程度不需要过大，当相邻灰度相似区域之间的对比度越小时，需要提高图像增强的程度。根据灰度相似区域的目标区域概率、灰度相似区域与相邻灰度相似区域的灰度差异特征，获得灰度相似区域的增强必要程度，具体包括：对于任意一个灰度相似区域，计算灰度相似区域与相邻灰度相似区域的灰度平均值的差值绝对值的最小值，获得邻域灰度差异值，将邻域灰度差异值进行负相关映射，计算目标区域概率和负相关映射后的邻域灰度差异值的乘积并归一化，获得增强必要程度；获得增强必要程度的公式具体包括：

式中，表示灰度相似区域的增强必要程度，/>表示灰度相似区域的目标区域概率，/>表示灰度相似区域与相邻灰度相似区域的灰度平均值的差值绝对值的最小值，也即为邻域灰度差异值。/>为以自然常数为底的指数函数，/>目的是进行负相关映射，/>表示归一化函数。

对于灰度相似区域的增强必要程度的获取，由该灰度相似区域的目标区域概率和与其相邻灰度相似区域获得的邻域灰度差异值计算而得。其中该灰度相似区域的目标区域概率通过内部的灰度差异特征表征需要图像增强的程度；通过邻域灰度差异值能够表征相邻灰度相似区域之间的对比度，当邻域灰度差异值越小，意味着相邻灰度相似区域之间的对比度越小，需要提高该灰度相似区域的图像增强的程度。故当该灰度相似区域的增强必要程度越大，则意味着需要提高图像增强的程度越大；同时有效地抑制了噪声区域的图像增强程度。

至此，通过增强必要程度反映了不同灰度相似区域的图像增强的程度，后续还需要结合灰度相似区域内部的特征情况具体分布不同像素点的增强程度。

图像增强模块S3，用于根据灰度相似区域中像素点的灰度特征获得目标像素点，根据每个目标像素点构成的连通域面积特征获得每个目标像素点的树状区域表征值；根据目标像素点的树状区域表征值和预设第一邻域范围内其他目标像素点的数量特征，获得目标像素点的增强因子；根据增强因子和灰度相似区域的增强必要程度通过伽马变换进行图像增强。

增强必要程度表征了不同灰度相似区域的图像增强的程度，根据增强必要程度能够将病灶区域和周围正常区域有明显的区分，但病灶区域内部的一些细节特征的增强效果并不理想，因此需要在区域增强的基础上根据灰度相似区域内部像素点的灰度特征分析像素点的图像增强情况。因为在肺部区域中病灶区域和气管组织区域比正常组织区域的灰度值偏大，故可根据灰度相似区域中像素点的灰度特征获得目标像素点，具体包括：将灰度相似区域中灰度值最大的像素点作为中心像素点，计算中心像素点与预设第二邻域范围内的其他像素点的灰度差值绝对值，将中心像素点与预设第二邻域范围内的其他像素点的灰度差值绝对值小于预设差值阈值的其他像素点作为基准点；将所述基准点与预设第二邻域范围内的其他像素点的灰度差值绝对值小于预设差值阈值的其他像素点作为基准点，遍历灰度相似区域，获得所有基准点；将灰度值大于对应灰度相似区域的灰度平均值的基准点作为目标像素点，将中心像素点作为目标像素点。

关于目标像素点的获取，在本发明实施例中，预设差值阈值为15，预设第二邻域范围为像素点的八邻域，实施者可根据实施场景自行确定，目标像素点是指在灰度相似区域中灰度值较大但与其八邻域的其他像素点灰度差异较小的像素点。因气管组织和肺炎的病灶区域的特征是其中心区域至其边缘区域的灰度值呈现越来越小的渐变特征，但由于获取的CT灰度图像的图像质量问题，可能存在某像素点灰度值变大的情况，故通过中心像素点与预设第二邻域范围内的其他像素点的灰度差值绝对值小于预设差值阈值的其他像素点作为基准点。因此经过遍历CT灰度图像，最终获得的目标像素点绝大多数为肺炎的病灶区域和气管区域的像素点，为了突出肺部区域肺炎的病灶区域的特征，在图像增强过程中需要对此类目标像素点提高图像增强的程度。

