CN118038064A - 一种肝胆管及胆道结石图像分割方法 - Google Patents
一种肝胆管及胆道结石图像分割方法 Download PDFInfo
- Publication number
- CN118038064A CN118038064A CN202410431971.5A CN202410431971A CN118038064A CN 118038064 A CN118038064 A CN 118038064A CN 202410431971 A CN202410431971 A CN 202410431971A CN 118038064 A CN118038064 A CN 118038064A
- Authority
- CN
- China
- Prior art keywords
- calculus
- suspected
- region
- image
- reference image
- 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.)
- Granted
Links
- 210000003445 biliary tract Anatomy 0.000 title claims abstract description 159
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000003709 image segmentation Methods 0.000 title claims abstract description 7
- 210000003459 common hepatic duct Anatomy 0.000 title claims description 13
- 210000004185 liver Anatomy 0.000 claims abstract description 39
- 210000000013 bile duct Anatomy 0.000 claims abstract description 34
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 239000004575 stone Substances 0.000 claims description 38
- 238000009826 distribution Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000002440 hepatic effect Effects 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 210000000232 gallbladder Anatomy 0.000 abstract description 3
- 208000015924 Lithiasis Diseases 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 3
- 201000001883 cholelithiasis Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000001130 gallstones Diseases 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种肝胆管及胆道结石图像分割方法,包括:获取患者的肝胆管CT图像集;根据每张肝胆管CT图像中每个像素点的灰度值,得到每张肝胆管CT图像中的疑似胆道结石区域,进而得到基准图像;根据每张肝胆管CT图像中的疑似胆道结石区域,得到基准图像中每个像素点的灰度调整系数;从而得到灰度增强后的肝胆管CT图像;最终得到肝胆管CT图像中的结石区域。本发明对肝胆管CT图像中的胆道结石进行分割时,依据胆道结石内像素点灰度值的波动性较强与像素点灰度值较大的特征,得到结石区域与非结石区域差异更明显的肝胆管CT图像,使得分割结果更准确。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种肝胆管及胆道结石图像分割方法。
背景技术
肝胆管CT图像是一种通过计算机断层扫描技术获得的医学影像,用于观察和分析肝脏及其胆管系统的结构和功能状态。因为部分病人的肝胆管CT图像中含有结石,所以需要分割出肝胆管CT图像中的结石区域,来辅助医生制定治疗方案。由于肝胆管CT图像中胆道结石的像素点灰度值和部分正常组织的像素点灰度值较为接近,导致从肝胆管CT图像中分割出结石区域时可能会出现误判,造成分割出的结石区域不准确,因此需要对肝胆管CT图像进行增强。
灰度值线性增强是一种常用的是图像增强方法,其对肝胆管CT图像进行增强时,会对胆道结石像素点和正常的组织像素点都进行相同程度的增强,并不能达到增强结石区域与非结石区域之间差异的目的,导致无法通过灰度值线性增强后的图像准确分割出肝胆管CT图像中的结石区域。
发明内容
本发明提供一种肝胆管及胆道结石图像分割方法,以解决现有的问题。
本发明的一种肝胆管及胆道结石图像分割方法采用如下技术方案:
本发明一个实施例提供了一种肝胆管及胆道结石图像分割方法,该方法包括以下步骤:
获取患者的肝胆管CT图像集并得到每个肝胆管CT图像的灰度直方图;
根据每张肝胆管CT图像中每个像素点的灰度值,得到每张肝胆管CT图像的肝胆管组织细节灰度值阈值;
根据每张肝胆管CT图像的肝胆管组织细节灰度值阈值,得到每张肝胆管CT图像中的疑似胆道结石区域;
根据每张肝胆管CT图像中的疑似胆道结石区域中连通域的数量,得到基准图像;
根据每张肝胆管CT图像中的疑似胆道结石区域,得到基准图像中的最终疑似结石区域与最终疑似非结石区域;
根据基准图像中的最终疑似结石区域与最终疑似非结石区域中每个连通域的形状,得到基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度调整系数;
根据基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度调整系数,得到灰度增强后的肝胆管CT图像;
根据灰度增强后的肝胆管CT图像,分割肝胆管CT图像中的结石区域。
进一步地,所述根据每张肝胆管CT图像中每个像素点的灰度值,得到每张肝胆管CT图像的肝胆管组织细节灰度值阈值,包括的具体步骤如下:
