CN117911406B - 一种颈部放射影像病变区域特征提取方法 - Google Patents

Abstract

本申请涉及图像数据处理技术领域，提出了一种颈部放射影像病变区域特征提取方法，包括：获取颈部放射图像；利用超像素分割算法获取颈部放射图像的超像素块；根据颈部放射图像的超像素块获取会厌软组织斜率特征值及曲率度量向量；根据会厌软组织斜率特征值及曲率度量向量获取平均曲率度量向量；根据平均曲率度量向量获取曲率特征指数；基于曲率特征指数获取水平宽度序列；根据水平宽度序列获取趋势参数；基于趋势参数获取会厌炎软组织病变特征区域。本申请通过对会厌炎软组织特征进行分析，提高了会厌软组织病变区域诊断的效率和准确性。

Description

一种颈部放射影像病变区域特征提取方法

技术领域

本申请涉及图像数据处理技术领域，具体涉及一种颈部放射影像病变区域特征提取方法。

背景技术

作为临床医学领域重要的诊断依据之一，医疗影像承担着不可或缺的作用，通过对医疗影像的特征进行提取分析，可以知道更多的疾病信息和患者的身体状况，为医生的诊断提供更多的线索。但由于医疗影像的复杂性，以及医学诊断的时效性，如何准确高效的提取医疗影像的特征，就成为了一个挑战。

颈部放射影像作为临床中常用的医疗影像之一，其中包含的软组织情况复杂，在进行病变特征提取时，难以准确高效的定位病变区域。以会厌软组织为例，一幅颈部放射影像中和会厌的灰度、纹理相似的软组织区域数量极多，往往需要再次进行定位和识别，由于会厌软组织识别难度较高，无法保障对会厌软组织病变区域诊断的高效性。

发明内容

本申请提供一种颈部放射影像病变区域特征提取方法，以解决无法保障对会厌软组织病变区域诊断的高效性的问题，所采用的技术方案具体如下：

本申请一个实施例提供了一种颈部放射影像病变区域特征提取方法，该方法包括以下步骤：

获取颈部放射图像；

根据颈部放射图像获取颈部放射图像的每个超像素块，根据颈部放射图像的每个超像素块获取颈部放射图像的每个超像素块的边缘线；根据颈部放射图像的每个超像素块的边缘线获取颈部放射图像的每个超像素块的会厌软组织斜率特征值；根据颈部放射图像的每个超像素块的边缘线获取颈部放射图像的每个超像素块的曲率度量向量；根据颈部放射图像的每个超像素块的会厌软组织斜率特征值获取颈部放射图像的每个第一目标超像素块，根据所述曲率度量向量、所有所述第一目标超像素块获取颈部放射图像的所有第一目标超像素块的平均曲率度量向量；

根据颈部放射图像的所有第一目标超像素块的平均曲率度量向量获取颈部放射图像的每个第一目标超像素块的曲率特征指数，根据颈部放射图像的每个第一目标超像素块的曲率特征指数获取颈部放射图像的每个第二目标超像素块；根据颈部放射图像的每个第二目标超像素块获取颈部放射图像的每个第二目标超像素块的水平宽度序列；根据颈部放射图像的每个第二目标超像素块的水平宽度序列获取颈部放射图像的每个第二目标超像素块的趋势参数；

基于颈部放射图像的每个第二目标超像素块的趋势参数提取颈部放射图像中会厌炎软组织病变特征区域。

优选的，所述根据颈部放射图像获取颈部放射图像的每个超像素块，根据颈部放射图像的每个超像素块获取颈部放射图像的每个超像素块的边缘线的方法为：

将颈部放射图像作为SLIC超像素分割算法的输入，将SLIC超像素分割算法的输出作为颈部放射图像的所有超像素块；

将颈部放射图像的每个超像素块的图像作为Canny边缘检测算法的输入，将Canny边缘检测算法的输出作为颈部放射图像的每个超像素块的边缘线。

优选的，所述根据颈部放射图像的每个超像素块的边缘线获取颈部放射图像的每个超像素块的会厌软组织斜率特征值的方法为：

对于颈部放射图像的每个超像素块，将超像素块内边缘线在最上方的边缘点作为顶点，将顶点右侧的边缘线上每个三等分边缘点作为每个三等分点，将顶点与每个三等分点相连的直线作为一条特征直线；

