CN117689574B - 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 - Google Patents
一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 Download PDFInfo
- Publication number
- CN117689574B CN117689574B CN202410155194.6A CN202410155194A CN117689574B CN 117689574 B CN117689574 B CN 117689574B CN 202410155194 A CN202410155194 A CN 202410155194A CN 117689574 B CN117689574 B CN 117689574B
- Authority
- CN
- China
- Prior art keywords
- filtering
- pixel point
- neighborhood
- preset
- candidate
- 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
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 142
- 238000011282 treatment Methods 0.000 title claims abstract description 29
- 238000007674 radiofrequency ablation Methods 0.000 title claims abstract description 27
- 238000003745 diagnosis Methods 0.000 title claims abstract description 26
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 554
- 238000012216 screening Methods 0.000 claims abstract description 7
- 230000000875 corresponding effect Effects 0.000 claims description 449
- 238000000034 method Methods 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 23
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 35
- 238000012545 processing Methods 0.000 description 21
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000011297 radiofrequency ablation treatment Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及图像去噪增强技术领域,具体涉及一种用于肿瘤射频消融诊疗定位的医疗影像处理方法,该方法包括:获取待定位肿瘤图像,并根据非局部均值滤波算法,对待定位肿瘤图像进行第一次滤波;确定每个像素点对应的滤波前和第一次滤波后的噪声表现程度;确定每个像素点对应的二次滤波必要因子、二次滤波最终指标和二次滤波评判系数;从待定位肿瘤图像中筛选出二次滤波评判系数大于预设评判阈值的像素点;根据非局部均值滤波算法,对每个候选像素点在第一次滤波的基础上进行自适应次数的滤波,并将最终滤波完成的待定位肿瘤图像,作为目标增强图像。本发明提高了图像去噪效果和图像增强效果,从而提高了肿瘤射频消融诊疗定位的准确度。
Description
技术领域
本发明涉及图像去噪增强技术领域,具体涉及一种用于肿瘤射频消融诊疗定位的医疗影像处理方法。
背景技术
随着科技的发展,图像增强技术的应用越来越广泛,比如,可以应用于肿瘤射频消融诊疗定位,通过图像去噪实现图像增强是一种较为常见的图像增强技术。目前,对图像进行去噪增强时,通常采用的方法为:通过非局部均值滤波算法,对图像进行去噪,以实现对图像的增强。
然而,当通过非局部均值滤波算法,对肿瘤图像进行去噪时,经常会存在如下技术问题:
往往是通过非局部均值滤波算法,对肿瘤图像中所有像素点进行了相同次数的滤波处理,一般为一次,然而,由于不同像素点对应的特征往往不同,所以对特征不同的像素点进行相同次数的滤波处理时,可能会导致有些像素点的滤波处理不足,有些像素点的滤波处理过度,从而导致图像去噪效果较差,进而导致图像增强效果较差,从而导致肿瘤射频消融诊疗定位的准确度较差。
发明内容
为了解决图像去噪效果较差的技术问题,本发明提出了一种用于肿瘤射频消融诊疗定位的医疗影像处理方法。
本发明提供了一种用于肿瘤射频消融诊疗定位的医疗影像处理方法,该方法包括:
获取待定位肿瘤图像,并根据非局部均值滤波算法,对所述待定位肿瘤图像进行第一次滤波;
根据所述待定位肿瘤图像中的每个像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的灰度值,以及每个像素点对应的预设邻域内预设方向处滤波前和第一次滤波后的灰度变化分布,确定每个像素点对应的滤波前和第一次滤波后的噪声表现程度;
根据每个像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的噪声表现程度,确定每个像素点对应的二次滤波必要因子;
根据每个像素点对应的预设数量个邻域块内像素点对应的滤波前和第一次滤波后的噪声表现程度,以及每个像素点对应的二次滤波必要因子,确定每个像素点对应的二次滤波最终指标;
根据每个像素点对应的二次滤波最终指标和第一次滤波后的噪声表现程度,确定每个像素点对应的二次滤波评判系数;
从所述待定位肿瘤图像中筛选出二次滤波评判系数大于预设评判阈值的像素点,作为候选像素点;
根据非局部均值滤波算法,对每个候选像素点在第一次滤波的基础上进行自适应次数的滤波,并将最终滤波完成的待定位肿瘤图像,作为目标增强图像。
可选地,所述根据所述待定位肿瘤图像中的每个像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的灰度值,以及每个像素点对应的预设邻域内预设方向处滤波前和第一次滤波后的灰度变化分布,确定每个像素点对应的滤波前和第一次滤波后的噪声表现程度,包括:
将所述待定位肿瘤图像中任意一个像素点,确定为标记像素点,作直线方向为所述预设方向的直线,记为目标直线;
滑动目标直线,将目标直线在滑动过程中与所述标记像素点对应的预设邻域相交产生的所有交线段,构成所述标记像素点对应的交线段集合;
将每个交线段上每相邻两个像素点对应的滤波前的灰度值的差值,确定为初始灰度差异,得到每个交线段对应的初始灰度差异序列;
对每个交线段对应的初始灰度差异序列进行分段,得到每个交线段对应的子序列组,其中,子序列组中同一个子序列内的初始灰度差异的正负性相同,子序列组中相邻两个子序列内的初始灰度差异的正负性不同;
将所述标记像素点对应的交线段集合中每个交线段对应的子序列组中子序列的数量,确定为每个交线段对应的灰度变化数量,得到所述标记像素点对应的灰度变化数量集合,其中,灰度变化数量集合表征灰度变化分布;
根据所述标记像素点对应的灰度变化数量集合,以及所述标记像素点与其对应的预设邻域内所有邻域像素点对应的滤波前的灰度值,确定所述标记像素点对应的滤波前的噪声表现程度;