获取在灰度值区间的肝胆管区域,其中/>为肝胆管区域最低灰度值,/>为肝胆管区域最高灰度值;根据肝胆管CT图像的灰度直方图中每个灰度值出现的频率,对在灰度值区间/>中的灰度值进行聚类,距离度量采用灰度值出现的频率之间的差值绝对值,得到两个聚类簇,将频率均值最大的聚类簇记为肝胆管组织簇;将直方图中出现的频率与肝胆管组织簇的频率均值最接近的灰度值记为肝胆管组织细节灰度值阈值/>。
进一步地,所述根据每张肝胆管CT图像的肝胆管组织细节灰度值阈值,得到每张肝胆管CT图像中的疑似胆道结石区域,包括的具体步骤如下:
根据第张肝胆管CT图像中每一行像素点的灰度值,得到/>个灰度值序列;
将任意一个灰度值分布序列记为目标灰度值分布序列,根据牛顿法获取目标灰度值序列中的极值点,将目标灰度值序列中的极值点与目标灰度值序列中的首尾数据共同作为目标灰度值序列中的分割点,将目标灰度值分布序列中的两个分割点之间的数据与两个分割点共同构成一个子曲线序列;
根据目标灰度值分布序列上每一个子曲线序列中每一数据的数值,得到目标灰度值分布序列中每个子曲线序列和相邻下一个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性;
根据目标灰度值分布序列中每个子曲线序列和相邻下一个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,得到每张肝胆管CT图像中的疑似胆道结石区域。
进一步地,所述根据目标灰度值分布序列上每一个子曲线序列中每一数据的数值,得到目标灰度值分布序列中每个子曲线序列和相邻下一个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,包括的具体公式如下:
式中,表示目标灰度值分布序列中第/>个子曲线序列和第/>个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,/>表示第/>个子曲线序列和第个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性的符号值,/>表示第/>个子曲线序列的斜率值,其由第/>个子曲线序列上的两个分割点通过两点法获得,/>表示第/>个子曲线序列的斜率值,/>表示第/>个子曲线序列中所有数据的均值,/>表示第个子曲线序列中所有数据的均值,/>表示第/>张肝胆管CT图像的肝胆管组织细节灰度值阈值,/>表示归一化函数,/>表示构成第/>个子曲线序列和第/>个子曲线序列的三个分割点中的最小值,/>表示绝对值函数,/>表示以自然常数为底的指数函数。
进一步地,所述根据目标灰度值分布序列中每个子曲线序列和相邻下一个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,得到每张肝胆管CT图像中的疑似胆道结石区域,包括的具体步骤如下:
根据目标灰度值序列内每一子曲线序列与相邻下一个邻接子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,按照子曲线序列的顺序排序,得到一个可能性数值序列;
预设差值阈值与数量阈值/>,计算可能性数值序列中相邻可能性的差值绝对值,根据相邻可能性的差值绝对值及可能性的数值的正负关系,结合差值阈值,得到若干连续的满足要求的可能性数值;根据满足要求的可能性数值的连续的数量及数量阈值,得到若干可能性高的序列;
将得到的若干可能性高的序列中的所有可能性对应的子曲线序列,记为目标灰度值序列内的疑似胆道结石段,对第张肝胆管CT图像中的所有灰度值序列获取疑似胆道结石段,得到每一行中的疑似胆道结石段;
根据每一行中的疑似胆道结石段对应的像素点,构成第张肝胆管CT图像中的疑似胆道结石区域。
进一步地,所述根据每张肝胆管CT图像中的疑似胆道结石区域,得到基准图像中的最终疑似结石区域与最终疑似非结石区域,包括的具体步骤如下:
遍历得到每张肝胆管CT图像中的疑似胆道结石区域内每个连通域的中心点所对应的像素点;
计算基准图像中的疑似胆道结石区域内每个连通域的中心点所对应的像素点,与每一张肝胆管CT图像中的疑似胆道结石区域内每一个连通域的中心点所对应的像素点在同一张图像中的欧式距离;
在每张肝胆管CT图像中选择与基准图像中的疑似胆道结石区域内每一个连通域的欧式距离最短的连通域,作为每一个连通域在对应肝胆管CT图像的待匹配连通域,得到基准图像中的疑似胆道结石区域内每个连通域的待匹配连通域集合;
通过轮廓匹配方法,获取基准图像中的疑似胆道结石区域内每个连通域与其每个待匹配连通域的轮廓相似度;
根据基准图像中的疑似胆道结石区域内每个连通域与其每个待匹配连通域的轮廓、所含有像素点的数量以及在肝胆管结石图像中的位置,得到基准图像中的疑似胆道结石区域内每个连通域和其待匹配连通域集合中每个连通域的匹配程度;
计算基准图像中的疑似胆道结石区域内每个连通域和其待匹配连通域集合中每个连通域的匹配程度的平均值,记为基准图像中的疑似胆道结石区域内每个连通域为疑似胆道结石区域的可能程度;结合预设的可能程度阈值,对基准图像中的疑似胆道结石区域内每个连通域进行判断,得到中的最终疑似结石区域与最终疑似非结石区域。
进一步地,所述根据基准图像中的疑似胆道结石区域内每个连通域与其每个待匹配连通域的轮廓、所含有像素点的数量以及在肝胆管结石图像中的位置,得到基准图像中的疑似胆道结石区域内每个连通域和其待匹配连通域集合中每个连通域的匹配程度,包括的具体公式如下:
式中,表示基准图像中的疑似胆道结石区域内第/>个连通域和第/>个待匹配连通域的匹配程度,/>表示基准图像中的疑似胆道结石区域内第/>个连通域的中心点所对应像素点与第/>个待匹配连通域的中心点所对应像素点之间的欧式距离,/>表示基准图像中的疑似胆道结石区域内第/>个连通域和其第/>个待匹配连通域的轮廓相似度,/>表示基准图像中的疑似胆道结石区域内第/>个连通域中包含像素点的数量,/>表示基准图像中的疑似胆道结石区域内第/>个连通域的第/>个待匹配连通域中包含像素点的数量,/>表示归一化函数,/>表示绝对值函数。
进一步地,所述根据基准图像中的最终疑似结石区域与最终疑似非结石区域中每个连通域的形状,得到基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度调整系数,包括的具体步骤如下:
使用圆形度计算方法和矩形度计算方法计算出基准图像中的最终疑似结石区域内每个连通域的圆形度和矩形度;
根据基准图像中的最终疑似结石区域内每个连通域的圆形度和矩形度,得到基准图像中的最终疑似结石区域内每个连通域的胆道结石特征;
将基准图像中的最终疑似结石区域内每个连通域的胆道结石特征与基准图像中的最终疑似结石区域内所有连通域的胆道结石特征之和的比值,记为基准图像中的最终疑似结石区域中每个连通域内像素点的灰度调整系数;
将255减去基准图像中的最终疑似非结石区域中所有像素点的灰度均值的倒数作为基准图像中的最终疑似非结石区域中所有像素点对应的灰度调整系数。
进一步地,所述根据基准图像中的最终疑似结石区域内每个连通域的圆形度和矩形度,得到基准图像中的最终疑似结石区域内每个连通域的胆道结石特征,包括的具体公式如下:
式中,表示基准图像中的最终疑似结石区域内第/>个连通域的胆道结石特征,/>表示第/>个连通域的圆形度,取值范围在0到1之间,/>表示第/>个连通域的矩形度,取值范围在0到1之间。
进一步地,所述根据基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度调整系数,得到灰度增强后的肝胆管CT图像,包括的具体步骤如下:
对于基准图像中的最终疑似结石区域中的第a个连通域的灰度值增强方法如下:
式中,表示基准图像中的最终疑似结石区域中第/>个连通域内第/>个像素点调整后的灰度值,/>表示基准图像中的最终疑似结石区域中第/>个连通域内第/>个像素点的原灰度值,/>表示基准图像中的最终疑似结石区域中第/>个连通域的灰度增强系数,/>表示绝对值函数;
对于基准图像中的最终疑似非结石区域中每个像素点的灰度值增强方法如下:
式中,表示基准图像中的最终疑似非结石区域中第/>个像素点灰度值调整后的值,/>表示基准图像中的最终疑似非结石区域中所有像素点对应的灰度调整系数,/>表示基准图像中的最终疑似非结石区域中第/>个像素点的原灰度值;
对基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度值进行调整,得到灰度增强后的肝胆管CT图像。
本发明的技术方案的有益效果是:本发明通过获取患者的肝胆管CT图像的灰度直方图,得到肝胆管组织细节灰度值阈值,在获取肝胆管组织细节灰度值阈值时,去除了非肝胆管区域,使得每张肝胆管CT图像的肝胆管组织细节灰度值阈值更接近真实情况;在获取每张肝胆管CT图像中的疑似胆道结石区域时,依据胆道结石内像素点灰度值较高与波动较强的特征,使得每张肝胆管CT图像中的疑似胆道结石区域的准确性更高;根据每张肝胆管CT图像中的疑似胆道结石区域中连通域的数量,得到基准图像;依据同一结石在多张肝胆管CT图像中的位置与形状较为相似的特征,使得得到基准图像中的最终疑似结石区域与最终疑似非结石区域更接近真实情况;依据胆道结石在肝胆管CT图像中表现为圆形或者椭圆形,使得基准图像中的最终疑似结石区域中每个连通域内像素点的灰度调整系数更接近真实情况;在对基准图像中像素点的灰度值进行调整时,增大最终疑似结石区域内像素点的灰度值,降低最终疑似非结石区域中每个像素点的灰度值,从而使得在增强后的肝胆管CT图像中结石区域与非结石区域的差异更大;最终因为增强后的肝胆管CT图像中结石区域与非结石区域的差异更大,使得分割出的结石区域更准确。
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为本发明一种肝胆管及胆道结石图像分割方法的步骤流程图;
图2为肝胆管CT图像;
图3为肝胆管CT图像的灰度直方图。
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肝胆管及胆道结石图像分割方法,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肝胆管及胆道结石图像分割方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种肝胆管及胆道结石图像分割方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取患者的肝胆管CT图像集并得到每个肝胆管CT图像的灰度直方图。
本实施例的主要目的是分割出肝胆管CT图像中的结石区域,因此需要获取患有胆道结石的患者的肝胆管CT图像;而肝胆管CT图像是一种通过计算机断层扫描技术获得的医学影像,用于观察和分析肝脏及其胆管系统的结构和功能状态,因此会得到肝胆管CT图像的多层图像,组成肝胆管CT图像集。
具体的,通过CT扫描得到患有胆道结石的患者的肝胆管CT图像的多层图像,组成肝胆管CT图像集,获取每一个肝胆管CT图像的灰度直方图,获得张肝胆管CT图像与/>张肝胆管CT图像的灰度直方图,肝胆管CT图像如图2,肝胆管CT图像的灰度直方图如图3所示。
本实施例预设的图像个数,以此为例进行叙述。
步骤S002:根据每张肝胆管CT图像中每个像素点的灰度值,得到每张肝胆管CT图像的肝胆管组织细节灰度值阈值。
需要说明的是,由于肝胆管CT图像中胆道结石像素点的灰度值和部分正常组织像素点的灰度值比较相似,使得分割肝胆管CT图像中的结石区域时,可能会将部分结石区域当做非结石区域或者将部分非结石区域当做结石区域;则需要对肝胆管CT图像进行增强,以增大结石区域与非结石区域的之间的差异。但是现有的增强方法是对待检测图像中像素点的灰度值进行整体调整,不能较好的增强结石区域与非结石区域之间的差异。因此本实施例对图像中不同的像素点进行不同的灰度调整,以增大结石区域与非结石区域的差异,使得通过阈值分割算法能更好的分割出肝胆管CT图像中的结石区域。
进一步的需要说明的是,本实施例对肝胆管CT图像进行增强时,根据胆道结石内部的像素点灰度值存在一定程度的小范围波动,使得胆道结石像素点所对应的灰度值在图像中出现频率较低的特征,得到肝胆管组织细节灰度值阈值。根据图像中每一像素点的灰度值将图像中的像素点分为多个子曲线序列;根据胆道结石内部的像素点灰度值存在一定程度的小范围波动的特征,即每一胆道结石像素点与其周围胆道结石像素点的灰度值有差异的特征,得到每一子曲线序列与其邻接子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,并得到疑似胆道结石区域;根据每一肝胆管CT图像中疑似胆道结石区域内所含连通域的多少,得到基准图像;根据每一肝胆管CT图像中每一疑似胆道结石区域与其他肝胆管CT图像中每一疑似胆道结石区域的匹配程度与胆道结石在CT图像中表现为圆形或椭圆形的特征,得到基准图像中每一像素点的灰度调整系数,得到增强后的肝胆管CT图像。