计算每条特征直线的斜率，将超像素块内左边的特征直线作为第一特征直线，将超像素块内中间的特征直线作为第二特征直线，将超像素块内右边的特征直线作为第三特征直线；

计算以常数-1为底数，以所述斜率小于零的个数为指数的映射结果，计算第二特征直线与第一特征直线之间斜率的差值，将所述映射结果、差值、第三特征直线斜率的乘积作为超像素块的会厌软组织斜率特征值。

优选的，所述根据颈部放射图像的每个超像素块的边缘线获取颈部放射图像的每个超像素块的曲率度量向量的方法为：

根据颈部放射图像的每个超像素块的边缘线分别获取颈部放射图像的每个超像素块的第一向量参数、第二向量参数；

对于颈部放射图像的每个超像素块，将超像素块内上侧的边缘线作为超像素块内顶部边缘线，将超像素块内顶部边缘线上所有十等分点、两个端点的坐标分别作为曲线拟合算法的输入，将曲线拟合算法的输出作为超像素块内顶部边缘线的拟合曲线方程；

在超像素块内顶部边缘线上选取最上方的顶点左侧的一个点、最上方的顶点、最上方的顶点右侧的一个点，利用超像素块内顶部边缘线的拟合曲线方程分别计算最上方的顶点左侧的一个点、最上方的顶点、最上方的顶点右侧的一个点的曲率，将最上方的顶点左侧的一个点的曲率、最上方的顶点的曲率、最上方的顶点右侧的一个点的曲率分别作为超像素块的第三向量参数、第四向量参数、第五向量参数；

将由所述第一向量参数、第二向量参数、第三向量参数、第四向量参数、第五向量参数组成的向量作为超像素块的曲率度量向量。

优选的，所述根据颈部放射图像的每个超像素块的边缘线分别获取颈部放射图像的每个超像素块的第一向量参数、第二向量参数的方法为：

对于颈部放射图像的每个超像素块，将超像素块内左侧边缘线上所有十等分点、两个端点的坐标分别作为曲线拟合算法的输入，将曲线拟合算法的输出作为超像素块内左侧边缘线的拟合曲线方程；

在超像素块内左侧边缘线上选取第二预设参数个第一代表点，利用超像素块内左侧边缘线的曲线拟合方程计算每个第一代表点的曲率，将所有第一代表点的曲率均值作为超像素块的第一向量参数；

将超像素块内右侧边缘线上所有十等分点、两个端点的坐标分别作为曲线拟合算法的输入，将曲线拟合算法的输出作为超像素块内右侧边缘线的拟合曲线方程；

在超像素块内右侧边缘线上选取第二预设参数个第二代表点，利用超像素块内右侧边缘线的曲线拟合方程计算每个第二代表点的曲率，将所有第二代表点的曲率均值作为超像素块的第二向量参数。

优选的，所述根据颈部放射图像的每个超像素块的会厌软组织斜率特征值获取颈部放射图像的每个第一目标超像素块，根据所述曲率度量向量、所有所述第一目标超像素块获取颈部放射图像的所有第一目标超像素块的平均曲率度量向量的方法为：

将会厌软组织斜率特征值大于零的每个超像素块作为颈部放射图像的每个第一目标超像素块；

计算颈部放射图像的所有第一目标超像素块的曲率度量向量内每个向量参数均值，将由所有所述向量参数均值组成的向量作为颈部放射图像的所有第一目标超像素块的平均曲率度量向量。

优选的，所述根据颈部放射图像的所有第一目标超像素块的平均曲率度量向量获取颈部放射图像的每个第一目标超像素块的曲率特征指数，根据颈部放射图像的每个第一目标超像素块的曲率特征指数获取颈部放射图像的每个第二目标超像素块的方法为：