同理,确定所述标记像素点对应的第一次滤波后的噪声表现程度。
可选地,根据所述标记像素点对应的灰度变化数量集合,以及所述标记像素点与其对应的预设邻域内所有邻域像素点对应的滤波前的灰度值,确定所述标记像素点对应的滤波前的噪声表现程度,包括:
根据所述标记像素点对应的灰度变化数量集合中所有灰度变化数量的累加值、所述标记像素点对应的预设邻域内所有邻域像素点对应的滤波前的灰度值的累加值、以及所述标记像素点对应的灰度值,确定所述标记像素点对应的滤波前的噪声表现程度,其中,所述标记像素点对应的灰度变化数量集合中所有灰度变化数量的累加值、其对应的预设邻域内所有邻域像素点对应的滤波前的灰度值的累加值、以及其对应的灰度值均与其对应的滤波前的噪声表现程度呈正相关。
可选地,像素点对应的二次滤波必要因子对应的公式为:
;其中,/>是待定位肿瘤图像中第x个像素点对应的二次滤波必要因子;x是待定位肿瘤图像中像素点的序号;是以自然常数为底的指数函数;n是预设邻域内邻域像素点的序号;N是预设邻域内邻域像素点的数量;/>是取绝对值函数;/>是待定位肿瘤图像中第x个像素点对应的预设邻域内第n个邻域像素点对应的滤波前的噪声表现程度;/>是待定位肿瘤图像中第x个像素点对应的预设邻域内第n个邻域像素点对应的第一次滤波后的噪声表现程度;/>是预先设置的大于0的因子。
可选地,像素点对应的二次滤波最终指标对应的公式为:
;其中,/>是待定位肿瘤图像中第x个像素点对应的二次滤波最终指标;x是待定位肿瘤图像中像素点的序号;/>是待定位肿瘤图像中第x个像素点对应的二次滤波必要因子;是以自然常数为底的指数函数;A是预设数量;a是取值范围为[1,A];/>是待定位肿瘤图像中第x个像素点对应的第a个邻域块内像素点的数量;i是待定位肿瘤图像中第x个像素点对应的第a个邻域块内像素点的序号;/>是取绝对值函数;/>是待定位肿瘤图像中第x个像素点对应的第a个邻域块内第i个像素点对应的滤波前的噪声表现程度;/>是待定位肿瘤图像中第x个像素点对应的第a个邻域块内第i个像素点对应的第一次滤波后的噪声表现程度;/>是预先设置的大于0的因子。
可选地,所述根据每个像素点对应的二次滤波最终指标和第一次滤波后的噪声表现程度,确定每个像素点对应的二次滤波评判系数,包括:
对每个像素点对应的二次滤波最终指标和第一次滤波后的噪声表现程度的乘积进行归一化,得到每个像素点对应的二次滤波评判系数。
可选地,所述根据非局部均值滤波算法,对每个候选像素点在第一次滤波的基础上进行自适应次数的滤波,包括:
根据所述待定位肿瘤图像中所有像素点对应的第一次滤波后的灰度值,通过非局部均值滤波算法,对所述待定位肿瘤图像中的所有候选像素点进行第二次滤波;
根据每个候选像素点对应的第二次滤波后的灰度值,确定每个候选像素点对应的三次滤波评判系数;
当候选像素点对应的三次滤波评判系数大于预设评判阈值时,根据候选像素点对应的第二次滤波后的灰度值,通过非局部均值滤波算法,对候选像素点进行第三次滤波,并根据候选像素点对应的第三次滤波后的灰度值,确定候选像素点对应的四次滤波评判系数;当候选像素点对应的四次滤波评判系数大于预设评判阈值时,根据候选像素点对应的第三次滤波后的灰度值,通过非局部均值滤波算法,对候选像素点进行第四次滤波,并根据候选像素点对应的第四次滤波后的灰度值,确定候选像素点对应的五次滤波评判系数;以此类推,直至候选像素点对应的最新确定的滤波评判系数小于或等于预设评判阈值。
可选地,所述根据每个候选像素点对应的第二次滤波后的灰度值,确定每个候选像素点对应的三次滤波评判系数,包括:
根据候选像素点对应的第二次滤波后的灰度值,确定候选像素点对应的第二次滤波后的噪声表现程度;
根据候选像素点对应的第二次滤波后的噪声表现程度与其对应的预设邻域内所有邻域像素点对应的滤波前和第二次滤波后的噪声表现程度,确定候选像素点对应的三次滤波必要因子;
根据候选像素点对应的预设数量个邻域块内像素点对应的滤波前和第二次滤波后的噪声表现程度,以及候选像素点对应的三次滤波必要因子,确定候选像素点对应的三次滤波最终指标;
根据候选像素点对应的三次滤波最终指标和第二次滤波后的噪声表现程度,确定候选像素点对应的三次滤波评判系数。
可选地,所述根据候选像素点对应的预设数量个邻域块内像素点对应的滤波前和第二次滤波后的噪声表现程度,以及候选像素点对应的三次滤波必要因子,确定候选像素点对应的三次滤波最终指标,包括:
从所述待定位肿瘤图像中筛选出二次滤波评判系数小于或等于预设评判阈值的像素点,作为参考像素点;
根据候选像素点对应的预设数量个邻域块内参考像素点对应的滤波前和第二次滤波后的噪声表现程度,以及候选像素点对应的三次滤波必要因子,确定候选像素点对应的三次滤波最终指标。
可选地,候选像素点对应的三次滤波最终指标对应的公式为:
;其中,/>是第t个候选像素点对应的三次滤波最终指标;t是候选像素点的序号;/>是第t个候选像素点对应的三次滤波必要因子;/>是以自然常数为底的指数函数;A是预设数量;a是取值范围为[1,A];j是第t个候选像素点对应的第a个邻域块内参考像素点的序号;/>是第t个候选像素点对应的第a个邻域块内参考像素点的数量;/>是取绝对值函数;是第t个候选像素点对应的第a个邻域块内第j个参考像素点对应的滤波前的噪声表现程度;/>是第t个候选像素点对应的第a个邻域块内第j个参考像素点对应的第二次滤波后的噪声表现程度;/>是预先设置的大于0的因子。
本发明具有如下有益效果:
本发明的一种用于肿瘤射频消融诊疗定位的医疗影像处理方法,解决了图像去噪效果较差的技术问题,提高了图像去噪效果,进而提高了图像增强效果,从而提高了肿瘤射频消融诊疗定位的准确度。首先,基于非局部均值滤波算法,对待定位肿瘤图像进行第一次滤波,可以实现对待定位肿瘤图像中的每个像素点进行一次滤波。然后,由于噪声点对应的灰度值与其预设邻域内的灰度变化分布规律,往往与其他像素点不同,所以基于像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的灰度值,以及像素点对应的预设邻域内预设方向处滤波前和第一次滤波后的灰度变化分布,可以量化像素点对应的滤波前和第一次滤波后的噪声表现程度可以表征像素点的噪声可能程度,其值越大,越可能是需要进行多次滤波的噪声程度较大的像素点。接着,综合考虑噪声表现程度和二次滤波必要因子,量化的像素点对应的二次滤波最终指标越大,往往说明该像素点在第一次滤波后还存在一定程度的噪声,往往说明该像素点越需要进行第二次滤波。继续,综合考虑二次滤波最终指标和第一次滤波后的噪声表现程度,量化的像素点对应的二次滤波评判系数可以用于评判该像素点是否需要进行第二次滤波。之后,从待定位肿瘤图像中筛选出的二次滤波评判系数大于预设评判阈值的像素点往往是需要进行至少两次滤波的存在较大噪声的像素点。而后,基于非局部均值滤波算法,对每个候选像素点在第一次滤波的基础上进行自适应次数的滤波,相较于对所有像素点进行相同次数的滤波处理,本发明通过量化多个与滤波次数相关的特征,比如,噪声表现程度、二次滤波必要因子、二次滤波最终指标和二次滤波评判系数等,实现了对特征不同的像素点进行自适应次数的滤波处理,从而可以在一定程度上避免有些像素点的滤波处理不足,而有些像素点的滤波处理过度,进而可以提高像素点的去噪效果,从而可以提高肿瘤射频消融诊疗定位的准确度。最后,将最终滤波完成的待定位肿瘤图像,作为目标增强图像,实现了图像增强。
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为本发明的一种用于肿瘤射频消融诊疗定位的医疗影像处理方法的流程图。