进一步需要说明的是,在获取每张肝胆管CT图像中的肝胆管组织细节灰度值阈值时,因为肝胆管CT图像中有许多非肝胆管区域如CT图像中的部分黑色区域,所以在获取肝胆管组织细节灰度值阈值时,需要去除肝胆管CT图像中的非肝胆管区域。根据胆道结石内部各像素点灰度值存在一定程度的小范围波动的特征,即结石像素点所对应的灰度值在肝胆管CT图像中出现的频率较低,得到肝胆管组织细节灰度值阈值。
具体的,获取在灰度值区间的肝胆管区域,根据肝胆管CT图像的灰度直方图中每个灰度值出现的频率,使用K-means聚类方法对在灰度值区间/>中的灰度值进行聚类,其中K=2,距离度量采用灰度值出现的频率之间的差值绝对值,得到两个聚类簇,将频率均值最大的聚类簇记为肝胆管组织簇。将直方图中出现的频率与肝胆管组织簇的均值频率最接近的灰度值记为肝胆管组织细节灰度值阈值/>。
其中,为肝胆管区域最低灰度值,/>为肝胆管区域最高灰度值。
步骤S003:根据每张肝胆管CT图像的肝胆管组织细节灰度值阈值,得到每张肝胆管CT图像中的疑似胆道结石区域。
需要说明的是,因为胆道结石内部各像素点灰度值存在一定程度的小范围波动,所以肝胆管CT图像中每一行像素点的灰度值序列中两个极值点之间,包含多个像素点的子序列可能为结石像素点的子区间;胆道结石内部各像素点灰度值存在一定程度的小范围波动,则需要计算每两个相邻子序列所对应像素点同为疑似胆道结石像素点的可能性。在肝胆管CT图像内胆道结石像素点的灰度值大于正常区域像素点的灰度值,且胆道结石内部各像素点灰度值存在一定程度的小范围波动,则根据每一子序列中每一像素点的灰度值与两个相邻子序列所对应像素点同为疑似胆道结石像素点的可能性,得到肝胆管CT图像中的疑似胆道结石区域。
具体的,以第张肝胆管CT图像中疑似胆道结石区域的获取方法为例,根据第/>张肝胆管CT图像中每一行像素点的灰度值,得到/>个灰度值序列。将任意一个灰度值分布序列作为目标灰度值分布序列,根据牛顿法获取目标灰度值序列中的极值点,牛顿法获取极值点为公知技术,本实施例不再赘述,将目标灰度值序列中的极值点与目标灰度值序列中的首尾数据共同作为目标灰度值序列中的分割点,将目标灰度值分布序列中的两个分割点之间的数据与两个分割点共同构成一个子曲线序列。根据每一个子曲线序列中每一数据的数值,得到目标灰度值序列中每一子曲线序列与其邻接子曲线序列所对应像素点同为疑似胆道结石像素点的可能性。目标灰度值分布序列中第/>个子曲线序列和第/>个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性/>的计算公式如下所示:
式中,表示目标灰度值分布序列中第/>个子曲线序列和第/>个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,/>表示第/>个子曲线序列和第个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性的符号值,/>表示第/>个子曲线序列的斜率值,其由第/>个子曲线序列上的两个分割点通过两点法获得,/>表示第/>个子曲线序列的斜率值,/>表示第/>个子曲线序列中所有数据的均值,/>表示第个子曲线序列中所有数据的均值,/>表示第/>张肝胆管CT图像的肝胆管组织细节灰度值阈值,/>表示归一化函数,采用sigmoid归一化函数进行归一化处理,/>表示构成第/>个子曲线序列和第/>个子曲线序列的三个分割点中的最小值,/>表示绝对值函数,/>表示以自然常数为底的指数函数。
需要说明的是,的值越大,表示第/>个子曲线序列所对应像素点为疑似胆道结石像素点的可能性越大;当/>时表示第/>个子曲线序列和第/>个子曲线序列所对应所有像素点的灰度值都处在肝胆管组织细节灰度值阈值/>的上方,对应的第/>个子曲线序列和第/>个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性越大;/>的值越小表示第/>个子曲线序列和第/>个子曲线序列所对应像素点的灰度值变化趋势越相似;/>的值越大表示两个子曲线序列所对应像素点同为疑似胆道结石曲线段的可能性越大;的值越小,表示两个子曲线序列上所对应像素点的灰度值越相似;/>的值越大,表示第n个曲线段和第n+1个曲线段所对应像素点同为疑似胆道结石像素点的可能性越大。
进一步的,根据上述方法计算出第张肝胆管CT图像中第/>个灰度值序列内每一子曲线序列与相邻下一个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性。
需要说明的是,因为肝胆管CT图像中胆道结石内部各像素点灰度值存在一定程度的小范围波动,所以根据每两个相邻子序列所对应像素点同为疑似胆道结石像素点的可能性,得到肝胆管CT图像中的疑似胆道结石区域。
具体的,根据目标灰度值序列内每一子曲线序列与相邻下一个邻接子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,按照子曲线序列的顺序排序,得到一个可能性数值序列;计算可能性数值序列中第一个可能性与第二个可能性的差值绝对值,如果两个可能性的数值为正且差值绝对值小于差值阈值,那么继续计算可能性数值序列中第二个可能性与第三个可能性的数值是否满足上述要求,如果第二个可能性与第三个可能性的数值满足上述要求,然后继续向下遍历,直到不满足两个数据的值为正且差值小于差值阈值/>停止;当在上述判断过程中如果满足上述要求的连续可能性数值的数量大于数量阈值/>,则将上述多个连续可能性数值放到可能性高的序列中,从可能性数值序列中下一个数值为正的可能性上开始继续寻找可以构成可能性高的序列中的可能性数值;如果满足上述要求的连续可能性数值的数量小于或等于数量阈值/>,从可能性数值序列中下一个数值为正的可能性上开始继续寻找可以放到可能性高的序列中的可能性数值;最终得到若干可能性高的序列。
进一步的,将得到的若干可能性高的序列中的所有可能性对应的子曲线序列,记为目标灰度值序列内的疑似胆道结石段,对第张肝胆管CT图像中的所有灰度值序列都进行上述操作,得到每一行中的疑似胆道结石段;根据每一行中的疑似胆道结石段对应的像素点,构成第/>张肝胆管CT图像中的疑似胆道结石区域。
本实施例预设的差值阈值,预设的数量阈值/>,并以此为例进行叙述。