对于颈部放射图像的每个第一目标超像素块，将第一目标超像素块的曲率度量向量内第四向量参数与第一向量参数的差值作为第一乘积因子，将第一目标超像素块的曲率度量向量内第四向量参数与第二向量参数的差值作为第二乘积因子；

将第一目标超像素块的曲率度量向量内第一向量参数与第二向量参数的均值作为第一均值，将颈部放射图像的所有第一目标超像素块的平均曲率度量向量内第一向量参数均值与所述第一均值的差值作为第三乘积因子；

计算第一目标超像素块的曲率度量向量内第三向量参数与第五向量参数的均值，将第一目标超像素块的曲率度量向量内第四向量参数与所述第三向量参数与第五向量参数的均值的差值作为第四乘积因子；

将第一乘积因子、第二乘积因子、第三乘积因子、第四乘积因子的乘积作为第一目标超像素块的曲率特征指数；

将所述曲率特征指数大于零的每个第一目标超像素块作为颈部放射图像的每个第二目标超像素块。

优选的，所述根据颈部放射图像的每个第二目标超像素块获取颈部放射图像的每个第二目标超像素块的水平宽度序列的方法为：

对于颈部放射图像的每个第二目标超像素块，从第二目标超像素块内像素点的底部选取两个点，将所述两个点确定的水平直线的垂线作为水平高度直线；

对水平高度直线进行第三预设参数等分，将过水平高度直线上每个等分点的垂线与第二目标超像素块内边缘线的两个交点作为两个距离计算点，将两个距离计算点之间的度量距离作为两个距离计算点之间的水平宽度；

将所有所述水平宽度按照水平高度直线上等分点的排列顺序组成的序列作为第二目标超像素块的水平宽度序列。

优选的，所述根据颈部放射图像的每个第二目标超像素块的水平宽度序列获取颈部放射图像的每个第二目标超像素块的趋势参数的方法为：

对于颈部放射图像的每个第二目标超像素块，计算第二目标超像素块的水平宽度序列内每个元素与上一个元素之差的符号函数值，将所述符号函数值的累加和作为第二目标超像素块的趋势参数。

优选的，所述基于颈部放射图像的每个第二目标超像素块的趋势参数提取颈部放射图像中会厌炎软组织病变特征区域的方法为：

将颈部放射图像中趋势参数小于零的每个第二目标超像素块作为每个会厌炎软组织病变超像素块，将所有会厌炎软组织病变超像素块组成的区域作为颈部放射图像中会厌炎软组织病变特征区域。

本申请的有益效果是：本申请通过对颈部放射影像的图像分割结果和边缘检测结果进行叠加，获得各个超像素块的边缘线；再根据各个超像素块边缘线的曲率特征，判断超像素块包含的软组织是否是会厌软组织或近似会厌软组织，从而获得包含会厌软组织或近似会厌软组织的超像素块；最后在包含会厌软组织或近似会厌软组织的超像素块中，计算各个超像素块的水平宽度序列和趋势参数，根据趋势参数和曲率特征判断是否是会厌炎。通过先判断出包含会厌软组织或近似会厌软组织的超像素块，基于包含会厌软组织或近似会厌软组织的超像素块的结果再判断超像素块所属于的区域是否是会厌炎，使用这种方法减少了区域误差，降低了计算资源和时间的消耗，提高了会厌炎诊断效率和准确性。

附图说明

为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一个实施例所提供的一种颈部放射影像病变区域特征提取方法的流程示意图；

图2为本申请一个实施例所提供的一种颈部放射影像病变区域特征提取方法的实施流程图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

请参阅图1，其示出了本申请一个实施例提供的一种颈部放射影像病变区域特征提取方法的流程图，该方法包括以下步骤：

步骤S001，获取患者的颈部放射图像。

通过对患者进行颈部CT扫描，获得患者的原始颈部放射图像。原始颈部放射图像中可能会存在干扰噪声，这些干扰噪声会遮挡一部分特征，进而对特征的提取产生影响。因此，为了减少噪声的干扰，提高图像的质量，需要对原始的颈部放射图像进行去噪处理。在图像处理领域，常用的去噪方式包括：双边滤波去噪、高斯去噪、小波去噪、维纳滤波去噪等。将原始颈部放射图像作为输入，采用中值滤波技术对其进行预处理，得到去噪后的颈部放射图像。中值滤波技术作为公知技术，具体过程不再赘述。