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技术方案的具体实施方式、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”指的不一定是同一个实施例。此外,一个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。
本发明提供了一种用于肿瘤射频消融诊疗定位的医疗影像处理方法,该方法包括以下步骤:
获取待定位肿瘤图像,并根据非局部均值滤波算法,对待定位肿瘤图像进行第一次滤波;
根据待定位肿瘤图像中的每个像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的灰度值,以及每个像素点对应的预设邻域内预设方向处滤波前和第一次滤波后的灰度变化分布,确定每个像素点对应的滤波前和第一次滤波后的噪声表现程度;
根据每个像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的噪声表现程度,确定每个像素点对应的二次滤波必要因子;
根据每个像素点对应的预设数量个邻域块内像素点对应的滤波前和第一次滤波后的噪声表现程度,以及每个像素点对应的二次滤波必要因子,确定每个像素点对应的二次滤波最终指标;
根据每个像素点对应的二次滤波最终指标和第一次滤波后的噪声表现程度,确定每个像素点对应的二次滤波评判系数;
从待定位肿瘤图像中筛选出二次滤波评判系数大于预设评判阈值的像素点,作为候选像素点;
根据非局部均值滤波算法,对每个候选像素点在第一次滤波的基础上进行自适应次数的滤波,并将最终滤波完成的待定位肿瘤图像,作为目标增强图像。
下面对上述各个步骤进行详细展开:
参考图1,示出了根据本发明的一种用于肿瘤射频消融诊疗定位的医疗影像处理方法的一些实施例的流程。该用于肿瘤射频消融诊疗定位的医疗影像处理方法,包括以下步骤:
步骤S1,获取待定位肿瘤图像,并根据非局部均值滤波算法,对待定位肿瘤图像进行第一次滤波。
在一些实施例中,可以获取待定位肿瘤图像,并根据非局部均值滤波算法,对上述待定位肿瘤图像进行第一次滤波。
其中,待定位肿瘤图像可以是待定位肿瘤的灰度图像。待定位肿瘤可以是进行射频消融诊疗时需要进行定位的肿瘤。射频消融诊疗可以是通过射频消融技术进行的诊疗。
需要说明的是,由于待定位肿瘤图像中往往包含肿瘤相关信息,所以获取待定位肿瘤图像,可以便于后续对待定位肿瘤图像进行去噪,以实现对待定位肿瘤图像的增强,从而可以提高图像质量,进而可以便于后续进行肿瘤射频消融诊疗定位,其中,伪影噪声是肿瘤图像中比较常见的一种噪声。伪影噪声又称伪影。其次,基于非局部均值滤波算法,对待定位肿瘤图像进行第一次滤波,可以实现对待定位肿瘤图像中的每个像素点进行一次滤波。
作为示例,本步骤可以包括以下步骤:
第一步,通过X射线设备,采集待定位肿瘤区域的影像,作为初始影像,对初始影像进行灰度化,并将灰度化后的初始影像,作为待定位肿瘤图像。
第二步,通过非局部均值滤波算法,对待定位肿瘤图像进行滤波处理,并将这次滤波处理,记为对待定位肿瘤图像的第一次滤波,此时,待定位肿瘤图像中所有像素点均进行了一次滤波,此时所有像素点对应的最新滤波均为第一次滤波。
需要说明的是,根据非局部均值滤波算法,对每个像素点进行去噪可以包括以下子步骤:
第一子步骤,以该像素点为中心,建立像素块,作为该像素点的参考块。
第二子步骤,通过非局部均值滤波算法,在整张图像中搜索与参考块相似的像素块,这些像素块,称为邻域块,其中,分块对应位置灰度差小。
第三子步骤,计算参考块与每个邻域块之间的滤波权重,通常使用高斯函数或指数函数,距离越近的像素块权重越大。
第四子步骤,根据滤波权重对邻域块进行加权平均得到每个参考块的滤波结果。
第五子步骤,依据像素点的滤波结果,实现对像素点的滤波。
步骤S2,根据待定位肿瘤图像中的每个像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的灰度值,以及每个像素点对应的预设邻域内预设方向处滤波前和第一次滤波后的灰度变化分布,确定每个像素点对应的滤波前和第一次滤波后的噪声表现程度。
在一些实施例中,可以根据上述待定位肿瘤图像中的每个像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的灰度值,以及每个像素点对应的预设邻域内预设方向处滤波前和第一次滤波后的灰度变化分布,确定每个像素点对应的滤波前和第一次滤波后的噪声表现程度。
其中,预设邻域可以是预先设置的邻域。例如,预设邻域可以是5×5的邻域。像素点可以位于其对应的预设邻域的中心。邻域像素点也就是预设邻域内的像素点。像素点对应的滤波前的灰度值,也就是该像素点在待定位肿瘤图像中的灰度值。需要说明的是,本发明实施例中记载的“滤波前”,在没有特殊说明的情况下均指第一次滤波前。像素点对应的第一次滤波后的灰度值,也就是对该像素点进行第一次滤波后的灰度值。预设方向可以是预先设置的方向。例如,预设方向可以是水平方向或竖直方向。
需要说明的是,由于噪声点对应的灰度值与其预设邻域内的灰度变化分布规律,往往与其他像素点不同,所以基于像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的灰度值,以及像素点对应的预设邻域内预设方向处滤波前和第一次滤波后的灰度变化分布,可以量化像素点对应的滤波前和第一次滤波后的噪声表现程度可以表征像素点的噪声可能程度,其值越大,越可能是需要进行多次滤波的噪声程度较大的像素点。
作为示例,本步骤可以包括以下步骤:
第一步,将上述待定位肿瘤图像中任意一个像素点,确定为标记像素点,作直线方向为上述预设方向的直线,记为目标直线。
例如,当预设方向为水平方向时,目标直线可以为水平横线。
第二步,滑动目标直线,将目标直线在滑动过程中与上述标记像素点对应的预设邻域相交产生的所有交线段,构成上述标记像素点对应的交线段集合。
其中,交线段可以是目标直线与预设邻域相交时产生的线段。
例如,当目标直线为水平横线时,每个交线段代表预设邻域内的一行像素点,此时标记像素点对应的交线段集合中的每个交线段,也就是标记像素点对应的预设邻域内的每一行像素点;此时交线段集合中交线段的数量等于预设邻域的行数。
第三步,将每个交线段上每相邻两个像素点对应的滤波前的灰度值的差值,确定为初始灰度差异,得到每个交线段对应的初始灰度差异序列。
其中,相邻两个像素点对应的滤波前的灰度值的差值可以等于后一个像素点对应的滤波前的灰度值减去前一个像素点对应的滤波前的灰度值。
例如,若某个交线段上所有像素点对应的滤波前的灰度值依次为100、101、103、101和104,则该交线段对应的初始灰度差异序列可以为{1,2,-2,3}。
第四步,对每个交线段对应的初始灰度差异序列进行分段,得到每个交线段对应的子序列组。
其中,子序列组中同一个子序列内的初始灰度差异的正负性相同。子序列组中相邻两个子序列内的初始灰度差异的正负性不同。当两个初始灰度差异均为正数、负数或0时,可以认为这两个初始灰度差异的正负性相同,除此之外,可以认为这两个初始灰度差异的正负性不同。
例如,若某个交线段对应的初始灰度差异序列为{1,2,-2,0},则该交线段对应的子序列组可以包括3个子序列,分别可以为{1,2}、{-2}和{0}。
第五步,将上述标记像素点对应的交线段集合中每个交线段对应的子序列组中子序列的数量,确定为每个交线段对应的灰度变化数量,得到上述标记像素点对应的灰度变化数量集合。
