CN117853386B - 一种肿瘤图像增强方法 - Google Patents
一种肿瘤图像增强方法 Download PDFInfo
- Publication number
- CN117853386B CN117853386B CN202410265677.1A CN202410265677A CN117853386B CN 117853386 B CN117853386 B CN 117853386B CN 202410265677 A CN202410265677 A CN 202410265677A CN 117853386 B CN117853386 B CN 117853386B
- Authority
- CN
- China
- Prior art keywords
- target pixel
- pixel point
- gray
- image
- window
- 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
- 238000000034 method Methods 0.000 title claims abstract description 109
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 100
- 230000008859 change Effects 0.000 claims abstract description 61
- 230000008569 process Effects 0.000 claims description 33
- 239000006185 dispersion Substances 0.000 claims description 18
- 230000002708 enhancing effect Effects 0.000 claims description 11
- 230000002194 synthesizing effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 6
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及医疗图像增强技术领域,具体涉及一种肿瘤图像增强方法,包括:采集CT图像并获取灰度图和调整窗口;根据窗口中像素点和肿瘤CT灰度图中的像素分布获取概率参数;结合对应窗口和CT图像灰度值离散程度获取调整参数;根据窗口像素灰度值CT图像灰度值大小获取灰度系数,结合窗口内像素点均值与CT图像灰度图中像素点均值的差值获取灰度控制因子,再结合概率调整参数获取特征参数,再结合特征参数的差异获取变化参数,结合目标像素点对应变化参数均值的差异获取变化系数;综合概率调整参数,灰度控制因子和变化系数获取每个目标像素点对应的调整因子;用调整因子对图像进行增强。本发明提高了肿瘤CT图像的质量和清晰度。
Description
技术领域
本发明涉及医疗图像增强技术领域,具体涉及一种肿瘤图像增强方法。
背景技术
肿瘤CT图像线性增强能够提高图像的对比度和清晰度,帮助医生更准确地识别和定位肿瘤的位置和大小,从而为患者制定更精准的治疗方案提供重要的参考依据。同时,线性增强还可以帮助医生观察肿瘤的边界和周围组织的情况,有助于评估肿瘤的浸润程度和周围器官的受累情况,为手术和放疗等治疗提供更全面的信息支持。
传统的肿瘤图像增强方法为线性增强,且线性增强是对于全局灰度值进行调整的,对比度调整过大可能会使得图像对比度过高产生多余的噪声和伪影,对比度调整过小可能会使肿瘤图像边缘较为模糊且丢失病灶区域的细节,影响诊断的准确性,因为肿瘤CT图像本身具有复杂的组织结构和密度差异,线性增强无法充分考虑这些特点。
发明内容
本发明提供一种肿瘤图像增强方法,以解决现有的问题:
本发明的一种肿瘤图像增强方法采用如下技术方案:
本发明一个实施例提供了一种肿瘤图像增强方法,该方法包括以下步骤:
采集肿瘤CT图像灰度图;获取灰度图调整窗口;
根据滑动过程中每个窗口中像素点的像素分布情况和肿瘤CT灰度图中的像素分布情况获取每个目标像素点的概率参数;根据每个目标像素点概率参数与对应窗口中像素点灰度值的离散程度和CT图像灰度图像素点灰度值的离散程度差值获取每个目标像素点概率调整参数;
根据每个窗口像素灰度值均值大小和CT图像灰度值均值大小获取每个目标像素点灰度系数;根据每个窗口内像素点均值与肿瘤CT图像灰度图中像素点均值的差值大小及灰度系数获取每个目标像素点灰度控制因子;根据每个目标像素点对应的概率调整参数和灰度控制因子获取每个目标像素点对应的特征参数;根据每个目标像素点对应的特征参数与相邻目标像素点对应的特征参数的差异大小获取变化参数;根据每个目标像素点对应的变化参数和所有目标像素点对应变化参数均值的差异情况获取每个目标像素点对应的变化系数;
