一種醫(yī)學影像計算機輔助分析方法
【專利摘要】本發(fā)明提出了一種醫(yī)學影像計算機輔助分析方法，包括以下步驟：通過紅外光源和紅外熱成像儀對醫(yī)學影像進行一次掃描，對一次掃描圖像的體數(shù)據(jù)進行圖像分裂操作，得到一次圖像數(shù)據(jù)；通過可見光光源和感光元件對所述醫(yī)學影像進行二次掃描；對二次掃描圖像的體數(shù)據(jù)進行所述圖像分裂操作，得到二次圖像數(shù)據(jù)；將所述一次圖像數(shù)據(jù)和二次圖像數(shù)據(jù)綁定，與病理數(shù)據(jù)庫中已有的病理樣本相比對，比對過程具體為一次圖像數(shù)據(jù)互相比對，二次圖像數(shù)據(jù)互相比對。
【專利說明】一種醫(yī)學影像計算機輔助分析方法
【技術領域】
[0001]本發(fā)明涉及醫(yī)療器械領域，特別涉及一種醫(yī)學影像計算機輔助分析方法。
【背景技術】
[0002]計算機輔助檢測是利用先進的計算機軟硬件分析和處理數(shù)字放射圖像，以發(fā)現(xiàn)并檢出病變特征，其結(jié)果作為“第二個意見”供診斷醫(yī)師參考，幫助放射醫(yī)師提高病灶檢出率，被稱為放射科醫(yī)師的“第二雙眼睛”，它可以提高診斷準確性并改良診斷的再現(xiàn)性，縮短讀片時間，提高工作效率。
[0003]常用的計算機輔助檢測方法是特征分析法和時間減影法。
[0004]1、特征分析法:通過圖像后處理提取某種變化特征，與相應的模式匹配后再輸出診斷結(jié)果的方法。特征分析法分為選取興趣區(qū)、提取特征、模式匹配和疾病診斷等步驟。選取興趣區(qū)后，應用多種圖像后處理手段對所選取的部分提取特征，根據(jù)病變特征與相關的疾病表現(xiàn)進行模式匹配與疾病診斷。
[0005]2、時間減影法:對患者發(fā)病前后的兩幅圖像進行相減小運算，去除兩幅圖像中的相同的部分，保留不同部分，在均勻背景下明顯突出異常的改變。
[0006]特征分析法是預先建立病理模型，提取目標圖像的病理區(qū)域，將病變特征與病理模型進行匹配。由于病理模型為固定模型，或者是由多個固定模型組成的模型庫，而病變特征千差萬別，單純根據(jù)匹配度進行診斷，難免會發(fā)生誤判的情況。
[0007]而時間減影法是針對患者發(fā)病前后的兩幅圖像進行相減小運算，而不是對單幅圖像進行分析比對，如果患者只存有單幅圖像，該方法失效。
[0008]上述兩種方法，都需要進行圖像處理和數(shù)據(jù)處理，具體包括以下三個步驟:
[0009](I)病灶陰影的強化處理。目前，主要采用空間濾過及空間頻率濾過使病灶對比度增大，病灶以外的部分對比度降低，以致病灶容易檢出。
[0010](2)病灶候選陰影的提取。根據(jù)閥值處理檢出病灶陰影并測量病灶的特征量，判斷是否為所選取的病灶。首先確定陰影的特征量尺度，如有關其開關特征量的有效直徑、圓形度、不規(guī)則度等，將圓形度大、不規(guī)則度小的陰影作為提取結(jié)陽影的標尺，然后經(jīng)過多次閥值處理，獲得黑白反差圖像。
[0011](3)縮小病灶候選陰影范圍(降低假陽性)。利用圖像識別技術即選擇反映病灶陰影的特征量，根據(jù)特征量識別病灶和假陽性陰影，特征量越多，出現(xiàn)假陽性數(shù)就越少。如結(jié)節(jié)影中使用有效直徑、圓形度、密度等10個以上特征量，然后對特征量進行診斷分類，常用方法人工神經(jīng)網(wǎng)絡法、模糊聚類法、線形分類法等。
[0012]上述步驟中，病灶陰影的強化處理步驟至關重要，是接下來兩個診斷處理步驟的基礎，如果該步驟出現(xiàn)偏差，偏差在后續(xù)兩個步驟中會引起連鎖偏差，這個偏差甚至被放大，導致誤診。