其中,标记像素点对应的灰度变化数量集合可以包括:标记像素点对应的交线段集合中所有交线段对应的灰度变化数量。由于灰度变化数量可以表征灰度变化情况,所以灰度变化数量集合可以表征灰度变化分布,故标记像素点对应的灰度变化数量集合可以表征在标记像素点对应的预设邻域内的预设方向处滤波前的灰度变化分布。
第六步,根据上述标记像素点对应的灰度变化数量集合,以及上述标记像素点与其对应的预设邻域内所有邻域像素点对应的滤波前的灰度值,确定上述标记像素点对应的滤波前的噪声表现程度。
例如,可以根据上述标记像素点对应的灰度变化数量集合中所有灰度变化数量的累加值、上述标记像素点对应的预设邻域内所有邻域像素点对应的滤波前的灰度值的累加值、以及上述标记像素点对应的灰度值,确定上述标记像素点对应的滤波前的噪声表现程度。其中,上述标记像素点对应的灰度变化数量集合中所有灰度变化数量的累加值、其对应的预设邻域内所有邻域像素点对应的滤波前的灰度值的累加值、以及其对应的灰度值均可以与其对应的滤波前的噪声表现程度呈正相关。
比如,确定像素点对应的滤波前的噪声表现程度对应的公式可以为:
;其中,/>是待定位肿瘤图像中第x个像素点对应的滤波前的噪声表现程度。x是待定位肿瘤图像中像素点的序号。/>是待定位肿瘤图像中第x个像素点对应的滤波前的灰度值。H是待定位肿瘤图像中所有像素点对应的滤波前的灰度值的均值。/>是待定位肿瘤图像中第x个像素点对应的灰度变化数量集合中所有灰度变化数量的累加值。n是预设邻域内邻域像素点的序号。N是预设邻域内邻域像素点的数量。是待定位肿瘤图像中第x个像素点对应的预设邻域内第n个邻域像素点对应的滤波前的灰度值。
需要说明的是,伪影噪声区域内的像素点对应的灰度值往往相对较大,并且灰度变化程度往往相对较高。其中,伪影噪声区域又称伪影区域。当越大时,往往说明第x个像素点对应的滤波前的灰度值越大,往往说明第x个像素点越可能是位于伪影噪声区域内的像素点。当/>越大时,往往说明第x个像素点对应的预设邻域内的灰度值相对越大,往往说明第x个像素点越可能是位于伪影噪声区域内的像素点。当/>越大时,往往说明第x个像素点周围在预设方向处滤波前的灰度变化次数越多,往往说明第x个像素点周围在预设方向处滤波前的灰度变化程度相对越高,往往说明第x个像素点越可能是位于伪影噪声区域内的像素点。因此,当/>越大时,往往说明第x个像素点越可能是位于伪影噪声区域内的像素点,往往说明第x个像素点越表现为噪声。
第七步,同理,确定上述标记像素点对应的第一次滤波后的噪声表现程度。
例如,参考滤波前的噪声表现程度的确定方法,确定像素点对应的第一次滤波后的噪声表现程度的方法可以为:将像素点对应的第一次滤波后的灰度值,作为其对应的滤波前的灰度值,执行步骤S2包括的作为示例包括的第一步至第六步,得到的噪声表现程度,即为该像素点对应的第一次滤波后的噪声表现程度。
步骤S3,根据每个像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的噪声表现程度,确定每个像素点对应的二次滤波必要因子。
在一些实施例中,可以根据每个像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的噪声表现程度,确定每个像素点对应的二次滤波必要因子。
需要说明的是,由于第一次滤波前后的噪声表现程度往往与是否需要进行第二次滤波有关,所以基于像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的噪声表现程度,量化的像素点对应的二次滤波必要因子越大,往往说明该像素点在第一次滤波后还存在一定程度的噪声,往往说明该像素点越需要进行第二次滤波。
作为示例,确定像素点对应的二次滤波必要因子对应的公式可以为:
;其中,/>是待定位肿瘤图像中第x个像素点对应的二次滤波必要因子。x是待定位肿瘤图像中像素点的序号。是以自然常数为底的指数函数。n是预设邻域内邻域像素点的序号。N是预设邻域内邻域像素点的数量。/>是取绝对值函数。/>是待定位肿瘤图像中第x个像素点对应的预设邻域内第n个邻域像素点对应的滤波前的噪声表现程度。/>是待定位肿瘤图像中第x个像素点对应的预设邻域内第n个邻域像素点对应的第一次滤波后的噪声表现程度。/>是预先设置的大于0的因子,主要用于防止分母为0,例如,/>可以为0.01。
需要说明的是,当大时,往往说明第n个邻域像素点在第一次滤波后的滤波效果相对越好。所以当/>越大时,往往说明第x个像素点对应的预设邻域在第一次滤波后的滤波效果相对越好,往往说明第x个像素点周围在第一次滤波后越可能不存在伪影噪声,往往说明对第x个像素点进行第一次滤波后越可能已经达到较好的滤波效果,往往说明越不需要对第x个像素点进行第二次滤波处理。因此,当/>越大时,往往说明第x个像素点对应的预设邻域的滤波效果较差,往往说明第x个像素点周围越可能存在伪影噪声,往往说明其邻域块内越可能存在伪影噪声,往往说明越需要对第x个像素点进行下一次滤波处理。
步骤S4,根据每个像素点对应的预设数量个邻域块内像素点对应的滤波前和第一次滤波后的噪声表现程度,以及每个像素点对应的二次滤波必要因子,确定每个像素点对应的二次滤波最终指标。
在一些实施例中,可以根据每个像素点对应的预设数量个邻域块内像素点对应的滤波前和第一次滤波后的噪声表现程度,以及每个像素点对应的二次滤波必要因子,确定每个像素点对应的二次滤波最终指标。
其中,预设数量可以是预先设置的数量。例如,预设数量可以是6。像素点对应的预设数量个邻域块,也就是在非局部均值滤波算法中,该像素点的预设数量个邻域块。
需要说明的是,综合考虑噪声表现程度和二次滤波必要因子,量化的像素点对应的二次滤波最终指标越大,往往说明该像素点在第一次滤波后还存在一定程度的噪声,往往说明该像素点越需要进行第二次滤波。
作为示例,确定像素点对应的二次滤波最终指标对应的公式可以为:
;其中,/>是待定位肿瘤图像中第x个像素点对应的二次滤波最终指标。x是待定位肿瘤图像中像素点的序号。/>是待定位肿瘤图像中第x个像素点对应的二次滤波必要因子。是以自然常数为底的指数函数。A是预设数量。a是取值范围为[1,A]。/>是待定位肿瘤图像中第x个像素点对应的第a个邻域块内像素点的数量。i是待定位肿瘤图像中第x个像素点对应的第a个邻域块内像素点的序号。/>是取绝对值函数。/>是待定位肿瘤图像中第x个像素点对应的第a个邻域块内第i个像素点对应的滤波前的噪声表现程度。/>是待定位肿瘤图像中第x个像素点对应的第a个邻域块内第i个像素点对应的第一次滤波后的噪声表现程度。/>是预先设置的大于0的因子,主要用于防止分母为0,例如,/>可以为0.01。
需要说明的是,像素点的邻域块内像素点的滤波效果越差,说明该像素点的邻域块内存在噪声的可能性越大,那么与其邻域块拥有相似特征的像素点的参考块之内存在伪影噪声的可能性也就越大,所以该像素点同样需要更多次的滤波来实现去噪,对应其最终的滤波必要性也就越大。可以表征第x个像素点对应的多个邻域块内像素点在第一次滤波后的滤波效果,其值越大,往往说明第x个像素点对应的多个邻域块内像素点在第一次滤波后的滤波效果相对越好,往往说明邻域块属于伪影噪声区域的可能性越小,那么与邻域块拥有相似特征的像素点的参考块内属于伪影噪声区域的可能性也就越小,那么第x个像素点就会需要相对越少的滤波次数,第x个像素点的最终的滤波必要性相对也就越小。当/>越大时,往往说明第x个像素点对应的预设邻域的滤波效果较差,往往说明第x个像素点周围越可能存在伪影噪声,往往说明其邻域块内越可能存在伪影噪声,往往说明越需要对第x个像素点进行下一次滤波处理。因此,当越大时,往往说明第x个像素点越需要进行第二次滤波处理。
步骤S5,根据每个像素点对应的二次滤波最终指标和第一次滤波后的噪声表现程度,确定每个像素点对应的二次滤波评判系数。