根据每个目标像素点对应的概率调整参数,灰度控制因子和变化系数获取每个目标像素点对应的调整因子;根据每个目标像素点对应的调整因子对肿瘤图像进行增强。
进一步地,所述根据每个目标像素点对应的特征参数与相邻目标像素点对应的特征参数的差异大小获取变化参数,包括的具体方法为:
;
式中,表示第q个目标像素点对应的变化参数,/>示第q-1个目标像素点对应的变化参数,/>表示第q个目标像素点对应的特征参数,/>表示第q+1个目标像素点对应的特征参数,/>表示第J个目标像素点对应的特征参数,/>表示第J+1个目标像素点对应的特征参数,V表示目标像素点数量。
进一步地,所述根据每个目标像素点对应的变化参数和所有目标像素点对应变化参数均值的差异情况获取每个目标像素点对应的变化系数,包括的具体方法为:
;
式中,表示第q个目标像素点对应的变化系数,/>表示第q个目标像素点对应的特征参数,/>表示第q+1个目标像素点对应的特征参数,/>表示第J个目标像素点对应的特征参数,/>表示第J+1个目标像素点对应的特征参数,V表示目标像素点数量。
进一步地,所述根据滑动过程中每个窗口中像素点的像素分布情况和肿瘤CT灰度图中的像素分布情况获取每个目标像素点的概率参数,包括的具体方法为:
;
式中,表示第q个目标像素点对应的概率参数,/>表示第q个目标像素点对应窗口中像素点灰度值的离散程度,/>表示肿瘤CT图像灰度图中所有像素点灰度值的离散程度,/>表示第i个目标像素点对应窗口中像素点灰度值的离散程度,V表示肿瘤CT图像中窗口数量,也表示肿瘤CT图像中目标像素点数量。
进一步地,所述根据每个目标像素点概率参数与对应窗口中像素点灰度值的离散程度和CT图像灰度图像素点灰度值的离散程度差值获取每个目标像素点概率调整参数,包括的具体方法为:
;
式中,表示第q个目标像素点对应的概率调整参数,/>表示第q个目标像素点对应的概率参数,/>表示第q个目标像素点对应窗口中像素点灰度值的离散程度,表示肿瘤CT图像灰度图中所有像素点灰度值的离散程度。
进一步地,所述根据每个窗口像素灰度值均值大小和CT图像灰度值均值大小获取每个目标像素点灰度系数,包括的具体方法为:
;
式中,表示第q个目标像素点对应的灰度系数,C表示窗口长度,/>表示窗口中像素点的数量,/>表示肿瘤CT图像灰度图中所有像素点灰度值均值,/>表示第q个窗口中第j个像素点的灰度值,/>表示第I个窗口中第j个像素点的灰度值,V表示肿瘤CT图像中窗口数量,也表示肿瘤CT图像中目标像素点数量。
进一步地,所述根据每个窗口内像素点均值与肿瘤CT图像灰度图中像素点均值的差值大小及灰度系数获取每个目标像素点灰度控制因子,包括的具体方法为:
;
式中,表示第q个目标像素点对应的灰度控制因子,/>表示第q个目标像素点对应的灰度系数,C表示窗口长度,/>表示窗口中像素点的数量,/>表示肿瘤CT图像灰度图中所有像素点灰度值均值,/>表示第q个窗口中第j个像素点的灰度值,/>表示第I个窗口中第j个像素点的灰度值,V表示肿瘤CT图像中窗口数量,也表示肿瘤CT图像中目标像素点数量。
进一步地,所述根据每个目标像素点对应的概率调整参数,灰度控制因子和变化系数获取每个目标像素点对应的调整因子,包括的具体方法为:
;
式中,表示第q个目标像素点对应的调整因子,/>表示第q个目标像素点对应的变化系数,/>表示第q个目标像素点对应的灰度控制因子,/>表示第q个目标像素点对应的概率调整参数。
进一步地,所述根据每个目标像素点对应的概率调整参数和灰度控制因子获取每个目标像素点对应的特征参数,包括的具体方法为:
;
式中,表示第q个目标像素点对应的特征参数,/>表示第q个目标像素点对应的概率调整参数,/>表示第q个目标像素点对应的灰度控制因子。
进一步地,所述根据每个目标像素点对应的调整因子对肿瘤图像进行增强,包括的具体方法为:
用肿瘤CT图像灰度图中每个目标像素点的灰度值乘以目标像素点对应调整因子得到每个目标像素点的增强灰度值,将每个目标像素点的增强灰度值赋予对应的目标像素点,最终调整后的图像即为增强后的肿瘤图像。
本发明的技术方案的有益效果是:本发明通过设置滑动窗口,分别根据每个窗口中的像素分布特征对窗口对应目标像素点进行调整,对每个目标像素点进行自适应调整可以避免全局像素点调整时造成的对比度过低或过高问题,通过分析每个窗口中像素点灰度值的分布聚集情况和灰度值大小调整目标像素点灰度值可以使病灶区域像素点灰度值对比度增加,以便观察到更清晰的病理情况,判断了灰度图像噪声概率并根据概率调整像素点的灰度值,降低了正常组织区域和噪声区域灰度图像的对比度,且根据连续相邻窗口中的像素点分布特征的变化情况对窗口对应目标像素点进行调整,提高了病灶区域边缘像素点对比度,使病灶区域边缘更清晰,同时本发明拓宽了图像的灰度级,在改变图像对比度的同时尽可能避免了对图像亮度的改变,使得肿瘤CT图像更加清晰。