至此，得到颈部放射图像。

步骤S002，根据颈部放射图像获取会厌软组织斜率特征值及曲率度量向量，根据会厌软组织斜率特征值及曲率度量向量获取平均曲率度量向量，根据平均曲率度量向量获取曲率特征指数，根据曲率特征指数获取水平宽度序列。

具体地，将颈部放射图像作为SLIC超像素分割算法（Simple Linear IterativeCluster，SLIC）的输入，将SLIC超像素分割算法的输出作为纹理具有较高相似度的所有超像素块，SLIC超像素分割算法为公知技术，具体过程不再赘述。

再以颈部放射图像的每个超像素块的图像作为Canny边缘检测算法的输入，将Canny边缘检测算法的输出作为颈部放射图像的每个超像素块的边缘线，Canny边缘检测算法为公知技术，具体过程不再赘述。

进一步地，对于颈部放射图像的每个超像素块，以超像素块内边缘线在最上方的边缘点作为顶点。以顶点进行分界，将顶点右侧的边缘线进行三等分得到3个等分点，将顶点与每个三等分点相连的直线作为一条特征直线，并分别计算计算每条特征直线的斜率，其中斜率的计算为公知技术，具体过程不再赘述。

将超像素块内左边的特征直线作为第一特征直线，将超像素块内中间的特征直线作为第二特征直线，将超像素块内右边的特征直线作为第三特征直线。

进一步地，对于颈部放射图像的每个超像素块，计算超像素块的会厌软组织斜率特征值：

；

式中，表示超像素块的会厌软组织斜率特征值，/>表示超像素块内所有特征直线斜率小于0的个数，/>分别表示超像素块内第一特征直线、第二特征直线、第三特征直线的斜率。

其中，超像素块内所有特征直线斜率小于0的个数，具体解释如下：

（1）：三条特征直线的斜率中存在一个小于0的，则一定是/>，且/>。此时顶点在最下方的三等分点的右侧，反映了会厌软组织的生长特征，即会厌的生长偏向右侧，此时会厌软组织的顶点在右侧边缘线的最低点的右侧。

（2）：三条特征直线的斜率同时小于0，则/>。此时顶点在最下方的三等分点的左侧，反映了会厌软组织的生长特征，即会厌的生长偏向左侧，会厌软组织的顶点在右侧边缘线的最低点的左侧。

因此，基于颈部放射影像，上述两种为奇数的情况都反映了会厌软组织的生长状况，即会厌的生长具有明显的趋向性，且顶点和最低点具有显著的位置关系，此时计算结果会厌软组织斜率特征值/>也均大于0。所以，如果会厌软组织斜率特征值/>，越能说明该超像素块中的软组织是会厌软组织。

进一步地，一般情况下，正常会厌左侧边曲缘线整体趋势比较统一，曲线的弯曲程度较低，未产生多处突变，正常会厌右侧边缘曲线的整体弯曲度趋势和左侧类似，正常会厌顶部较尖锐，即顶点处的弯曲程度远大于两侧。

另外，会厌炎会导致会厌软组织增厚，主要影响到了顶部边缘曲线的弯曲程度，所以会厌炎左侧边缘曲线整体趋势也比较统一，曲线的弯曲程度较低，未产生多处突变。会厌炎右侧边缘曲线的整体弯曲度趋势和左侧类似，会厌炎顶部边缘曲线接近于圆弧形，即顶部边缘曲线上各点的弯曲程度基本一致，且顶部的弯曲程度大于两侧。