在一些实施例中,可以根据每个像素点对应的二次滤波最终指标和第一次滤波后的噪声表现程度,确定每个像素点对应的二次滤波评判系数。
其中,二次滤波评判系数可以用于评判是否需要进行第二次滤波的滤波评判系数。
需要说明的是,综合考虑二次滤波最终指标和第一次滤波后的噪声表现程度,量化的像素点对应的二次滤波评判系数可以用于评判该像素点是否需要进行第二次滤波,其值越大,往往说明该像素点越需要进行第二次滤波。
作为示例,可以对每个像素点对应的二次滤波最终指标和第一次滤波后的噪声表现程度的乘积进行归一化,得到每个像素点对应的二次滤波评判系数。
例如,确定像素点对应的二次滤波评判系数对应的公式可以为:
;其中,/>是待定位肿瘤图像中第x个像素点对应的二次滤波评判系数。x是待定位肿瘤图像中像素点的序号。/>是归一化函数。/>是待定位肿瘤图像中第x个像素点对应的第一次滤波后的噪声表现程度。/>是待定位肿瘤图像中第x个像素点对应的二次滤波最终指标。
需要说明的是,当越大时,往往说明第x个像素点越需要进行第二次滤波处理。当/>越大时,往往说明第x个像素点在第一次滤波处理后越表现为噪声,往往说明越需要对其进行第二次滤波处理。因此,当/>越大时,往往说明第x个像素点越需要进行第二次滤波处理。
步骤S6,从待定位肿瘤图像中筛选出二次滤波评判系数大于预设评判阈值的像素点,作为候选像素点。
在一些实施例中,可以从上述待定位肿瘤图像中筛选出二次滤波评判系数大于预设评判阈值的像素点,作为候选像素点。
其中,预设评判阈值可以是预先设置的阈值。例如,预设评判阈值可以是0.8。
需要说明的是,待定位肿瘤图像中除了候选像素点之外的像素点往往是判定为已达到合适滤波效果的像素点,其滤波效果认为已经比较好,不需再进行下一次的滤波。候选像素点往往是进行当前滤波后,还需要进行下一次滤波的像素点。其次,此时通过步骤S6筛选出的候选像素点是需要进行第二次滤波的像素点,即从待定位肿瘤图像中筛选出的二次滤波评判系数大于预设评判阈值的像素点往往是需要进行至少两次滤波的存在较大噪声的像素点。待定位肿瘤图像中除了步骤S6筛选出的候选像素点之外的像素点只需进行一次滤波,这些像素点对应的最新滤波后的指标均为其对应的第一次滤波后的指标。
步骤S7,根据非局部均值滤波算法,对每个候选像素点在第一次滤波的基础上进行自适应次数的滤波,并将最终滤波完成的待定位肿瘤图像,作为目标增强图像。
在一些实施例中,可以根据非局部均值滤波算法,对每个候选像素点在第一次滤波的基础上进行自适应次数的滤波,并将最终滤波完成的待定位肿瘤图像,作为目标增强图像,实现了图像的去噪和增强。
作为示例,本步骤可以包括以下步骤:
第一步,根据上述待定位肿瘤图像中所有像素点对应的第一次滤波后的灰度值,通过非局部均值滤波算法,对上述待定位肿瘤图像中的所有候选像素点进行第二次滤波。
第二步,根据每个候选像素点对应的第二次滤波后的灰度值,确定每个候选像素点对应的三次滤波评判系数可以包括以下子步骤:
第一子步骤,根据候选像素点对应的第二次滤波后的灰度值,确定候选像素点对应的第二次滤波后的噪声表现程度。
比如,参考滤波前的噪声表现程度的确定方法,确定候选像素点对应的第二次滤波后的噪声表现程度的方法可以为:将候选像素点作为像素点,将候选像素点和其对应的预设邻域内邻域像素点对应的最新滤波后的灰度值,作为各自对应的滤波前的灰度值,执行步骤S2包括的作为示例包括的第一步至第六步,得到的噪声表现程度,即为该候选像素点对应的第二次滤波后的噪声表现程度,此时待定位肿瘤图像中除了候选像素点之外的像素点对应的最新滤波后的灰度值,也就是该像素点对应的第一次滤波后的灰度值,即为该像素点在第一次滤波后得到的灰度值;此时候选像素点对应的最新滤波后的灰度值,也就是该候选像素点对应的第二次滤波后的灰度值。
第二子步骤,根据候选像素点对应的第二次滤波后的噪声表现程度与其对应的预设邻域内所有邻域像素点对应的滤波前和第二滤波后的噪声表现程度,确定候选像素点对应的三次滤波必要因子。
比如,确定候选像素点对应的三次滤波必要因子对应的公式可以为:
;其中,/>是第t个候选像素点对应的三次滤波必要因子。t是候选像素点的序号。/>是第t个候选像素点对应的预设邻域内所有邻域像素点在第二次滤波后已滤波次数的累加值;需要说明的是,已滤波次数表示已经滤波的次数。对于不需要进行第二次滤波的像素点来说,这些像素点在第二次滤波后已滤波次数还是1。/>是以自然常数为底的指数函数。n是预设邻域内邻域像素点的序号。N是预设邻域内邻域像素点的数量。/>是取绝对值函数。/>是第t个候选像素点对应的预设邻域内第n个邻域像素点对应的滤波前的噪声表现程度。/>是第t个候选像素点对应的预设邻域内第n个邻域像素点对应的第二次滤波后的噪声表现程度;需要说明的是,对于不需要进行第二次滤波的像素点来说,这些像素点在第二次滤波后的噪声表现程度可以用其在第一次滤波后的噪声表现程度表示。可选地,也可以根据对应像素点在第二次滤波后的灰度值,参考上述噪声表现程度确定方法,重新计算像素点对应的第二次滤波后的噪声表现程度,具体可以为:将像素点与其对应的预设邻域内所有邻域像素点对应的第二次滤波后的灰度值,作为各自对应的滤波前的灰度值,执行步骤S2包括的第一步至第六步,得到的噪声表现程度,即可作为像素点对应的第二次滤波后的噪声表现程度。/>是预先设置的大于0的因子,主要用于防止分母为0,如,/>可以为0.01。
需要说明的是,一般来说,位于伪影噪声区域内的像素点需要进行滤波的次数往往越多。当越大时,往往说明第t个候选像素点对应的预设邻域内邻域像素点在第二次滤波后已滤波次数越多,往往说明第t个候选像素点越可能位于伪影噪声区域,往往说明第t个候选像素点需要滤波的次数越多,往往说明越需要对第t个候选像素点进行下一次滤波。当/>越大时,往往说明第n个邻域像素点在第二次滤波后的滤波效果相对越好。所以当/>越大时,往往说明第t个候选像素点对应的预设邻域在第二次滤波后的滤波效果相对越好,往往说明第t个候选像素点周围在第二次滤波后越可能不存在伪影噪声,往往说明对第t个候选像素点进行第二次滤波后越可能已经达到较好的滤波效果,往往说明越不需要对第t个候选像素点进行第三次滤波处理。因此,当/>越大时,往往说明第t个候选像素点对应的预设邻域内邻域像素点在第二次滤波后已滤波次数越多,并且滤波效果较差,往往说明第t个候选像素点周围越可能存在伪影噪声,往往说明其邻域块内越可能存在伪影噪声,往往说明越需要对第t个候选像素点进行下一次滤波处理。
第三子步骤,根据候选像素点对应的预设数量个邻域块内像素点对应的滤波前和第二次滤波后的噪声表现程度,以及候选像素点对应的三次滤波必要因子,确定候选像素点对应的三次滤波最终指标可以包括以下步骤:
首先,从上述待定位肿瘤图像中筛选出二次滤波评判系数小于或等于预设评判阈值的像素点,作为参考像素点。
需要说明的是,参考像素点往往是判定为已达到合适滤波效果的像素点,其滤波效果已经比较好,不需再进行下一次的滤波,此时筛选出的参考像素点是不需进行第二次滤波的像素点。
接着,根据候选像素点对应的预设数量个邻域块内参考像素点对应的滤波前和第二次滤波后的噪声表现程度,以及候选像素点对应的三次滤波必要因子,确定候选像素点对应的三次滤波最终指标。
比如,确定候选像素点对应的三次滤波最终指标对应的公式可以为:
;其中,/>是第t个候选像素点对应的三次滤波最终指标。t是候选像素点的序号。/>是第t个候选像素点对应的三次滤波必要因子。/>是以自然常数为底的指数函数。A是预设数量。a是取值范围为[1,A]。j是第t个候选像素点对应的第a个邻域块内参考像素点的序号。/>是第t个候选像素点对应的第a个邻域块内参考像素点的数量。/>是取绝对值函数。是第t个候选像素点对应的第a个邻域块内第j个参考像素点对应的滤波前的噪声表现程度。/>是第t个候选像素点对应的第a个邻域块内第j个参考像素点对应的第二次滤波后的噪声表现程度。/>是预先设置的大于0的因子,主要用于防止分母为0,如,/>可以为0.01。