对所有肝胆管CT图像都进行上述操作,得到每张肝胆管CT图像中的疑似胆道结石区域。
步骤S004:根据每张肝胆管CT图像中的疑似胆道结石区域中连通域的数量,得到基准图像;根据每张肝胆管CT图像中的疑似胆道结石区域,得到基准图像中的最终疑似结石区域与最终疑似非结石区域。
需要说明的是,在一张肝胆管CT图像中的疑似胆道结石区域中所含连通域的数量越多,说明这张肝胆管CT图像中可分割出的结石越多,即这张肝胆管CT图像越可靠;则在所有的肝胆管CT图像中选择疑似胆道结石区域中所含连通域数量最多的肝胆管CT图像作为基准图像。在肝胆管CT图像的多层图像中胆道结石的位置是不会发生明显变化的,即同一结石在多张肝胆管CT图像中的位置与形状较为相似。因此对基准图像中的疑似胆道结石区域内的每一连通域与其他肝胆管CT图像中的疑似胆道结石区域内的连通域进行匹配,根据匹配程度将基准图像中的疑似胆道结石区域分为最终疑似结石区域与最终疑似非结石区域。
具体的,将所有肝胆管CT图像中的疑似胆道结石区域中连通域的数量最多的肝胆管CT图像,作为基准图像。
进一步的,通过两次遍历方法即Two-Pass算法得到每张肝胆管CT图像中的疑似胆道结石区域内每个连通域的中心点所对应的像素点,计算基准图像中的疑似胆道结石区域内每个连通域的中心点所对应的像素点,与每一张肝胆管CT图像中的疑似胆道结石区域内每一个连通域的中心点所对应的像素点在同一张图像中的欧式距离;在每张肝胆管CT图像中选择与基准图像中的疑似胆道结石区域内每一个连通域的欧式距离最短的连通域,作为每一个连通域在对应肝胆管CT图像的待匹配连通域,得到基准图像中的疑似胆道结石区域内每个连通域的待匹配连通域集合。
其中,两次遍历方法为公知技术,具体方法在此不做介绍。
计算基准图像中的疑似胆道结石区域内第i个连通域和其待匹配连通域集合中每个连通域的匹配程度,其具体计算公式如下所示:
式中,表示基准图像中的疑似胆道结石区域内第/>个连通域和第/>个待匹配连通域的匹配程度,/>表示基准图像中的疑似胆道结石区域内第/>个连通域的中心点所对应像素点与第/>个待匹配连通域的中心点所对应像素点之间的欧式距离,/>表示基准图像中的疑似胆道结石区域内第/>个连通域和其第/>个待匹配连通域的轮廓相似度,轮廓相似度通过轮廓匹配方法来获取,/>表示基准图像中的疑似胆道结石区域内第/>个连通域中包含像素点的数量,/>表示基准图像中的疑似胆道结石区域内第/>个连通域的第/>个待匹配连通域中包含像素点的数量,/>表示归一化函数,归一化对象为基准图像中的疑似胆道结石区域内第i个连通域和其待匹配连通域集合中每个连通域的/>,/>表示绝对值函数。其中,轮廓匹配方法为公知技术,具体方法在此不做介绍。
需要说明的是,的值越小,表示基准图像中的疑似胆道结石区域内第/>个连通域和其第/>个待匹配连通域在图像中的位置越相似,对应的匹配程度越高;/>越高表示基准图像中的疑似胆道结石区域内第/>个连通域和其第/>个待匹配连通域的匹配程度越高,同时/>的值越小,表示两个连通域中包含的像素点数量越接近,对应的两个连通域的匹配程度越高。
进一步的,根据基准图像中每个连通域与其待匹配连通域的匹配程度,得到基准图像中的疑似胆道结石区域内每个连通域为疑似胆道结石区域的可能程度,具体计算公式如下所示:
式中,表示基准图像中的疑似胆道结石区域内第/>个连通域为疑似胆道结石区域的可能程度,/>表示基准图像中的疑似胆道结石区域内第/>个连通域和其第/>个待匹配连通域的匹配程度,Q表示肝胆管CT图像的数量。
进一步的,根据上述方法计算出基准图像中的疑似胆道结石区域内每个连通域为疑似胆道结石区域的可能程度。预设可能程度阈值,将基准图像中的疑似胆道结石区域内为疑似胆道结石区域的可能程度大于预设可能程度阈值/>的连通域,标记为基准图像中的最终疑似结石区域,对基准图像中的疑似胆道结石区域内的每一连通域都进行上述操作,得到基准图像中的最终疑似结石区域。将基准图像中属于疑似胆道结石区域的像素点但不属于最终疑似结石区域的像素点记为最终疑似非结石像素点,得到基准图像中的最终疑似非结石区域。
本实施例预设可能程度阈值,本实施例以此为例进行叙述,其它实施方式中可设置为其它值。
步骤S005:根据基准图像中的最终疑似结石区域与最终疑似非结石区域中每个连通域的形状,得到基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度调整系数。
需要说明的是,因为胆道结石在肝胆管CT图像中表现为圆形或者椭圆形,所以根据基准图像中的最终疑似结石区域的每个连通域的形状,得到最终疑似结石区域中每个连通域的灰度调整系数。并且在获取最终疑似结石区域中每个连通域的灰度调整系数时,最终疑似结石区域中的所有像素点对应的灰度值调整系数应该大于1,以使其在图像上的灰度值更加明显;最终疑似非结石区域中的所有像素点对应的灰度值调整系数应该小于1,使其灰度值降低,以使其余目标像素点的灰度值之间的差异更大。
具体的,使用圆形度计算方法和矩形度计算方法计算出基准图像中的最终疑似结石区域内每个连通域的圆形度和矩形度。
进一步需要说明的是根据每个连通域的圆形度与矩形度,得到基准图像中的最终疑似结石区域内每一连通域的胆道结石特征,根据基准图像中的最终疑似结石区域内每一连通域的胆道结石特征得到基准图像中的最终疑似结石区域内每一连通域内所有像素点的灰度值调整系数。
具体的,基准图像中的最终疑似结石区域内第个连通域的胆道结石特征为/>,其计算公式如下:
式中,表示基准图像中的最终疑似结石区域内第/>个连通域的胆道结石特征,/>表示第/>个连通域的圆形度,取值范围在0到1之间。/>表示第/>个连通域的矩形度,取值范围在0到1之间。
需要说明的是,基准图像中的最终疑似结石区域内第个连通域的圆形度越大,矩阵度越小,对应的第/>个连通域的胆道结石特征越大。
具体的,根据基准图像中的最终疑似结石区域内每个连通域的胆道结石特征,得到基准图像中的最终疑似结石区域内每个连通域内每一像素点的灰度调整系数。基准图像中的最终疑似结石区域中第个连通域内像素点的灰度调整系数为/>,其计算公式如下所示:
式中,表示基准图像中的最终疑似结石区域中第/>个连通域内像素点的灰度调整系数,/>表示基准图像中的最终疑似结石区域内第/>个连通域的胆道结石特征,/>表示基准图像中的最终疑似结石区域内第/>个连通域的胆道结石特征,/>表示基准图像中的最终疑似结石区域内的连通域数量。