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他的附图。
图1为本发明一种肿瘤图像增强方法的步骤流程图。
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一种肿瘤图像增强方法,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肿瘤图像增强方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种肿瘤图像增强方法的步骤流程图,该方法包括以下步骤:
步骤S001:采集肿瘤CT图像灰度图;获取灰度图调整窗口。
需要说明的是,肿瘤CT图像需要灰度化可以将图像中的不同组织和结构区分开来,使医生能够更清晰地识别和分析肿瘤的位置、大小和形态。通过灰度化,医生可以更准确地诊断肿瘤,并制定更有效的治疗方案。
具体的,为了实现本实施例提出的一种肿瘤图像增强方法,首先需要采集肿瘤CT图像灰度图,具体过程为:
获取病灶区域CT图像,灰度化获得肿瘤CT图像灰度图。
需要说明的是,线性增强是根据灰度图像所有像素点数量和灰度值灰度分布频率对灰度图的像素灰度级进行调整,增强效果不稳定,本发明通过分析灰度图不同区域像素分布特征对每个像素点的灰度值自适应调整,可以达到更好的增强效果,避免对比度过高导致图像出现多余的噪声,对比度过低导致病灶区域和正常组织边缘模糊,不利于对病灶区域的诊断。预设一个窗口长度C=9像素点,其中窗口长度不得大于灰度图像的宽度,不得小于等于1,且窗口长度为奇数,本实施例不对窗口长度C进行具体限定,其他实施例视具体实施情况而定。
具体的,获取灰度图调整窗口具体过程如下:
长度为C像素点的窗口在灰度图中按照蛇形扫描的顺序进行滑动,每次滑动一像素点的距离,记每次滑动后窗口中心像素点为目标像素点,以目标像素点位置为几何中心的窗口记为像素点对应窗口,当窗口覆盖过灰度图中所有像素点后停止滑动,滑动开始时的窗口记为第一个窗口,滑动停止后的窗口记为最后一个窗口,统计窗口滑动的次数并记为目标像素点数量V,按照窗口滑动顺序依次遍历目标像素点序列,窗口滑动开始时遍历该窗口对应目标像素点序列为1,窗口停止后遍历该窗口对应目标像素点序列为V。
步骤S002:根据滑动过程中每个窗口中像素点的像素分布情况和肿瘤CT灰度图中的像素分布情况获取每个目标像素点的概率参数;根据每个目标像素点概率参数与对应窗口中像素点灰度值的离散程度和CT图像灰度图像素点灰度值的离散程度差值获取每个目标像素点概率调整参数。
需要说明的是,肿瘤CT图像中,病灶区域的像素灰度值分布通常会显示出较大的不均匀性和高灰度值的集中区域。这是因为肿瘤组织通常具有较高的密度和不规则的形状,导致其在CT图像中呈现出较高的灰度值。本发明通过对比不同窗口中像素点灰度值的分布情况判断每个目标像素点对应窗口中的图像属于病灶区域的概率,若对应窗口中的图像属于病灶区域的概率越高,则应该用更大的调整因子对目标像素点的像素进行调整,以提高该目标像素点的对比度增强病灶区域细节,若对应窗口中的图像属于病灶区域的概率越低,则应该用更小的调整因子对目标线速度的像素进行调整,以降低正常组织的噪声。
具体的,根据滑动过程中每个窗口中像素点的像素分布情况和肿瘤CT灰度图中的像素分布情况获取每个目标像素点的概率参数,具体方式如下:
;
式中,表示第q个目标像素点对应的概率参数,/>表示第q个目标像素点对应窗口中像素点灰度值的离散程度,/>表示肿瘤CT图像灰度图中所有像素点灰度值的离散程度,/>表示第i个目标像素点对应窗口中像素点灰度值的离散程度,V表示肿瘤CT图像中窗口数量,也表示肿瘤CT图像中目标像素点数量。
需要说明的是,当目标像素点对应的概率参数越大时,说明目标像素点对应窗口中的像素点灰度值的离散程度与整体CT图像灰度图的像素点灰度值的离散程度的差异越大,则说明目标像素点对应窗口在肿瘤CT图像中含有病灶区域或噪声的概率越大,若目标像素点对应的概率参数越小时,说明目标像素点对应窗口中的像素点灰度值的离散程度与整体CT图像灰度图的像素点灰度值的离散程度差异越小,则说明目标像素点对应窗口在肿瘤CT图像中含有病灶区域或噪声的概率越小。
进一步需要说明的是,通过上述方法可以获取每个目标像素点对应的概率参数,上述方法中获取的概率参数都为正数,且概率参数有可能大于1也有可能小于等于1,当概率参数小于等于1时会降低图像对比度,而概率调整参数大于1时才会增加像素点对比度,所以本步骤需要根据窗口中像素点灰度值的离散程度与CT图像灰度图像素点灰度值的离散程度差值的正负结合概率参数获得概率调整系数。
具体的,根据每个目标像素点概率参数与对应窗口中像素点灰度值的离散程度和CT图像灰度图像素点灰度值的离散程度差值获取每个目标像素点概率调整参数具体公式如下:
;