[0013]因此，如何建立一個完整的病理庫、存儲盡可能多的病理模型，提高病灶陰影的強化處理效果，是目前亟待解決的問題。
【發(fā)明內(nèi)容】

[0014]本發(fā)明提出一種醫(yī)學影像計算機輔助分析方法，通過建立并不斷更新病理數(shù)據(jù)庫，將待診斷醫(yī)學影像與已有的病理樣本相比對，提高輔助診斷的正確性，解決了現(xiàn)有的計算機輔助診斷方法病理模型單一、病灶陰影存在誤差的問題。
[0015]本發(fā)明的技術方案是這樣實現(xiàn)的:
[0016]一種醫(yī)學影像計算機輔助分析方法，包括以下步驟:
[0017]步驟(1)，通過紅外光源和紅外熱成像儀對醫(yī)學影像進行一次掃描，對一次掃描圖像的體數(shù)據(jù)進行圖像分裂操作，得到一次圖像數(shù)據(jù)；
[0018]所述圖像分裂操作具體包括以下步驟:
[0019]步驟(a)，創(chuàng)建一個分裂區(qū)域子節(jié)點集合setNodes，和一個與體數(shù)據(jù)相同大小的數(shù)據(jù)區(qū)域NodeArray,所述數(shù)據(jù)區(qū)域NodeArray用于存放每個體素所在子節(jié)點的地址,并將數(shù)據(jù)區(qū)域NodeArray的數(shù)據(jù)內(nèi)容設置為空；[0020]步驟(b),依次遍歷體數(shù)據(jù)中的每一個體素點Voxel (xi, yi, zi),當完成遍歷后，跳轉(zhuǎn)到步驟(g);
[0021]步驟(c),判斷Voxel (xi, yi, zi)是否已經(jīng)被擴展過；判斷方法為看其對應NodeArray (xi, yi, zi)中的值是否為空；如果是擴展過的，貝丨』返回步驟(b)；
[0022]步驟(d),創(chuàng)建一個子區(qū)域節(jié)點Nodej,該節(jié)點的起始位置為Voxel (xi, yi, zi)；
[0023]步驟&)，分別對乂、Y、Z三個坐標軸的正方向進行擴展，并判斷新擴展的體素與Voxel (xi, yi, zi)是否具有特征一致性；當某一方向出現(xiàn)不一致的體素時，則停止該方向的擴展；
[0024]步驟(f),所述步驟(e)完成后會得到節(jié)點Nodej的結(jié)束位置Voxel (xi+m, yi+n,zi+k);先將 Nodej 所包含的體素 Voxel (xs, ys, zs)所對應 NodeArray (xs, ys, zs)的值設置為Nodej的地址，再將其添加到子節(jié)點集合setNodes中；
[0025]步驟(g)，在遍歷完體數(shù)據(jù)中所有體素后，通過遍歷數(shù)據(jù)區(qū)域NodeArray中的數(shù)據(jù)，生成子區(qū)域節(jié)點的相鄰關系；
[0026]步驟(2)，通過可見光光源和感光元件對所述醫(yī)學影像進行二次掃描；對二次掃描圖像的體數(shù)據(jù)進行所述圖像分裂操作，得到二次圖像數(shù)據(jù)；
[0027]步驟(3)，將所述一次圖像數(shù)據(jù)和二次圖像數(shù)據(jù)綁定，與病理數(shù)據(jù)庫中已有的病理樣本相比對，比對過程具體為一次圖像數(shù)據(jù)互相比對，二次圖像數(shù)據(jù)互相比對；