基于上述分析，分析超像素块内边缘线的弯曲程度。通过在各条曲线上挑选点进行曲线拟合，获得拟合曲线方程，进而再挑选出一些点来计算曲率，从而得到各曲线的弯曲程度。

具体地，对于颈部放射图像的每个超像素块，在对超像素块的左侧边缘线进行曲线拟合时，将对左侧边缘线进行10等分，将9个等分点和两个端点的坐标作为曲线拟合算法的输入，利用曲线拟合算法得到超像素块内左侧边缘线的拟合曲线方程。在左侧边缘线上随机选取3个点作为三个第一代表点，根据拟合曲线方程/>，分别计算这三个第一代表点处的曲率/>，/>，/>。曲线拟合算法和曲率的计算作为公知技术，具体过程不再详细赘述。

同理，对右侧边缘线进行曲线拟合时，将对右侧边缘线进行10等分，将9个等分点和两个端点的坐标作为曲线拟合算法的输入，拟合出超像素块内右侧边缘线的拟合曲线方程。在右侧边缘线上随机选取3个点作为三个第二代表点，根据拟合曲线方程/>，分别计算这三个第二代表点处的曲率/>。

最后，对顶部边缘线进行曲线拟合时，将对顶部边缘线进行10等分，将9个等分点和两个端点的坐标作为曲线拟合算法的输入，拟合出超像素块内顶部边缘线的拟合曲线方程。在超像素块内顶部边缘线上选取最上方的顶点左侧的一个点、最上方的顶点A、最上方的顶点右侧的一个点，根据拟合曲线方程/>，分别计算最上方的顶点左侧的一个点、最上方的顶点、最上方的顶点右侧的一个点处的曲率/>。曲线拟合算法和曲率的计算作为公知技术，具体过程不再详细赘述。

对于颈部放射图像的超像素块的边缘线的各拟合曲线上，总共获得了9个点的曲率，分别是左侧边缘线上的曲率/>，右侧边缘线上的曲率，以及顶部边缘线上的曲率/>。

进一步地，由于会厌软组织左侧曲线整体的弯曲程度基本一致，右侧曲线整体的弯曲程度也基本一致，所以可以分别对左右侧的曲率求平均值，从而对超像素块形成一个5维的曲率度量向量/>，

；

式中，是颈部放射图像的超像素块/>的曲率度量向量，/>是超像素块/>内左侧边缘线上三个曲率的平均值，/>是超像素块/>内右侧边缘线上三个曲率的平均值，分别是超像素块/>内最上方的顶点左侧的一个点、最上方的顶点、最上方的顶点右侧的一个点处的曲率。需要说明的是，曲率度量向量/>是由/>组成的，即将/>分别作为曲率度量向量/>的第一向量参数、第二向量参数、第三向量参数、第四向量参数、第五向量参数。

进一步地，将会厌软组织斜率特征值的每个超像素块作为颈部放射图像的每个第一目标超像素块，构建颈部放射图像的所有第一目标超像素块的平均曲率度量向量：

；

式中，是颈部放射图像的所有第一目标超像素块的平均曲率度量向量，/>是满足会厌软组织斜率特征值/>的超像素块的总个数，/>是超像素块/>内左侧边缘线上三个曲率的平均值，/>是超像素块/>内右侧边缘线上三个曲率的平均值，/>分别是超像素块/>内最上方的顶点左侧的一个点、最上方的顶点、最上方的顶点右侧的一个点处的曲率。

进一步地，对于颈部放射图像的每个第一目标超像素块，计算第一目标超像素块的曲率特征指数：

；

；

式中，是满足会厌软组织斜率特征值/>的所有超像素块的左侧边曲线上曲率的平均值，/>是超像素块/>内左侧边缘线上三个曲率的平均值，/>是满足会厌软组织斜率特征值/>的超像素块的总个数；

是第一目标超像素块的曲率特征指数，/>是第一目标超像素块内顶点处的曲率，/>是第一目标超像素块内左侧边缘线上曲率的均值，/>是第一目标超像素块内右侧边缘线上曲率的均值，/>是第一目标超像素块内顶部边缘线上最上方的顶点左侧的一个点处的曲率，/>是第一目标超像素块内顶部边缘线上最上方的顶点右侧的一个点处的曲率。