式中,表示第q个目标像素点对应的概率调整参数,/>表示第q个目标像素点对应的概率参数,/>表示第q个目标像素点对应窗口中像素点灰度值的离散程度,表示肿瘤CT图像灰度图中所有像素点灰度值的离散程度。
需要说明的是,根据上述方法可以获取每个目标像素点对应的概率调整参数,当时,说明目标像素点对应窗口中的像素灰度值离散程度大于CT图像中像素绘制离散程度,窗口中的灰度值分布不均匀,则目标像素点属于病灶区域的概率越大,需要给予更大的调整参数以增加对比度,提高病灶区域细节程度。若/>,说明目标像素点对应窗口中的像素灰度值离散程度等于CT图像中像素绘制离散程度,窗口中的灰度值分布接近CT图像中灰度值的分布情况,则不需要对灰度值进行调整,当时,说明目标像素点对应窗口中的像素灰度值离散程度小于CT图像中像素绘制离散程度,窗口中的灰度值分布较为均匀,则目标像素点属于正常组织区域的概率越大,需要给予更小的调整参数以较少对比度以降低噪声程度。
步骤S003:根据每个窗口像素灰度值均值大小和CT图像灰度值均值大小获取每个目标像素点灰度系数;根据每个窗口内像素点均值与肿瘤CT图像灰度图中像素点均值的差值大小及灰度系数获取每个目标像素点灰度控制因子;根据每个目标像素点对应的概率调整参数和灰度控制因子获取每个目标像素点对应的特征参数;根据每个目标像素点对应的特征参数与相邻目标像素点对应的特征参数的差异大小获取变化参数;根据每个目标像素点对应的变化参数和所有目标像素点对应变化参数均值的差异情况获取每个目标像素点对应的变化系数。
需要说明的是,病灶区域可能呈现高灰度值的集中区域,因为肿瘤组织通常具有较高的密度导致其在CT图像中呈现出较高的灰度值,可能存在部分窗口中灰度图像噪声程度较高导致计算得到的概率调整参数较大,用较大的概率调整参数对噪声程度较高的窗口对应的目标像素点进行调整可能会导致噪声像素点的对比度增强,所以本步骤根据每个窗口像素灰度值均值的大小获取灰度系数。
具体的,根据每个窗口像素灰度值均值大小和CT图像灰度值均值大小获取每个目标像素点灰度系数具体方法如下:
;
式中,表示第q个目标像素点对应的灰度系数,C表示窗口长度,/>表示窗口中像素点的数量,/>表示肿瘤CT图像灰度图中所有像素点灰度值均值,/>表示第q个窗口中第j个像素点的灰度值,/>表示第I个窗口中第j个像素点的灰度值,V表示肿瘤CT图像中窗口数量,也表示肿瘤CT图像中目标像素点数量。
需要说明的是,根据上述方法可以获取每个目标像素点对应的灰度系数,灰度系数越大则说明窗口中的像素点灰度值均值与肿瘤CT图像灰度图中像素点灰度均值差异越大,窗口所在区域灰度图像存在病灶图像像素点的概率越大,应该对该窗口对应目标像素点赋予较大的调整因子以增加对比度,增强病灶区域细节以便观察。但本步骤无法判断窗口中像素点灰度值均值与肿瘤CT图像灰度图中像素点灰度值均值的相对大小,如果窗口中像素点灰度值均值比肿瘤CT图像灰度图中像素点灰度值均值小,则说明该窗口中像素点灰度值较低,该窗口中像素点为CT图像灰度图中正常组织区域像素点的概率越大,该窗口对应目标像素点为正常组织的概率越大,应该给予该目标像素点更小的调整因子以减小对比度,降低组织区域噪声对CT图像灰度图的影响。
具体的,根据每个窗口内像素点均值与肿瘤CT图像灰度图中像素点均值的差值大小及灰度系数获取每个目标像素点灰度控制因子具体方法如下:
;
式中,表示第q个目标像素点对应的灰度控制因子,/>表示第q个目标像素点对应的灰度系数,C表示窗口长度,/>表示窗口中像素点的数量,/>表示肿瘤CT图像灰度图中所有像素点灰度值均值,/>表示第q个窗口中第j个像素点的灰度值,/>表示第I个窗口中第j个像素点的灰度值,V表示肿瘤CT图像中窗口数量,也表示肿瘤CT图像中目标像素点数量。
需要说明的是,根据本步骤可以获取每个目标像素点对应的灰度控制因子,本步骤的目的是根据窗口内像素点均值与肿瘤CT图像灰度图中像素点均值的相对大小用不同的控制因子进行调整,灰度控制因子大于1会提高对比度,灰度控制因子等于1则不对像素点灰度值进行调整,灰度控制因子小于1则会降低对比度。通过上述方法得到每个目标像素点对应的灰度控制因子。
进一步需要说明的是,肿瘤CT图像中病灶区域和正常组织区域的像素灰度值分布规律差异较大,通过上述方法获取的调整参数和灰度控制因子对目标像素点进行调整时,可能存在多个目标像素点对应窗口中像素点灰度分布离散程度和均值差异较大,但最终获取的调整因子较为接近的情况,使得存在于病灶区域的目标像素点和噪声区域的目标像素点的对比度增强效果一致,无法获取较好的对比度增强效果,所以本步骤对比相邻的两个目标像素点对应窗口灰度分布的变化程度获取灰度变化参数,变化参数越大,说明像素点在病灶区域与正常组织区域交界处附近的概率越大,应该给予更大的调整因子以提高病灶区域边缘的对比度,以避免病灶区域边缘模糊的问题,使得增强后的肿瘤CT图像病灶区域更明显。