进一步的,基准图像中的最终疑似非结石区域中所有像素点对应的灰度调整系数为,计算公式如下所示:
式中,表示基准图像中的最终疑似非结石区域中所有像素点对应的灰度调整系数,/>表示基准图像中的最终疑似非结石区域中所有像素点的灰度均值。
通过上述方法得到基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度调整系数。
步骤S006:根据基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度调整系数,得到灰度增强后的肝胆管CT图像。
在计算基准图像中的最终疑似结石区域中每个连通域的灰度调整系数以及最终疑似非结石区域中每个像素点的灰度调整系数,得到灰度增强后的图像。
对于基准图像中的最终疑似结石区域中的第a个连通域的灰度值增强方法如下所示:
/>
式中,表示基准图像中的最终疑似结石区域中第/>个连通域内第/>个像素点调整后的灰度值,/>表示基准图像中的最终疑似结石区域中第/>个连通域内第/>个像素点的原灰度值,/>表示基准图像中的最终疑似结石区域中第/>个连通域的灰度增强系数,/>表示绝对值函数。
对于基准图像中的最终疑似非结石区域中每个像素点,使用下述方法进行线性增强:
式中,表示基准图像中的最终疑似非结石区域中第/>个像素点灰度值调整后的值,/>表示基准图像中的最终疑似非结石区域中所有像素点对应的灰度调整系数,/>表示基准图像中的最终疑似非结石区域中第/>个像素点的原灰度值。
对基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度值进行调整,得到灰度增强后的肝胆管CT图像。
步骤S007:根据灰度增强后的肝胆管CT图像,分割肝胆管CT图像中的结石区域。
使用上述方法获得灰度增强后的肝胆管CT图像,使用大津阈值分割对灰度增强后的肝胆管CT图像进行分割,将其中灰度值大于分割阈值的像素点组成的若干区域,作为结石区域,则分割得到若干胆道结石。医生可以根据分割后的图像对照原肝胆管CT图像分析患者的胆道结果的分布位置以及严重程度,进而做出更加准确的分析结果。
至此,本实施例完成。
综上所述,在本发明实施例中,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 (10)
1.一种肝胆管及胆道结石图像分割方法,其特征在于,该方法包括以下步骤:
获取患者的肝胆管CT图像集并得到每个肝胆管CT图像的灰度直方图;
根据每张肝胆管CT图像中每个像素点的灰度值,得到每张肝胆管CT图像的肝胆管组织细节灰度值阈值;
根据每张肝胆管CT图像的肝胆管组织细节灰度值阈值,得到每张肝胆管CT图像中的疑似胆道结石区域;
根据每张肝胆管CT图像中的疑似胆道结石区域中连通域的数量,得到基准图像;
根据每张肝胆管CT图像中的疑似胆道结石区域,得到基准图像中的最终疑似结石区域与最终疑似非结石区域;
根据基准图像中的最终疑似结石区域与最终疑似非结石区域中每个连通域的形状,得到基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度调整系数;
根据基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度调整系数,得到灰度增强后的肝胆管CT图像;
根据灰度增强后的肝胆管CT图像,分割肝胆管CT图像中的结石区域。
2.根据权利要求1所述一种肝胆管及胆道结石图像分割方法,其特征在于,所述根据每张肝胆管CT图像中每个像素点的灰度值,得到每张肝胆管CT图像的肝胆管组织细节灰度值阈值,包括的具体步骤如下:
获取在灰度值区间的肝胆管区域,其中/>为肝胆管区域最低灰度值,/>为肝胆管区域最高灰度值;根据肝胆管CT图像的灰度直方图中每个灰度值出现的频率,对在灰度值区间/>中的灰度值进行聚类,距离度量采用灰度值出现的频率之间的差值绝对值,得到两个聚类簇,将频率均值最大的聚类簇记为肝胆管组织簇;将直方图中出现的频率与肝胆管组织簇的频率均值最接近的灰度值记为肝胆管组织细节灰度值阈值/>。
3.根据权利要求1所述一种肝胆管及胆道结石图像分割方法,其特征在于,所述根据每张肝胆管CT图像的肝胆管组织细节灰度值阈值,得到每张肝胆管CT图像中的疑似胆道结石区域,包括的具体步骤如下:
根据第张肝胆管CT图像中每一行像素点的灰度值,得到/>个灰度值序列;
将任意一个灰度值分布序列记为目标灰度值分布序列,根据牛顿法获取目标灰度值序列中的极值点,将目标灰度值序列中的极值点与目标灰度值序列中的首尾数据共同作为目标灰度值序列中的分割点,将目标灰度值分布序列中的两个分割点之间的数据与两个分割点共同构成一个子曲线序列;
根据目标灰度值分布序列上每一个子曲线序列中每一数据的数值,得到目标灰度值分布序列中每个子曲线序列和相邻下一个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性;
根据目标灰度值分布序列中每个子曲线序列和相邻下一个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,得到每张肝胆管CT图像中的疑似胆道结石区域。
4.根据权利要求3所述一种肝胆管及胆道结石图像分割方法,其特征在于,所述根据目标灰度值分布序列上每一个子曲线序列中每一数据的数值,得到目标灰度值分布序列中每个子曲线序列和相邻下一个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,包括的具体公式如下:
式中,表示目标灰度值分布序列中第/>个子曲线序列和第/>个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,/>表示第/>个子曲线序列和第/>个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性的符号值,/>表示第/>个子曲线序列的斜率值,其由第/>个子曲线序列上的两个分割点通过两点法获得,/>表示第/>个子曲线序列的斜率值,/>表示第/>个子曲线序列中所有数据的均值,/>表示第/>个子曲线序列中所有数据的均值,/>表示第/>张肝胆管CT图像的肝胆管组织细节灰度值阈值,表示归一化函数,/>表示构成第/>个子曲线序列和第/>个子曲线序列的三个分割点中的最小值,/>表示绝对值函数,/>表示以自然常数为底的指数函数。