根据颈部放射影像，会厌软组织处曲线的弯曲程度应该远大于两侧，所以第一乘积因子，第二乘积因子/>，且这两个差值越大，顶点的弯曲程度相对于两侧更大，更符合会厌软组织的特征。会厌软组织左侧和右侧曲线的弯曲程度均较小，且左侧的弯曲程度不小于右侧，从而左侧和右侧曲率均应较小，且左侧曲率大于等于右侧曲率，所以第三乘积因子/>。在顶部边缘线上，正常会厌软组织顶点处尖锐，顶点两边的弯曲程度与左侧、右侧边缘曲线的弯曲程度基本一致，所以顶点/>处的曲率应该是大于其左侧点/>和右侧点/>的曲率，此时第四乘积因子，且/>越大，越符合正常会厌软组织的特征；会厌炎软组织顶部边缘曲线顶点/>处的曲率应该是最大的，且顶部边缘曲线近似于一个圆弧，顶点两边的弯曲程度大于左侧、右侧边缘曲线的弯曲程度，此时第四乘积因子/>，且越接近0，越符合会厌炎软组织的特征。

综上所述，曲率特征指数中的各部分，表示会厌软组织中左侧边缘曲线、右侧边缘曲线以及顶部边缘曲线彼此之间的曲率关系，而这些关系式的值均应该是大于0的，所以如果/>，则说明超像素块包含的软组织基本符合会厌软组织的特征，即超像素块包含的软组织是会厌软组织的概率较大。

进一步地，将曲率特征指数大于零的每个第一目标超像素块作为颈部放射图像的每个第二目标超像素块。

对于颈部放射图像的每个第二目标超像素块，从第二目标超像素块内像素点的底部选取两个点，将所述两个点确定的水平直线的垂线作为水平高度直线。

对水平高度直线进行n等分，n取经验值50，将过水平高度直线上每个等分点的垂线与第二目标超像素块内边缘线的两个交点作为两个距离计算点，将两个距离计算点之间的度量距离作为两个距离计算点之间的水平宽度，将所有所述水平宽度按照水平高度直线上等分点的排列顺序组成的序列作为第二目标超像素块的水平宽度序列。

至此，得到颈部放射图像的每个第二目标超像素块的水平宽度序列。

步骤S003，基于水平宽度序列获取趋势参数，基于趋势参数提取会厌炎软组织病变特征区域。

对于颈部放射图像的每个第二目标超像素块，计算第二目标超像素块的水平宽度序列内每个元素与上一个元素之差的符号函数值，将所述符号函数值的累加和作为第二目标超像素块的趋势参数。本申请的实施流程图如图2所示。

一般情况下，正常会厌的水平宽度序列应该是严格递增的，所以其趋势参数大于0且；会厌炎的水平宽度序列应该是先递增再递减，但整体趋势是递减的，所以其趋势参数小于0。

将颈部放射图像中趋势参数小于零的每个第二目标超像素块作为每个会厌炎软组织病变超像素块，将所有会厌炎软组织病变超像素块组成的区域作为颈部放射图像中会厌炎软组织病变特征区域。

至此，完成一种颈部放射影像病变区域特征提取方法。

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。以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (6)

1.一种颈部放射影像病变区域特征提取方法，其特征在于，该方法包括以下步骤：

获取颈部放射图像；

根据颈部放射图像获取颈部放射图像的每个超像素块，根据颈部放射图像的每个超像素块获取颈部放射图像的每个超像素块的边缘线；根据颈部放射图像的每个超像素块的边缘线获取颈部放射图像的每个超像素块的会厌软组织斜率特征值；根据颈部放射图像的每个超像素块的边缘线获取颈部放射图像的每个超像素块的曲率度量向量；根据颈部放射图像的每个超像素块的会厌软组织斜率特征值获取颈部放射图像的每个第一目标超像素块，根据所述曲率度量向量、所有所述第一目标超像素块获取颈部放射图像的所有第一目标超像素块的平均曲率度量向量；