需要说明的是,像素点的邻域块内已经完成滤波的像素点的滤波效果越差,说明该像素点的邻域块内存在噪声的可能性越大,那么与其邻域块拥有相似特征的像素点的参考块之内存在伪影噪声的可能性也就越大,所以该像素点同样需要更多次的滤波来实现去噪,对应其最终的滤波必要性也就越大。可以表征第t个候选像素点对应的多个邻域块内参考像素点在第二次滤波后的滤波效果,其值越大,往往说明第t个候选像素点对应的多个邻域块内参考像素点在第二次滤波后的滤波效果相对越好,往往说明邻域块属于伪影噪声区域的可能性越小,那么与邻域块拥有相似特征的像素点的参考块内属于伪影噪声区域的可能性也就越小,那么第t个候选像素点就会需要相对越少的滤波次数,第t个候选像素点的最终的滤波必要性相对也就越小。当越大时,往往说明第t个候选像素点对应的预设邻域内邻域像素点在第二次滤波后已滤波次数越多,并且滤波效果较差,往往说明第t个候选像素点周围越可能存在伪影噪声,往往说明其邻域块内越可能存在伪影噪声,往往说明越需要对第t个候选像素点进行下一次滤波处理。因此,当/>越大时,往往说明第t个候选像素点越需要进行第三次滤波处理。
又如,还可以参考二次滤波最终指标的确定方法,确定三次滤波最终指标。
第四子步骤,根据候选像素点对应的三次滤波最终指标和第二次滤波后的噪声表现程度,确定候选像素点对应的三次滤波评判系数。
其中,三次滤波评判系数可以用于评判是否需要进行第三次滤波的滤波评判系数。
比如,可以采用与确定二次滤波评判系数相同的方法,确定三次滤波评判系数,即可以对候选像素点对应的三次滤波最终指标和第二次滤波后的噪声表现程度的乘积进行归一化,得到候选像素点对应的三次滤波评判系数。
第三步,当候选像素点对应的三次滤波评判系数大于预设评判阈值时,根据候选像素点对应的第二次滤波后的灰度值,通过非局部均值滤波算法,对候选像素点进行第三次滤波,并根据候选像素点对应的第三次滤波后的灰度值,确定候选像素点对应的四次滤波评判系数;当候选像素点对应的四次滤波评判系数大于预设评判阈值时,根据候选像素点对应的第三次滤波后的灰度值,通过非局部均值滤波算法,对候选像素点进行第四次滤波,并根据候选像素点对应的第四次滤波后的灰度值,确定候选像素点对应的五次滤波评判系数;以此类推,直至候选像素点对应的最新确定的滤波评判系数小于或等于预设评判阈值。
需要说明的是,通过非局部均值滤波算法,对候选像素点进行每次滤波时,可以将需要用到的像素点对应的灰度值更新为其最新滤波后的灰度值;即对于不需要进行第二次滤波的像素点来说,在第一次滤波之后的最新滤波后的灰度值一直是第一次滤波之后的灰度值;同理,对于只需要进行到第二次滤波的像素点来说,其在第一次滤波后得到的最新灰度值是第一次滤波后的灰度值,但在第二次滤波之后的最新滤波后的灰度值一直是第二次滤波之后的灰度值,比如,对于只需要进行到第二次滤波的像素点来说,其在第三次滤波后的灰度值也是在第二次滤波后的灰度值,因为其根本不需进行第三次滤波。
可以参考三次滤波评判系数确定方法,确定四次滤波评判系数,即根据候选像素点对应的第三次滤波后的灰度值,确定候选像素点对应的四次滤波评判系数的方法可以为:将三次滤波评判系数小于或等于预设评判阈值的候选像素点,确定为参考像素点,此时确定的参考像素点是只需进行二次滤波的像素点,其可以与前面确定的只需要进行一次滤波的像素点,统称为参考像素点,用于后续的处理;将候选像素点对应的第二次滤波后的灰度值更新为其对应的第三次滤波后的灰度值,并将其他像素点对应的第二次滤波后的灰度值更新为第三次滤波后的灰度值,执行步骤S7包括的作为示例包括的第二步,得到的滤波评判系数即为候选像素点对应的四次滤波评判系数。其中,四次滤波评判系数可以用于评判是否需要进行第四次滤波的滤波评判系数。
可以参考三次滤波评判系数确定方法,确定五次滤波评判系数,即根据候选像素点对应的第四次滤波后的灰度值,确定候选像素点对应的五次滤波评判系数的方法可以为:将四次滤波评判系数小于或等于预设评判阈值的候选像素点,确定为参考像素点,此时确定的参考像素点是只需进行三次滤波的像素点,其可以与前面确定的只需要进行一次或两次滤波的像素点,统称为参考像素点,用于后续的处理;将候选像素点对应的第二次滤波后的灰度值更新为其对应的第四次滤波后的灰度值,并将其他像素点对应的第二次滤波后的灰度值更新为第四次滤波后的灰度值,执行步骤S7包括的作为示例包括的第二步,得到的滤波评判系数即为候选像素点对应的五次滤波评判系数。其中,五次滤波评判系数可以用于评判是否需要进行第五次滤波的滤波评判系数。
可选地,还可以设置最多滤波次数,当候选像素点的滤波次数达到设置的最多滤波次数时,即便此时没有满足滤波评判系数小于或等于预设评判阈值,也可以停止滤波迭代。
第四步,将最终滤波完成的待定位肿瘤图像,作为目标增强图像,实现了图像增强。
可选地,可以通过语义分割网络,从目标增强图像中分割出肿瘤区域,以实现肿瘤区域的定位,实现了肿瘤射频消融诊疗定位,可以便于后续进行射频消融诊疗。
综上,相较于对所有像素点进行相同次数的滤波处理,本发明通过量化多个与滤波次数相关的特征,比如,噪声表现程度、二次滤波必要因子、二次滤波最终指标和二次滤波评判系数等,实现了对特征不同的像素点进行自适应次数的滤波处理,从而可以在一定程度上避免有些像素点的滤波处理不足,而有些像素点的滤波处理过度,进而可以提高像素点的去噪效果,从而可以提高肿瘤射频消融诊疗定位的准确度。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,均应包含在本发明的保护范围之内。
Claims (5)
1.一种用于肿瘤射频消融诊疗定位的医疗影像处理方法,其特征在于,包括以下步骤:
获取待定位肿瘤图像,并根据非局部均值滤波算法,对所述待定位肿瘤图像进行第一次滤波;
根据所述待定位肿瘤图像中的每个像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的灰度值,以及每个像素点对应的预设邻域内预设方向处滤波前和第一次滤波后的灰度变化分布,确定每个像素点对应的滤波前和第一次滤波后的噪声表现程度;
根据每个像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的噪声表现程度,确定每个像素点对应的二次滤波必要因子;
根据每个像素点对应的预设数量个邻域块内像素点对应的滤波前和第一次滤波后的噪声表现程度,以及每个像素点对应的二次滤波必要因子,确定每个像素点对应的二次滤波最终指标;
根据每个像素点对应的二次滤波最终指标和第一次滤波后的噪声表现程度,确定每个像素点对应的二次滤波评判系数;
从所述待定位肿瘤图像中筛选出二次滤波评判系数大于预设评判阈值的像素点,作为候选像素点;
根据非局部均值滤波算法,对每个候选像素点在第一次滤波的基础上进行自适应次数的滤波,并将最终滤波完成的待定位肿瘤图像,作为目标增强图像;
所述根据所述待定位肿瘤图像中的每个像素点与其对应的预设邻域内所有邻域像素点对应的滤波前和第一次滤波后的灰度值,以及每个像素点对应的预设邻域内预设方向处滤波前和第一次滤波后的灰度变化分布,确定每个像素点对应的滤波前和第一次滤波后的噪声表现程度,包括:
将所述待定位肿瘤图像中任意一个像素点,确定为标记像素点,作直线方向为所述预设方向的直线,记为目标直线;
滑动目标直线,将目标直线在滑动过程中与所述标记像素点对应的预设邻域相交产生的所有交线段,构成所述标记像素点对应的交线段集合;