具体的,根据每个目标像素点对应的概率调整参数和灰度控制因子获取每个目标像素点对应的特征参数具体方法如下:
;
式中,表示第q个目标像素点对应的特征参数,/>表示第q个目标像素点对应的概率调整参数,/>表示第q个目标像素点对应的灰度控制因子。
需要说明的是,根据上述方法可以获取每个目标像素点对应的特征参数,目标像素点对应的概率调整参数和灰度控制因子分别是基于目标像素点对应窗口内像素点灰度值和灰度分布情况获取的,能一定程度上代表窗口内像素点灰度值的分布特征,若某目标像素点与相邻目标像素点灰度分布特征差异较大,则说明该目标像素点在病灶区域与正常组织区域交界处附近的概率较大,应该调整较大的对比度以提高病灶区域边缘的清晰度。
具体的,根据每个目标像素点对应的特征参数与相邻目标像素点对应的特征参数的差异大小获取变化参数具体过程如下:
;
式中,表示第q个目标像素点对应的变化参数,/>示第q-1个目标像素点对应的变化参数,/>表示第q个目标像素点对应的特征参数,/>表示第q+1个目标像素点对应的特征参数,/>表示第J个目标像素点对应的特征参数,/>表示第J+1个目标像素点对应的特征参数,V表示目标像素点数量。
进一步的,根据每个目标像素点对应的变化参数和所有目标像素点对应变化参数均值的差异情况获取每个目标像素点对应的变化系数具体方法如下:
;
式中,表示第q个目标像素点对应的变化系数,/>表示第q个目标像素点对应的特征参数,/>表示第q+1个目标像素点对应的特征参数,/>表示第J个目标像素点对应的特征参数,/>表示第J+1个目标像素点对应的特征参数,V表示目标像素点数量。
需要说明的是,通过上述方法可以获取每个目标像素点对应的变化系数,本步骤是为了根据每个目标像素点对应的变化参数与所有目标像素点对应变化参数的均值的大小对目标像素点变化系数进行调整,变化系数大于1会提高对比度,变化系数等于1则不对像素点灰度值进行调整,变化系数小于1则会降低对比度。
步骤S004:根据每个目标像素点对应的概率调整参数,灰度控制因子和变化系数获取每个目标像素点对应的调整因子;根据每个目标像素点对应的调整因子对肿瘤图像进行增强。
需要说明的是,上述方法获取了每个目标像素点对应的概率调整参数,灰度控制因子和变化系数,综合概率调整参数,灰度控制因子和变化系数可以获得每个目标像素点对应的调整因子。
具体的,根据每个目标像素点对应的概率调整参数,灰度控制因子和变化系数获取每个目标像素点对应的调整因子具体方法如下:
;
式中,表示第q个目标像素点对应的调整因子,/>表示第q个目标像素点对应的变化系数,/>表示第q个目标像素点对应的灰度控制因子,/>表示第q个目标像素点对应的概率调整参数。
需要说明的是,通过上述方法可以获取每个目标像素点对应的调整因子,本步骤结合了每个目标像素点对应窗口中像素点灰度值的分布特征,以及特征变化的规律性获取了每个目标像素点对应的调整因子,变化系数越大,灰度控制因子越大,概率调整参数则目标像素点为病灶区域像素点的概率越大,则应该给予更大的调整因子以增加病灶区域对比度。
具体的,根据每个目标像素点对应的调整因子对肿瘤图像进行增强的具体方法如下:
用肿瘤CT图像灰度图中每个目标像素点的灰度值乘以目标像素点对应调整因子得到每个目标像素点的增强灰度值,将每个目标像素点的增强灰度值赋予对应的目标像素点,最终调整后的图像即为增强后的肿瘤图像。
至此,本实施例完成。
本发明通过设置滑动窗口,分别根据每个窗口中的像素分布特征对窗口对应目标像素点进行调整,对每个目标像素点进行自适应调整可以避免全局像素点调整时造成的对比度过低或过高问题,通过分析每个窗口中像素点灰度值的分布聚集情况和灰度值大小调整目标像素点灰度值可以使病灶区域像素点灰度值对比度增加,以便观察到更清晰的病理情况,判断了灰度图像噪声概率并根据概率调整像素点的灰度值,降低了正常组织区域和噪声区域灰度图像的对比度,且根据连续相邻窗口中的像素点分布特征的变化情况对窗口对应目标像素点进行调整,提高了病灶区域边缘像素点对比度,使病灶区域边缘更清晰,同时本发明拓宽了图像的灰度级,在改变图像对比度的同时尽可能避免了对图像亮度的改变,使得肿瘤CT图像更加清晰。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种肿瘤图像增强方法,其特征在于,该方法包括以下步骤:
采集肿瘤CT图像灰度图;获取灰度图调整窗口;
根据滑动过程中每个窗口中像素点的像素分布情况和肿瘤CT灰度图中的像素分布情况获取每个目标像素点的概率参数;所述根据滑动过程中每个窗口中像素点的像素分布情况和肿瘤CT灰度图中的像素分布情况获取每个目标像素点的概率参数,包括的具体方法为:
;