[0028]步驟(4)，一次圖像數(shù)據(jù)比對結(jié)果rl乘以一次系數(shù)kl，二次圖像數(shù)據(jù)比對結(jié)果r2乘以二次系數(shù) k2，kl+k2 = 1，且 0.2 ≤ kl ≤ 0.3，0.7 ≤ kl ≤ 0.8 ;若 rl*kl+r2*k2 ≤ 0.5，判斷新的病理樣本為病變樣本，并錄入所述病理數(shù)據(jù)庫；若0.05 ( rl*kl+r2*k2 < 0.5，判斷新的病理樣本為疑似病變樣本；若rl*kl+r2*k2 < 0.05，判斷病理樣本為正常樣本。
[0029]可選地，所述步驟(1)中，通過柱狀紅外光源掃過醫(yī)學影像，位于所述醫(yī)學影像另一側(cè)的紅外熱成像儀對經(jīng)過醫(yī)學影像膠片過濾之后的紅外信號進行感應成像，得到一次掃描圖像。
[0030]可選地，所述步驟(2)中，通過柱狀可見光光源掃過醫(yī)學影像，位于所述醫(yī)學影像另一側(cè)的感光元件對經(jīng)過醫(yī)學影像膠片過濾之后的可見光信號進行感應成像，得到二次掃描圖像。
[0031]可選地，所述步驟(3)中，與病理數(shù)據(jù)庫中已有的病理樣本相比對的步驟中，還包括對已有病理樣本進行解壓的步驟，解壓為一次圖像數(shù)據(jù)和二次圖像數(shù)據(jù)。
[0032]本發(fā)明的有益效果是:
[0033](I)病灶定位準確，病灶尺寸測量誤差??；
[0034](2)而且建立一套完備的病理數(shù)據(jù)庫，并不斷對數(shù)據(jù)庫進行更新，提高了診斷的準確性。
【專利附圖】

【附圖說明】
[0035]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0036]圖1為本發(fā)明醫(yī)學影像計算機輔助診斷方法的流程圖；
[0037]圖2為本發(fā)明醫(yī)學影像計算機輔助診斷方法中圖像分裂操作過程的流程圖。
【具體實施方式】
[0038]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0039]計算機輔助分析已經(jīng)成為醫(yī)生診斷過程中重要的參考依據(jù)，但現(xiàn)有的計算機輔助診斷都是在醫(yī)學影像拍攝過程的同時進行圖像處理和數(shù)據(jù)處理，醫(yī)學影像膠片打印之后會有隨片報告，醫(yī)生根據(jù)報告和自己的觀察做出最終的判斷。如果患者到其他醫(yī)院就診，醫(yī)生只能憑經(jīng)驗診斷，或者患者需要再進行一次影像拍攝，無論對患者的身體還是經(jīng)濟都是一種損失。
[0040]本發(fā)明的醫(yī)學影像計算機輔助分析方法，通過紅外光和可見光對醫(yī)學影像膠片進行兩次掃描，然后對掃描圖像進行圖像分裂操作，得到兩次掃描數(shù)據(jù)分別與病理庫中的病理樣本相比對，比對結(jié)果乘以權(quán)重得到最終診斷結(jié)果。下面結(jié)合附圖，對本發(fā)明的方法進行詳細闡述。
[0041]如圖1所示，本發(fā)明的醫(yī)學影像計算機輔助分析方法，包括以下步驟:
[0042]步驟(I)，通過紅外光源和紅外熱成像儀對醫(yī)學影像進行一次掃描，對一次掃描圖像的體數(shù)據(jù)進行圖像分裂操作，得到一次圖像數(shù)據(jù)。紅外光源的紅外光透過影像膠片時被過濾，紅外光在病灶和其他部分的透過率不同，因此在紅外熱成像儀上的呈像不同。一次掃描能夠加強對病灶位置的定位，對病灶尺寸進行初步測量。
[0043]如圖2所示，所述圖像分裂操作具體包括以下步驟:
[0044]步驟(a),創(chuàng)建一個分裂區(qū)域子節(jié)點集合setNodes,和一個與體數(shù)據(jù)相同大小的數(shù)據(jù)區(qū)域NodeArray,所述NodeArray用于存放每個體素所在子節(jié)點的地址，并將NodeArray的數(shù)據(jù)內(nèi)容設置為空；[0045]步驟(b),依次遍歷體數(shù)據(jù)中的每一個體素點Voxel (xi, yi, zi),當完成遍歷后，跳轉(zhuǎn)到步驟(g);