确定了灰度相似区域中的目标像素点后，则需要根据目标像素点周围的特征判断具体需要增强的程度，根据每个目标像素点构成的连通域面积特征获得每个目标像素点的树状区域表征值；根据目标像素点的树状区域表征值和预设第一邻域范围内其他目标像素点的数量特征，获得目标像素点的增强因子，具体包括：对于任意一个目标像素点，将目标像素点与相连的其他目标像素点进行连接构建连通域，计算目标像素点与相连的其他目标像素点所组成的连通域的面积以及连通域对应的凸包面积，计算凸包面积和对应的连通域的面积差值，获得面积差异，计算面积差异与凸包面积的比值，获得树状区域表征值；计算目标像素点的预设第一邻域范围内的其他目标像素点的数量，作为连接数量值；计算树状区域表征值与连接数量值的乘积并归一化，获得增强因子；获取增强因子的具体公式包括：

式中，表示目标像素点的增强因子，/>表示目标像素点所在连通域对应的凸包面积，/>表示目标像素点所在连通域的面积，/>表示目标像素点的预设第一邻域范围内的其他目标像素点的数量，也即为连接数量值。/>表示归一化函数；/>为树状区域表征值。

关于目标像素点的增强因子的获取，因绝大多数目标像素点为病灶区域和气管组织区域，根据肺部区域的CT灰度图像可知，目标像素点会组成不同的连通域，气管组织区域是呈现树杈状，肺炎的病灶区域通常为发炎肿大的气管组织附近的区域，因此可根据像素点的连通域面积和对应的凸包面积的差异情况判断是否是气管组织区域，凸包是一个计算几何图形学中的概念，可以认为是包含目标像素点的连通域中所有目标像素点的范围。因此当树状区域表征值越大，意味着凸包面积和对应连通域面积的差异越大，即树杈状的特征越明显，即为病灶区域或气管组织区域的特征越明显，进而此目标像素点需要图像增强的程度越大。对于连接数量值，对于树杈状的气管组织区域，为了突出图像特征，其节点连接处的增强程度相比气管需要大的增强程度，节点连接处的特征可通过连接数量值表现，当目标像素点的预设邻域范围的其他目标像素点数量越多，意味着该目标像素点为节点连接处的概率越大，在本发明实施例中，预设第一邻域范围为目标像素点的八邻域，实施者可根据实施场景自行确定。至此，当目标像素点在病灶区域或气管组织区域的概率越大，且为树杈状的节点连接处的概率越大，获得的增强因子越大。

获得了灰度相似区域中的目标像素点的增强因子后，则可对肺部区域的CT灰度图像进行自适应地图像增强，故根据灰度相似区域的增强必要程度和像素点的增强因子通过伽马变换进行图像增强，具体包括：对于灰度相似区域中任意一个像素点，进行伽马变换，其中伽马因子为预设数值、像素点的增强因子和像素点对应的灰度相似区域的增强必要程度三者的和值；当像素点不为目标像素点时，像素点对应的增强因子的值为零；对灰度相似区域中每个像素点灰度变换后完成图像增强；其中任意一个像素点的伽马变换的具体公式为：

式中，表示CT灰度图像中第/>个像素点进行伽马变换后的灰度值，/>表示CT灰度图像中第/>个像素点进行伽马变换前的灰度值；/>表示预设数值，在本发明实施例中为1，实施者可根据实施场景自行设定；/>表示CT灰度图像中第/>个像素点对应的灰度相似区域的增强必要程度；/>CT灰度图像中第/>个像素点的增强因子，当第/>个像素点不为目标像素点时，其/>值为零；/>为改进的伽马变换中的伽马因子。

需要说明的是，伽马变换属于现有的图像增强技术，具体步骤不再赘述。如图3示出了肺部区域图像增强后的CT灰度图像示意图，将图2与图3进行对比，当肺部区域的CT灰度图像中像素点为病灶区域或气管组织区域时，对应伽马因子的值更大，其图像增强程度更明显，通过改进后的伽马变换对CT灰度图像进行增强，增强后的肺部区域中的细节特征对比度更高、细节更明显；且对噪声区域进行了抑制。

综上所述，本发明实施例提供了一种儿科感染性炎症检测辅助用CT数据处理系统，首先将肺部区域的CT灰度图像进行划分，根据灰度特征的相似程度获得不同的灰度相似区域。根据灰度相似区域内的灰度特征获得目标区域概率；根据灰度相似区域与相邻灰度相似区域的灰度差异以及目标区域概率获得灰度相似区域的增强必要程度。根据目标像素点的面积特征获得树状区域表征值，根据树状区域表征值和目标像素点的数量获得增强因子。最终根据增强因子和增强必要程度对肺部区域的CT灰度图像进行自适应地图像增强，提高了图像增强的准确性与质量。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (5)

1.一种儿科感染性炎症检测辅助用CT数据处理系统，其特征在于，所述系统包括以下模块：

数据采集模块，用于获取肺部区域的CT灰度图像；将所述CT灰度图像通过预设尺寸窗口划分获得不同的窗口区域，根据相邻窗口区域之间的灰度特征获得窗口区域之间的相似程度，根据所述相似程度获得不同的灰度相似区域；