式中,表示第q个目标像素点对应的概率参数,/>表示第q个目标像素点对应窗口中像素点灰度值的离散程度,/>表示肿瘤CT图像灰度图中所有像素点灰度值的离散程度,/>表示第i个目标像素点对应窗口中像素点灰度值的离散程度,V表示肿瘤CT图像中窗口数量,也表示肿瘤CT图像中目标像素点数量;获取每个目标像素点对应窗口中的像素点灰度值的离散程度与CT图像灰度图像素点灰度值的离散程度的差值,并根据目标像素点对应的差值与目标像素点的概率参数获取目标像素点的概率调整参数;所述获取每个目标像素点对应窗口中的像素点灰度值的离散程度与CT图像灰度图像素点灰度值的离散程度的差值,并根据目标像素点对应的差值与目标像素点的概率参数获取目标像素点的概率调整参数,包括的具体方法为:
;
式中,表示第q个目标像素点对应的概率调整参数,/>表示第q个目标像素点对应的概率参数,/>表示第q个目标像素点对应窗口中像素点灰度值的离散程度,/>表示肿瘤CT图像灰度图中所有像素点灰度值的离散程度;
根据每个窗口像素灰度值均值大小和CT图像灰度值均值大小获取每个目标像素点灰度系数;所述根据每个窗口像素灰度值均值大小和CT图像灰度值均值大小获取每个目标像素点灰度系数,包括的具体方法为:
;
式中,表示第q个目标像素点对应的灰度系数,C表示窗口长度,/>表示窗口中像素点的数量,/>表示肿瘤CT图像灰度图中所有像素点灰度值均值,/>表示第q个窗口中第j个像素点的灰度值,/>表示第I个窗口中第j个像素点的灰度值,V表示肿瘤CT图像中窗口数量,也表示肿瘤CT图像中目标像素点数量;根据每个窗口内像素点均值与肿瘤CT图像灰度图中像素点均值的差值大小及灰度系数获取每个目标像素点灰度控制因子;所述根据每个窗口内像素点均值与肿瘤CT图像灰度图中像素点均值的差值大小及灰度系数获取每个目标像素点灰度控制因子,包括的具体方法为:
;
式中,表示第q个目标像素点对应的灰度控制因子,/>表示第q个目标像素点对应的灰度系数,C表示窗口长度,/>表示窗口中像素点的数量,/>表示肿瘤CT图像灰度图中所有像素点灰度值均值,/>表示第q个窗口中第j个像素点的灰度值,/>表示第I个窗口中第j个像素点的灰度值,V表示肿瘤CT图像中窗口数量,也表示肿瘤CT图像中目标像素点数量;根据每个目标像素点对应的概率调整参数和灰度控制因子获取每个目标像素点对应的特征参数;根据每个目标像素点对应的特征参数与相邻目标像素点对应的特征参数的差异大小获取变化参数;所述根据每个目标像素点对应的特征参数与相邻目标像素点对应的特征参数的差异大小获取变化参数,包括的具体方法为:
;
式中,表示第q个目标像素点对应的变化参数,/>表示第q-1个目标像素点对应的变化参数,/>表示第q个目标像素点对应的特征参数,/>表示第q+1个目标像素点对应的特征参数,/>表示第J个目标像素点对应的特征参数,/>表示第J+1个目标像素点对应的特征参数,V表示目标像素点数量;根据每个目标像素点对应的变化参数和所有目标像素点对应变化参数均值的差异情况获取每个目标像素点对应的变化系数;所述根据每个目标像素点对应的变化参数和所有目标像素点对应变化参数均值的差异情况获取每个目标像素点对应的变化系数,包括的具体方法为:
;
式中,表示第q个目标像素点对应的变化系数,/>表示第q个目标像素点对应的特征参数,/>表示第q+1个目标像素点对应的特征参数,/>表示第J个目标像素点对应的特征参数,/>表示第J+1个目标像素点对应的特征参数,V表示目标像素点数量;
根据每个目标像素点对应的概率调整参数,灰度控制因子和变化系数获取每个目标像素点对应的调整因子;根据每个目标像素点对应的调整因子对肿瘤图像进行增强。
2.根据权利要求1所述一种肿瘤图像增强方法,其特征在于,所述根据每个目标像素点对应的概率调整参数,灰度控制因子和变化系数获取每个目标像素点对应的调整因子,包括的具体方法为:
;
式中,表示第q个目标像素点对应的调整因子,/>表示第q个目标像素点对应的变化系数,/>表示第q个目标像素点对应的灰度控制因子,/>表示第q个目标像素点对应的概率调整参数。
3.根据权利要求1所述一种肿瘤图像增强方法,其特征在于,所述根据每个目标像素点对应的概率调整参数和灰度控制因子获取每个目标像素点对应的特征参数,包括的具体方法为:
;
式中,表示第q个目标像素点对应的特征参数,/>表示第q个目标像素点对应的概率调整参数,/>表示第q个目标像素点对应的灰度控制因子。
4.根据权利要求1所述一种肿瘤图像增强方法,其特征在于,所述根据每个目标像素点对应的调整因子对肿瘤图像进行增强,包括的具体方法为:
用肿瘤CT图像灰度图中每个目标像素点的灰度值乘以目标像素点对应调整因子得到每个目标像素点的增强灰度值,将每个目标像素点的增强灰度值赋予对应的目标像素点,最终调整后的图像即为增强后的肿瘤图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410265677.1A CN117853386B (zh) | 2024-03-08 | 2024-03-08 | 一种肿瘤图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410265677.1A CN117853386B (zh) | 2024-03-08 | 2024-03-08 | 一种肿瘤图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117853386A CN117853386A (zh) | 2024-04-09 |