将每个交线段上每相邻两个像素点对应的滤波前的灰度值的差值,确定为初始灰度差异,得到每个交线段对应的初始灰度差异序列;
对每个交线段对应的初始灰度差异序列进行分段,得到每个交线段对应的子序列组,其中,子序列组中同一个子序列内的初始灰度差异的正负性相同,子序列组中相邻两个子序列内的初始灰度差异的正负性不同;
将所述标记像素点对应的交线段集合中每个交线段对应的子序列组中子序列的数量,确定为每个交线段对应的灰度变化数量,得到所述标记像素点对应的灰度变化数量集合,其中,灰度变化数量集合表征灰度变化分布;
根据所述标记像素点对应的灰度变化数量集合,以及所述标记像素点与其对应的预设邻域内所有邻域像素点对应的滤波前的灰度值,确定所述标记像素点对应的滤波前的噪声表现程度;
同理,确定所述标记像素点对应的第一次滤波后的噪声表现程度;
所述根据非局部均值滤波算法,对每个候选像素点在第一次滤波的基础上进行自适应次数的滤波,包括:
根据所述待定位肿瘤图像中所有像素点对应的第一次滤波后的灰度值,通过非局部均值滤波算法,对所述待定位肿瘤图像中的所有候选像素点进行第二次滤波;
根据每个候选像素点对应的第二次滤波后的灰度值,确定每个候选像素点对应的三次滤波评判系数;
当候选像素点对应的三次滤波评判系数大于预设评判阈值时,根据候选像素点对应的第二次滤波后的灰度值,通过非局部均值滤波算法,对候选像素点进行第三次滤波,并根据候选像素点对应的第三次滤波后的灰度值,确定候选像素点对应的四次滤波评判系数;当候选像素点对应的四次滤波评判系数大于预设评判阈值时,根据候选像素点对应的第三次滤波后的灰度值,通过非局部均值滤波算法,对候选像素点进行第四次滤波,并根据候选像素点对应的第四次滤波后的灰度值,确定候选像素点对应的五次滤波评判系数;以此类推,直至候选像素点对应的最新确定的滤波评判系数小于或等于预设评判阈值;
所述根据每个候选像素点对应的第二次滤波后的灰度值,确定每个候选像素点对应的三次滤波评判系数,包括:
根据候选像素点对应的第二次滤波后的灰度值,确定候选像素点对应的第二次滤波后的噪声表现程度;
根据候选像素点对应的第二次滤波后的噪声表现程度与其对应的预设邻域内所有邻域像素点对应的滤波前和第二次滤波后的噪声表现程度,确定候选像素点对应的三次滤波必要因子;
根据候选像素点对应的预设数量个邻域块内像素点对应的滤波前和第二次滤波后的噪声表现程度,以及候选像素点对应的三次滤波必要因子,确定候选像素点对应的三次滤波最终指标;
根据候选像素点对应的三次滤波最终指标和第二次滤波后的噪声表现程度,确定候选像素点对应的三次滤波评判系数;
所述根据候选像素点对应的预设数量个邻域块内像素点对应的滤波前和第二次滤波后的噪声表现程度,以及候选像素点对应的三次滤波必要因子,确定候选像素点对应的三次滤波最终指标,包括:
从所述待定位肿瘤图像中筛选出二次滤波评判系数小于或等于预设评判阈值的像素点,作为参考像素点;
根据候选像素点对应的预设数量个邻域块内参考像素点对应的滤波前和第二次滤波后的噪声表现程度,以及候选像素点对应的三次滤波必要因子,确定候选像素点对应的三次滤波最终指标;
候选像素点对应的三次滤波最终指标对应的公式为:
;其中,是第t个候选像素点对应的三次滤波最终指标;t是候选像素点的序号;/>是第t个候选像素点对应的三次滤波必要因子;/>是以自然常数为底的指数函数;A是预设数量;a是取值范围为[1,A];j是第t个候选像素点对应的第a个邻域块内参考像素点的序号;是第t个候选像素点对应的第a个邻域块内参考像素点的数量;/>是取绝对值函数;是第t个候选像素点对应的第a个邻域块内第j个参考像素点对应的滤波前的噪声表现程度;/>是第t个候选像素点对应的第a个邻域块内第j个参考像素点对应的第二次滤波后的噪声表现程度;/>是预先设置的大于0的因子。
2.根据权利要求1所述的一种用于肿瘤射频消融诊疗定位的医疗影像处理方法,其特征在于,根据所述标记像素点对应的灰度变化数量集合,以及所述标记像素点与其对应的预设邻域内所有邻域像素点对应的滤波前的灰度值,确定所述标记像素点对应的滤波前的噪声表现程度,包括:
根据所述标记像素点对应的灰度变化数量集合中所有灰度变化数量的累加值、所述标记像素点对应的预设邻域内所有邻域像素点对应的滤波前的灰度值的累加值、以及所述标记像素点对应的灰度值,确定所述标记像素点对应的滤波前的噪声表现程度,其中,所述标记像素点对应的灰度变化数量集合中所有灰度变化数量的累加值、其对应的预设邻域内所有邻域像素点对应的滤波前的灰度值的累加值、以及其对应的灰度值均与其对应的滤波前的噪声表现程度呈正相关。
3.根据权利要求1所述的一种用于肿瘤射频消融诊疗定位的医疗影像处理方法,其特征在于,像素点对应的二次滤波必要因子对应的公式为:
;其中,/>是待定位肿瘤图像中第x个像素点对应的二次滤波必要因子;x是待定位肿瘤图像中像素点的序号;是以自然常数为底的指数函数;n是预设邻域内邻域像素点的序号;N是预设邻域内邻域像素点的数量;/>是取绝对值函数;/>是待定位肿瘤图像中第x个像素点对应的预设邻域内第n个邻域像素点对应的滤波前的噪声表现程度;/>是待定位肿瘤图像中第x个像素点对应的预设邻域内第n个邻域像素点对应的第一次滤波后的噪声表现程度;/>是预先设置的大于0的因子。
4.根据权利要求1所述的一种用于肿瘤射频消融诊疗定位的医疗影像处理方法,其特征在于,像素点对应的二次滤波最终指标对应的公式为:
;其中,是待定位肿瘤图像中第x个像素点对应的二次滤波最终指标;x是待定位肿瘤图像中像素点的序号;/>是待定位肿瘤图像中第x个像素点对应的二次滤波必要因子;/>是以自然常数为底的指数函数;A是预设数量;a是取值范围为[1,A];/>是待定位肿瘤图像中第x个像素点对应的第a个邻域块内像素点的数量;i是待定位肿瘤图像中第x个像素点对应的第a个邻域块内像素点的序号;/>是取绝对值函数;/>是待定位肿瘤图像中第x个像素点对应的第a个邻域块内第i个像素点对应的滤波前的噪声表现程度;/>是待定位肿瘤图像中第x个像素点对应的第a个邻域块内第i个像素点对应的第一次滤波后的噪声表现程度;/>是预先设置的大于0的因子。
5.根据权利要求1所述的一种用于肿瘤射频消融诊疗定位的医疗影像处理方法,其特征在于,所述根据每个像素点对应的二次滤波最终指标和第一次滤波后的噪声表现程度,确定每个像素点对应的二次滤波评判系数,包括:
对每个像素点对应的二次滤波最终指标和第一次滤波后的噪声表现程度的乘积进行归一化,得到每个像素点对应的二次滤波评判系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410155194.6A CN117689574B (zh) | 2024-02-04 | 2024-02-04 | 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410155194.6A CN117689574B (zh) | 2024-02-04 | 2024-02-04 | 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117689574A CN117689574A (zh) | 2024-03-12 |
CN117689574B true CN117689574B (zh) | 2024-04-26 |
Family