5.根据权利要求3所述一种肝胆管及胆道结石图像分割方法,其特征在于,所述根据目标灰度值分布序列中每个子曲线序列和相邻下一个子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,得到每张肝胆管CT图像中的疑似胆道结石区域,包括的具体步骤如下:
根据目标灰度值序列内每一子曲线序列与相邻下一个邻接子曲线序列所对应像素点同为疑似胆道结石像素点的可能性,按照子曲线序列的顺序排序,得到一个可能性数值序列;
预设差值阈值与数量阈值/>,计算可能性数值序列中相邻可能性的差值绝对值,根据相邻可能性的差值绝对值及可能性的数值的正负关系,结合差值阈值,得到若干连续的满足要求的可能性数值;根据满足要求的可能性数值的连续的数量及数量阈值,得到若干可能性高的序列;
将得到的若干可能性高的序列中的所有可能性对应的子曲线序列,记为目标灰度值序列内的疑似胆道结石段,对第张肝胆管CT图像中的所有灰度值序列获取疑似胆道结石段,得到每一行中的疑似胆道结石段;
根据每一行中的疑似胆道结石段对应的像素点,构成第张肝胆管CT图像中的疑似胆道结石区域。
6.根据权利要求1所述一种肝胆管及胆道结石图像分割方法,其特征在于,所述根据每张肝胆管CT图像中的疑似胆道结石区域,得到基准图像中的最终疑似结石区域与最终疑似非结石区域,包括的具体步骤如下:
遍历得到每张肝胆管CT图像中的疑似胆道结石区域内每个连通域的中心点所对应的像素点;
计算基准图像中的疑似胆道结石区域内每个连通域的中心点所对应的像素点,与每一张肝胆管CT图像中的疑似胆道结石区域内每一个连通域的中心点所对应的像素点在同一张图像中的欧式距离;
在每张肝胆管CT图像中选择与基准图像中的疑似胆道结石区域内每一个连通域的欧式距离最短的连通域,作为每一个连通域在对应肝胆管CT图像的待匹配连通域,得到基准图像中的疑似胆道结石区域内每个连通域的待匹配连通域集合;
通过轮廓匹配方法,获取基准图像中的疑似胆道结石区域内每个连通域与其每个待匹配连通域的轮廓相似度;
根据基准图像中的疑似胆道结石区域内每个连通域与其每个待匹配连通域的轮廓、所含有像素点的数量以及在肝胆管结石图像中的位置,得到基准图像中的疑似胆道结石区域内每个连通域和其待匹配连通域集合中每个连通域的匹配程度;
计算基准图像中的疑似胆道结石区域内每个连通域和其待匹配连通域集合中每个连通域的匹配程度的平均值,记为基准图像中的疑似胆道结石区域内每个连通域为疑似胆道结石区域的可能程度;结合预设的可能程度阈值,对基准图像中的疑似胆道结石区域内每个连通域进行判断,得到中的最终疑似结石区域与最终疑似非结石区域。
7.根据权利要求6所述一种肝胆管及胆道结石图像分割方法,其特征在于,所述根据基准图像中的疑似胆道结石区域内每个连通域与其每个待匹配连通域的轮廓、所含有像素点的数量以及在肝胆管结石图像中的位置,得到基准图像中的疑似胆道结石区域内每个连通域和其待匹配连通域集合中每个连通域的匹配程度,包括的具体公式如下:
式中,表示基准图像中的疑似胆道结石区域内第/>个连通域和第/>个待匹配连通域的匹配程度,/>表示基准图像中的疑似胆道结石区域内第/>个连通域的中心点所对应像素点与第/>个待匹配连通域的中心点所对应像素点之间的欧式距离,/>表示基准图像中的疑似胆道结石区域内第/>个连通域和其第/>个待匹配连通域的轮廓相似度,/>表示基准图像中的疑似胆道结石区域内第/>个连通域中包含像素点的数量,/>表示基准图像中的疑似胆道结石区域内第/>个连通域的第/>个待匹配连通域中包含像素点的数量,/>表示归一化函数,/>表示绝对值函数。
8.根据权利要求1所述一种肝胆管及胆道结石图像分割方法,其特征在于,所述根据基准图像中的最终疑似结石区域与最终疑似非结石区域中每个连通域的形状,得到基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度调整系数,包括的具体步骤如下:
使用圆形度计算方法和矩形度计算方法计算出基准图像中的最终疑似结石区域内每个连通域的圆形度和矩形度;
根据基准图像中的最终疑似结石区域内每个连通域的圆形度和矩形度,得到基准图像中的最终疑似结石区域内每个连通域的胆道结石特征;
将基准图像中的最终疑似结石区域内每个连通域的胆道结石特征与基准图像中的最终疑似结石区域内所有连通域的胆道结石特征之和的比值,记为基准图像中的最终疑似结石区域中每个连通域内像素点的灰度调整系数;
将255减去基准图像中的最终疑似非结石区域中所有像素点的灰度均值的倒数作为基准图像中的最终疑似非结石区域中所有像素点对应的灰度调整系数。
9.根据权利要求8所述一种肝胆管及胆道结石图像分割方法,其特征在于,所述根据基准图像中的最终疑似结石区域内每个连通域的圆形度和矩形度,得到基准图像中的最终疑似结石区域内每个连通域的胆道结石特征,包括的具体公式如下:
式中,表示基准图像中的最终疑似结石区域内第/>个连通域的胆道结石特征,/>表示第/>个连通域的圆形度,取值范围在0到1之间,/>表示第/>个连通域的矩形度,取值范围在0到1之间。
10.根据权利要求1所述一种肝胆管及胆道结石图像分割方法,其特征在于,所述根据基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度调整系数,得到灰度增强后的肝胆管CT图像,包括的具体步骤如下:
对于基准图像中的最终疑似结石区域中的第a个连通域的灰度值增强方法如下:
式中,表示基准图像中的最终疑似结石区域中第/>个连通域内第/>个像素点调整后的灰度值,/>表示基准图像中的最终疑似结石区域中第/>个连通域内第/>个像素点的原灰度值,/>表示基准图像中的最终疑似结石区域中第/>个连通域的灰度增强系数,/>表示绝对值函数;
对于基准图像中的最终疑似非结石区域中每个像素点的灰度值增强方法如下:
式中,表示基准图像中的最终疑似非结石区域中第/>个像素点灰度值调整后的值,/>表示基准图像中的最终疑似非结石区域中所有像素点对应的灰度调整系数,/>表示基准图像中的最终疑似非结石区域中第/>个像素点的原灰度值;