CN117853386B true CN117853386B (zh) | 2024-05-28 |
Family
ID=90534831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410265677.1A Active CN117853386B (zh) | 2024-03-08 | 2024-03-08 | 一种肿瘤图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117853386B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118052745B (zh) * | 2024-04-16 | 2024-06-18 | 摸鱼科技(大连)有限公司 | 一种妇科宫颈图像增强处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114298916A (zh) * | 2021-11-11 | 2022-04-08 | 电子科技大学 | 一种基于灰度拉伸和局部增强的X-Ray图像增强方法 |
CN116883537A (zh) * | 2023-09-06 | 2023-10-13 | 微山县人民医院 | 基于图像增强的普通外科手术影像采集方法 |
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 |
CN117409004A (zh) * | 2023-12-14 | 2024-01-16 | 自贡市第一人民医院 | 一种基于医疗影像分析的肺部康复智能辅助系统 |
CN117408929A (zh) * | 2023-12-12 | 2024-01-16 | 日照天一生物医疗科技有限公司 | 基于图像特征的肿瘤ct图像区域动态增强方法 |
CN117474823A (zh) * | 2023-12-28 | 2024-01-30 | 大连清东科技有限公司 | 一种儿科感染性炎症检测辅助用ct数据处理系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7139416B2 (en) * | 2002-02-22 | 2006-11-21 | Agfa-Gevaert N.V. | Method for enhancing the contrast of an image |
EP3207521B1 (en) * | 2014-10-17 | 2022-11-02 | Stichting Maastricht Radiation Oncology "Maastro Clinic" | Image analysis method supporting illness development prediction for a neoplasm in a human or animal body |
US20230142630A1 (en) * | 2021-11-10 | 2023-05-11 | Ancestry.Com Operations Inc. | Image Enhancement in a Genealogy System |
-
2024
- 2024-03-08 CN CN202410265677.1A patent/CN117853386B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114298916A (zh) * | 2021-11-11 | 2022-04-08 | 电子科技大学 | 一种基于灰度拉伸和局部增强的X-Ray图像增强方法 |
CN116883537A (zh) * | 2023-09-06 | 2023-10-13 | 微山县人民医院 | 基于图像增强的普通外科手术影像采集方法 |
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 |
CN117408929A (zh) * | 2023-12-12 | 2024-01-16 | 日照天一生物医疗科技有限公司 | 基于图像特征的肿瘤ct图像区域动态增强方法 |
CN117409004A (zh) * | 2023-12-14 | 2024-01-16 | 自贡市第一人民医院 | 一种基于医疗影像分析的肺部康复智能辅助系统 |