ID=90137555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410155194.6A Active CN117689574B (zh) | 2024-02-04 | 2024-02-04 | 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117689574B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118096581B (zh) * | 2024-04-23 | 2024-07-12 | 中国人民解放军空军军医大学 | 用于危急重症患者生命体征监测的图像处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064425A (zh) * | 2018-07-24 | 2018-12-21 | 浙江工业大学 | 一种自适应非局部总变分的图像去噪方法 |
CN112381727A (zh) * | 2020-11-03 | 2021-02-19 | 中航航空电子有限公司 | 一种图像去噪方法、装置、计算机设备和存储介质 |
CN115330758A (zh) * | 2022-10-11 | 2022-11-11 | 精技电子(南通)有限公司 | 基于去噪处理的焊接质量检测方法 |
CN115937216A (zh) * | 2023-03-09 | 2023-04-07 | 青岛金立磁性材料有限公司 | 一种新能源汽车用磁转子外观质量检测方法 |
CN116385315A (zh) * | 2023-05-31 | 2023-07-04 | 日照天一生物医疗科技有限公司 | 用于肿瘤治疗仪模拟消融的图像增强方法及系统 |
CN116993628A (zh) * | 2023-09-27 | 2023-11-03 | 四川大学华西医院 | 一种用于肿瘤射频消融引导的ct图像增强系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10096088B2 (en) * | 2016-09-28 | 2018-10-09 | Disney Enterprises, Inc. | Robust regression method for image-space denoising |
-
2024
- 2024-02-04 CN CN202410155194.6A patent/CN117689574B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064425A (zh) * | 2018-07-24 | 2018-12-21 | 浙江工业大学 | 一种自适应非局部总变分的图像去噪方法 |
CN112381727A (zh) * | 2020-11-03 | 2021-02-19 | 中航航空电子有限公司 | 一种图像去噪方法、装置、计算机设备和存储介质 |
CN115330758A (zh) * | 2022-10-11 | 2022-11-11 | 精技电子(南通)有限公司 | 基于去噪处理的焊接质量检测方法 |
CN115937216A (zh) * | 2023-03-09 | 2023-04-07 | 青岛金立磁性材料有限公司 | 一种新能源汽车用磁转子外观质量检测方法 |
CN116385315A (zh) * | 2023-05-31 | 2023-07-04 | 日照天一生物医疗科技有限公司 | 用于肿瘤治疗仪模拟消融的图像增强方法及系统 |
CN116993628A (zh) * | 2023-09-27 | 2023-11-03 | 四川大学华西医院 | 一种用于肿瘤射频消融引导的ct图像增强系统 |
Non-Patent Citations (1)
Title |
---|
混合噪声环境下的激光粒子图像降噪;潘;马爱霞;;激光杂志;20170225(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117689574A (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111723860B (zh) | 一种目标检测方法及装置 | |
CN117689574B (zh) | 一种用于肿瘤射频消融诊疗定位的医疗影像处理方法 | |
CN112070781B (zh) | 颅脑断层扫描图像的处理方法、装置、存储介质及电子设备 | |
CN111612817A (zh) | 基于深浅特征自适应融合与上下文信息的目标跟踪方法 | |
CN112419271B (zh) | 一种图像分割方法、装置及计算机可读存储介质 | |
CN108364297B (zh) | 血管图像分割方法、终端、存储介质 | |
CN114742727B (zh) | 一种基于图像平滑的噪声处理方法及系统 | |
CN105654501A (zh) | 基于模糊阈值的自适应图像分割方法 | |
CN115984148B (zh) | 一种高通量基因测序数据的去噪增强方法 | |
US20140294318A1 (en) | Gray image processing method and apparatus | |
CN115689948B (zh) | 用于检测建筑供水管道裂痕的图像增强方法 | |
CN108510478B (zh) | 肺气道图像分割方法、终端、存储介质 | |
CN113191979A (zh) | 一种分区域sar图像非局部均值去噪方法 | |
Huang et al. | Wavelet k-means clustering and fuzzy-based method for segmenting MRI images depicting Parkinson’s disease | |
CN117314940B (zh) | 基于人工智能的激光切割零件轮廓快速分割方法 | |
CN112529918B (zh) | 一种脑部ct图像中脑室区域分割的方法、装置及设备 | |
CN117058143B (zh) | 一种电路板引脚智能检测方法及系统 | |
CN113781515A (zh) | 细胞图像分割方法、装置和计算机可读存储介质 | |
CN108447066B (zh) | 胆道图像分割方法、终端、存储介质 | |
CN115564705B (zh) | 用于精密标准件的毛刺检测精度增强方法及系统 | |
Haseyama et al. | A genetic algorithm based image segmentation for image analysis | |
CN114445419A (zh) | 一种基于支气管拓扑结构的肺段分割方法、装置及系统 | |
CN113971765A (zh) | 一种多样本拟合图像清晰化处理方法 | |
Kumar et al. | [Retracted] Luminosity Control and Contrast Enhancement of Digital Mammograms Using Combined Application of Adaptive Gamma Correction and DWT‐SVD | |
Pohle et al. | Segmentation of 3D medical image data sets with a combination of region-based initial segmentation and active surfaces |
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 |