对基准图像中的最终疑似结石区域与最终疑似非结石区域中每个像素点的灰度值进行调整,得到灰度增强后的肝胆管CT图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410431971.5A CN118038064B (zh) | 2024-04-11 | 2024-04-11 | 一种肝胆管及胆道结石图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410431971.5A CN118038064B (zh) | 2024-04-11 | 2024-04-11 | 一种肝胆管及胆道结石图像分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118038064A true CN118038064A (zh) | 2024-05-14 |
CN118038064B CN118038064B (zh) | 2024-06-11 |
Family
ID=90991611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410431971.5A Active CN118038064B (zh) | 2024-04-11 | 2024-04-11 | 一种肝胆管及胆道结石图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118038064B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170249744A1 (en) * | 2014-12-02 | 2017-08-31 | Shanghai United Imaging Healthcare Co., Ltd. | A Method and System for Image Processing |
CN112734748A (zh) * | 2021-01-21 | 2021-04-30 | 广东工业大学 | 一种肝胆管及胆道结石的图像分割系统 |
CN116188786A (zh) * | 2023-05-04 | 2023-05-30 | 潍坊医学院附属医院 | 一种肝胆管及胆道结石的图像分割系统 |
CN116385436A (zh) * | 2023-06-02 | 2023-07-04 | 胜利油田中心医院 | 一种基于ct图像的胆结石辅助检测系统 |
-
2024
- 2024-04-11 CN CN202410431971.5A patent/CN118038064B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170249744A1 (en) * | 2014-12-02 | 2017-08-31 | Shanghai United Imaging Healthcare Co., Ltd. | A Method and System for Image Processing |
CN112734748A (zh) * | 2021-01-21 | 2021-04-30 | 广东工业大学 | 一种肝胆管及胆道结石的图像分割系统 |
CN116188786A (zh) * | 2023-05-04 | 2023-05-30 | 潍坊医学院附属医院 | 一种肝胆管及胆道结石的图像分割系统 |
CN116385436A (zh) * | 2023-06-02 | 2023-07-04 | 胜利油田中心医院 | 一种基于ct图像的胆结石辅助检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN118038064B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115330800B (zh) | 基于图像处理的放疗靶区自动分割方法 | |
CN115359052B (zh) | 基于聚类算法的医疗影像增强方法 | |
CN116152505B (zh) | 基于x光数据的骨骼目标识别分割方法 | |
CN111429451B (zh) | 医学超声图像分割方法及装置 | |
Chamveha et al. | Automated cardiothoracic ratio calculation and cardiomegaly detection using deep learning approach | |
CN116912255B (zh) | 一种用于卵巢组织分析的卵泡区域分割方法 | |
CN117830308B (zh) | 一种介入手术前后血管造影智能对比分析方法 | |
CN112270676A (zh) | 一种mri图像子宫内膜癌肌层浸润深度计算机辅助判断方法 | |
CN116579954B (zh) | 一种超高清内窥镜图像智能增强方法 | |
CN116485814A (zh) | 一种基于ct影像的颅内血肿区域分割方法 | |
CN117437492A (zh) | 一种肺部x光影像中白肺特征识别及分割方法 | |
CN117237591A (zh) | 一种心脏超声影像伪影智能去除方法 | |
Singh et al. | An efficient combined approach for medical brain tumour segmentation | |
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 | |
CN114820663A (zh) | 用于确定射频消融治疗的辅助定位方法 | |
CN118038064B (zh) | 一种肝胆管及胆道结石图像分割方法 | |
CN112529918B (zh) | 一种脑部ct图像中脑室区域分割的方法、装置及设备 | |
CN116485819B (zh) | 一种耳鼻喉检查图像分割方法及系统 | |
CN113496478A (zh) | 医学影像辨识方法及医学影像辨识装置 | |
CN112258533B (zh) | 一种超声图像中小脑蚓部的分割方法 | |
CN115222651A (zh) | 一种基于改进Mask R-CNN的肺结节检测系统 | |
CN117237389B (zh) | 一种中耳胆脂瘤ct影像分割方法 | |
CN118096794B (zh) | 一种基于胸外科ct影像的智能分割方法 | |
CN117974692B (zh) | 一种基于区域生长的眼科医学影像处理方法 | |
CN117237342B (zh) | 一种呼吸康复ct影像智能分析方法 |
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 |