CN117474823A (zh) * | 2023-12-28 | 2024-01-30 | 大连清东科技有限公司 | 一种儿科感染性炎症检测辅助用ct数据处理系统 |
Non-Patent Citations (5)
Title |
---|
"SWSSL: Sliding Window-Based Self-Supervised Learning for Anomaly Detection in High-Resolution Images";Haoyu Dong 等;《IEEE Transactions on Medical Imaging》;20230911;第42卷(第12期);全文 * |
基于全局和局部特征的自适应红外图像增强算法研究;张婷婷;祁伟;曹峰;李伟;;信息与电脑(理论版);20200210(03);全文 * |
基于量子概率统计的医学图像增强算法研究;付晓薇;丁明跃;周成平;蔡超;孙阳光;;电子学报;20100715(07);全文 * |
武英 ; .基于局部特征和二维PDF修正的图像增强算法.南京晓庄学院学报.全文. * |
用于乳腺肿瘤分级诊断超声图像增强的算法;杨银广;黄祯;王正发;梁凤仪;袁胜坤;盖诗敏;邹应娇;;生物医学工程研究;20200325(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117853386A (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117853386B (zh) | 一种肿瘤图像增强方法 | |
CN114648530B (zh) | 一种ct图像处理方法 | |
US7218763B2 (en) | Method for automated window-level settings for magnetic resonance images | |
CN116883537B (zh) | 基于图像增强的普通外科手术影像采集方法 | |
US8433154B2 (en) | Enhanced contrast for scatter compensation in X-ray imaging | |
CN114529475B (zh) | 基于二维伽马校正和色调映射的图像增强方法及系统 | |
EP2419859A1 (en) | Multi-scale image normalization and enhancement | |
CN101105862A (zh) | 一种医学图像窗口参数的自适应调整方法 | |
CN106530236B (zh) | 一种医学图像处理方法及系统 | |
US20060029183A1 (en) | Soft tissue filtering | |
CN116703784B (zh) | 一种心脏超声图像视觉增强方法 | |
CN116993628B (zh) | 一种用于肿瘤射频消融引导的ct图像增强系统 | |
CN109598702A (zh) | 对比增强能谱乳腺x线摄影的病灶特征量化方法及系统 | |
CN116152505A (zh) | 基于x光数据的骨骼目标识别分割方法 | |
CN114972067A (zh) | 一种x光小牙片图像增强方法 | |
CN115908428B (zh) | 一种用于调节并指牵开器的图像处理方法及系统 | |
CN115511979A (zh) | 一种基于灰度变换的内窥镜主板控制系统 | |
CN113689424B (zh) | 可自动识别图像特征的超声检查系统及识别方法 | |
Kalhor et al. | Assessment of histogram-based medical image contrast enhancement techniques; an implementation | |
CN116485819B (zh) | 一种耳鼻喉检查图像分割方法及系统 | |
CN111325758A (zh) | 肺部图像分割方法及装置、图像分割模型的训练方法 | |
CN110852977B (zh) | 融合边缘灰度直方图与人眼视觉感知特性的图像增强方法 | |
CN115169533A (zh) | 双向指数加权移动平均算法的前列腺超声图像分割方法 | |
CN111091514B (zh) | 一种口腔cbct图像去噪方法及系统 | |
Idowu et al. | Improved Enhancement Technique for Medical Image Processing |
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 |