根据颈部放射图像的所有第一目标超像素块的平均曲率度量向量获取颈部放射图像的每个第一目标超像素块的曲率特征指数，根据颈部放射图像的每个第一目标超像素块的曲率特征指数获取颈部放射图像的每个第二目标超像素块；根据颈部放射图像的每个第二目标超像素块获取颈部放射图像的每个第二目标超像素块的水平宽度序列；根据颈部放射图像的每个第二目标超像素块的水平宽度序列获取颈部放射图像的每个第二目标超像素块的趋势参数；

基于颈部放射图像的每个第二目标超像素块的趋势参数提取颈部放射图像中会厌炎软组织病变特征区域；

所述根据颈部放射图像的每个超像素块的边缘线获取颈部放射图像的每个超像素块的会厌软组织斜率特征值的方法为：

对于颈部放射图像的每个超像素块，将超像素块内边缘线在最上方的边缘点作为顶点，将顶点右侧的边缘线上每个三等分边缘点作为每个三等分点，将顶点与每个三等分点相连的直线作为一条特征直线；

计算每条特征直线的斜率，将超像素块内左边的特征直线作为第一特征直线，将超像素块内中间的特征直线作为第二特征直线，将超像素块内右边的特征直线作为第三特征直线；

计算以常数-1为底数，以所述斜率小于零的个数为指数的映射结果，计算第二特征直线与第一特征直线之间斜率的差值，将所述映射结果、差值、第三特征直线斜率的乘积作为超像素块的会厌软组织斜率特征值；

所述根据颈部放射图像的每个超像素块的边缘线获取颈部放射图像的每个超像素块的曲率度量向量的方法为：

根据颈部放射图像的每个超像素块的边缘线分别获取颈部放射图像的每个超像素块的第一向量参数、第二向量参数；

对于颈部放射图像的每个超像素块，将超像素块内上侧的边缘线作为超像素块内顶部边缘线，将超像素块内顶部边缘线上所有十等分点、两个端点的坐标分别作为曲线拟合算法的输入，将曲线拟合算法的输出作为超像素块内顶部边缘线的拟合曲线方程；

在超像素块内顶部边缘线上选取最上方的顶点左侧的一个点、最上方的顶点、最上方的顶点右侧的一个点，利用超像素块内顶部边缘线的拟合曲线方程分别计算最上方的顶点左侧的一个点、最上方的顶点、最上方的顶点右侧的一个点的曲率，将最上方的顶点左侧的一个点的曲率、最上方的顶点的曲率、最上方的顶点右侧的一个点的曲率分别作为超像素块的第三向量参数、第四向量参数、第五向量参数；

将由所述第一向量参数、第二向量参数、第三向量参数、第四向量参数、第五向量参数组成的向量作为超像素块的曲率度量向量；

所述根据颈部放射图像的每个第二目标超像素块获取颈部放射图像的每个第二目标超像素块的水平宽度序列的方法为：

对于颈部放射图像的每个第二目标超像素块，从第二目标超像素块内像素点的底部选取两个点，将所述两个点确定的水平直线的垂线作为水平高度直线；

对水平高度直线进行第三预设参数等分，将过水平高度直线上每个等分点的垂线与第二目标超像素块内边缘线的两个交点作为两个距离计算点，将两个距离计算点之间的度量距离作为两个距离计算点之间的水平宽度；

将所有所述水平宽度按照水平高度直线上等分点的排列顺序组成的序列作为第二目标超像素块的水平宽度序列；

所述根据颈部放射图像的每个第二目标超像素块的水平宽度序列获取颈部放射图像的每个第二目标超像素块的趋势参数的方法为：

对于颈部放射图像的每个第二目标超像素块，计算第二目标超像素块的水平宽度序列内每个元素与上一个元素之差的符号函数值，将所述符号函数值的累加和作为第二目标超像素块的趋势参数。

2.根据权利要求1所述的一种颈部放射影像病变区域特征提取方法，其特征在于，所述根据颈部放射图像获取颈部放射图像的每个超像素块，根据颈部放射图像的每个超像素块获取颈部放射图像的每个超像素块的边缘线的方法为：