特征分析模块，用于根据所述灰度相似区域中的灰度特征获得所述灰度相似区域的目标区域概率；根据所述灰度相似区域的所述目标区域概率、所述灰度相似区域与相邻灰度相似区域的灰度差异特征，获得所述灰度相似区域的增强必要程度；

图像增强模块，用于根据所述灰度相似区域中像素点的灰度特征获得目标像素点，根据每个所述目标像素点构成的连通域面积特征获得每个所述目标像素点的树状区域表征值；根据所述目标像素点的所述树状区域表征值和预设第一邻域范围内其他目标像素点的数量特征，获得目标像素点的增强因子；根据所述增强因子和所述灰度相似区域的所述增强必要程度通过伽马变换进行图像增强；

所述根据所述增强因子和所述灰度相似区域的所述增强必要程度通过伽马变换进行图像增强的步骤包括：

对于所述灰度相似区域中任意一个像素点，进行伽马变换，其中伽马因子为预设数值、像素点的所述增强因子和像素点对应的所述灰度相似区域的所述增强必要程度三者的和值；当像素点不为所述目标像素点时，像素点对应的所述增强因子的值为零；对所述灰度相似区域中每个像素点灰度变换后完成图像增强；

所述获得所述灰度相似区域的增强必要程度的步骤包括：

对于任意一个所述灰度相似区域，计算所述灰度相似区域与相邻灰度相似区域的灰度平均值的差值绝对值的最小值，获得邻域灰度差异值，将所述邻域灰度差异值进行负相关映射，计算所述目标区域概率和负相关映射后的所述邻域灰度差异值的乘积并归一化，获得所述增强必要程度；

所述根据每个所述目标像素点构成的连通域面积特征获得每个所述目标像素点的树状区域表征值的步骤包括：

对于任意一个所述目标像素点，将所述目标像素点与相连的其他目标像素点进行连接构建连通域，计算所述目标像素点与相连的其他目标像素点所组成的连通域的面积以及所述连通域对应的凸包面积，计算所述凸包面积和对应的所述连通域的面积差值，获得面积差异，计算所述面积差异与所述凸包面积的比值，获得树状区域表征值；

所述获得目标像素点的增强因子的步骤包括：

对于任意一个所述目标像素点，计算所述目标像素点的预设第一邻域范围内的其他目标像素点的数量，作为连接数量值；计算所述树状区域表征值与所述连接数量值的乘积并归一化，获得所述增强因子。

2.根据权利要求1所述的一种儿科感染性炎症检测辅助用CT数据处理系统，其特征在于，所述根据相邻窗口区域之间的灰度特征获得窗口区域之间的相似程度的步骤包括：

对于任意一个所述窗口区域，计算所述窗口区域与相邻窗口区域的对应像素点的灰度差值的平方值，作为灰度差异表征值；计算所述灰度差异表征值的平均值并负相关映射，获得所述相似程度。

3.根据权利要求1所述的一种儿科感染性炎症检测辅助用CT数据处理系统，其特征在于，所述根据所述相似程度获得不同的灰度相似区域的步骤包括：

遍历所述CT灰度图像中所有窗口区域，将所述相似程度大于预设相似阈值的相邻的窗口区域进行合并，所述CT灰度图像合并完成后获得的所有区域，作为不同的所述灰度相似区域。

4.根据权利要求1所述的一种儿科感染性炎症检测辅助用CT数据处理系统，其特征在于，所述根据所述灰度相似区域中的灰度特征获得所述灰度相似区域的目标区域概率的步骤包括：

计算所述灰度相似区域中像素点的灰度值极差、灰度值平均值和灰度值方差三者的乘积并进行归一化，获得所述目标区域概率。

5.根据权利要求1所述的一种儿科感染性炎症检测辅助用CT数据处理系统，其特征在于，所述根据所述灰度相似区域中像素点的灰度特征获得目标像素点的步骤包括：

将所述灰度相似区域中灰度值最大的像素点作为中心像素点，计算中心像素点与预设第二邻域范围内的其他像素点的灰度差值绝对值，将中心像素点与预设第二邻域范围内的其他像素点的灰度差值绝对值小于预设差值阈值的其他像素点作为基准点；将所述基准点与预设第二邻域范围内的其他像素点的灰度差值绝对值小于预设差值阈值的其他像素点作为基准点，遍历所述灰度相似区域，获得所有基准点；

将灰度值大于对应灰度相似区域的灰度平均值的基准点作为目标像素点，将所述中心像素点作为目标像素点。