将颈部放射图像作为SLIC超像素分割算法的输入，将SLIC超像素分割算法的输出作为颈部放射图像的所有超像素块；

将颈部放射图像的每个超像素块的图像作为Canny边缘检测算法的输入，将Canny边缘检测算法的输出作为颈部放射图像的每个超像素块的边缘线。

3.根据权利要求1所述的一种颈部放射影像病变区域特征提取方法，其特征在于，所述根据颈部放射图像的每个超像素块的边缘线分别获取颈部放射图像的每个超像素块的第一向量参数、第二向量参数的方法为：

对于颈部放射图像的每个超像素块，将超像素块内左侧边缘线上所有十等分点、两个端点的坐标分别作为曲线拟合算法的输入，将曲线拟合算法的输出作为超像素块内左侧边缘线的拟合曲线方程；

在超像素块内左侧边缘线上选取第二预设参数个第一代表点，利用超像素块内左侧边缘线的曲线拟合方程计算每个第一代表点的曲率，将所有第一代表点的曲率均值作为超像素块的第一向量参数；

将超像素块内右侧边缘线上所有十等分点、两个端点的坐标分别作为曲线拟合算法的输入，将曲线拟合算法的输出作为超像素块内右侧边缘线的拟合曲线方程；

在超像素块内右侧边缘线上选取第二预设参数个第二代表点，利用超像素块内右侧边缘线的曲线拟合方程计算每个第二代表点的曲率，将所有第二代表点的曲率均值作为超像素块的第二向量参数。

4.根据权利要求1所述的一种颈部放射影像病变区域特征提取方法，其特征在于，所述根据颈部放射图像的每个超像素块的会厌软组织斜率特征值获取颈部放射图像的每个第一目标超像素块，根据所述曲率度量向量、所有所述第一目标超像素块获取颈部放射图像的所有第一目标超像素块的平均曲率度量向量的方法为：

将会厌软组织斜率特征值大于零的每个超像素块作为颈部放射图像的每个第一目标超像素块；

计算颈部放射图像的所有第一目标超像素块的曲率度量向量内每个向量参数均值，将由所有所述向量参数均值组成的向量作为颈部放射图像的所有第一目标超像素块的平均曲率度量向量。

5.根据权利要求1所述的一种颈部放射影像病变区域特征提取方法，其特征在于，所述根据颈部放射图像的所有第一目标超像素块的平均曲率度量向量获取颈部放射图像的每个第一目标超像素块的曲率特征指数，根据颈部放射图像的每个第一目标超像素块的曲率特征指数获取颈部放射图像的每个第二目标超像素块的方法为：

对于颈部放射图像的每个第一目标超像素块，将第一目标超像素块的曲率度量向量内第四向量参数与第一向量参数的差值作为第一乘积因子，将第一目标超像素块的曲率度量向量内第四向量参数与第二向量参数的差值作为第二乘积因子；

将第一目标超像素块的曲率度量向量内第一向量参数与第二向量参数的均值作为第一均值，将颈部放射图像的所有第一目标超像素块的平均曲率度量向量内第一向量参数均值与所述第一均值的差值作为第三乘积因子；

计算第一目标超像素块的曲率度量向量内第三向量参数与第五向量参数的均值，将第一目标超像素块的曲率度量向量内第四向量参数与所述第三向量参数与第五向量参数的均值的差值作为第四乘积因子；

将第一乘积因子、第二乘积因子、第三乘积因子、第四乘积因子的乘积作为第一目标超像素块的曲率特征指数；

将所述曲率特征指数大于零的每个第一目标超像素块作为颈部放射图像的每个第二目标超像素块。

6.根据权利要求1所述的一种颈部放射影像病变区域特征提取方法，其特征在于，所述基于颈部放射图像的每个第二目标超像素块的趋势参数提取颈部放射图像中会厌炎软组织病变特征区域的方法为：

将颈部放射图像中趋势参数小于零的每个第二目标超像素块作为每个会厌炎软组织病变超像素块，将所有会厌炎软组织病变超像素块组成的区域作为颈部放射图像中会厌炎软组织病变特征区域。