[0046]步驟(c),判斷Voxel (xi, yi, zi)是否已經(jīng)被擴展過；判斷方法為看其對應NodeArray (xi, yi, zi)中的值是否為空；如果是擴展過的，貝丨』返回步驟(b)；
[0047]步驟(d),創(chuàng)建一個子區(qū)域節(jié)點Nodej,該節(jié)點的起始位置為Voxel (xi, yi, zi)；
[0048]步驟&)，分別對乂、Y、Z三個坐標軸的正方向進行擴展，并判斷新擴展的體素與Voxel (xi, yi, zi)是否具有特征一致性；當某一方向出現(xiàn)不一致的體素時，則停止該方向的擴展；
[0049]步驟(f),所述步驟(e)完成后會得到節(jié)點Nodej的結(jié)束位置Voxel (xi+m, yi+n,zi+k);先將 Nodej 所包含的體素 Voxel (xs, ys, zs)所對應 NodeArray (xs, ys, zs)的值設置為Nodej的地址，再將其添加到子節(jié)點集合setNodes中；
[0050]步驟(g)，在遍歷完體數(shù)據(jù)中所有體素后，通過遍歷NodeArray中的數(shù)據(jù)，生成子區(qū)域節(jié)點的相鄰關系。
[0051]本發(fā)明的圖像分裂操作過程只通過兩次遍歷體數(shù)據(jù)，就可以對體數(shù)據(jù)進行分裂，并且分裂后的區(qū)域不會出現(xiàn)過度分裂的情況。
[0052]回到圖1所示流程圖，本發(fā)明的方法還包括:
[0053]步驟(2)，通過可見光光源和感光元件對所述醫(yī)學影像進行二次掃描；對二次掃描圖像的體數(shù)據(jù)進行所述圖像分裂操作，得到二次圖像數(shù)據(jù)。圖像分裂操作過程與圖2中所示過程完全相同，這里不再贅述。可見光透過影像膠片時被過濾，可見光在病灶邊沿的銳化效果好，能夠提高病灶對比度，提高影像平滑性，獲得準確的病灶尺寸。
[0054]步驟(3)，將所述一次圖像數(shù)據(jù)和二次圖像數(shù)據(jù)綁定，與病理數(shù)據(jù)庫中已有的病理樣本相比對，比對過程具體為一次圖像數(shù)據(jù)互相比對，二次圖像數(shù)據(jù)互相比對。
[0055]步驟(4)，一次圖像數(shù)據(jù)比對結(jié)果rl乘以一次系數(shù)kl，二次圖像數(shù)據(jù)比對結(jié)果r2乘以二次系數(shù)k2，kl+k2 = 1，且kl≤0.3，k2≥0.7 ;若rl*kl+r2*k2≥0.5，判斷新的病理樣本為病變樣本，并錄入病理數(shù)據(jù)庫；若0.05 ( rl*kl+r2*k2 < 0.5，判斷新的病理樣本為疑似病變樣本；若rl*kl+r2*k2 < 0.05，判斷病理樣本為正常樣本。
[0056]優(yōu)選地，所述步驟(1)中，通過柱狀紅外光源掃過醫(yī)學影像，位于所述醫(yī)學影像另一側(cè)的紅外熱成像儀對經(jīng)過醫(yī)學影像膠片過濾之后的紅外信號進行感應成像，得到一次掃描圖像。
[0057]優(yōu)選地，所述步驟(2)中，通過柱狀可見光光源掃過醫(yī)學影像，位于所述醫(yī)學影像另一側(cè)的感光元件對經(jīng)過醫(yī)學影像膠片過濾之后的可見光信號進行感應成像，得到二次掃描圖像。
[0058]優(yōu)選地，所述步驟(3)中，與病理數(shù)據(jù)庫中已有的病理樣本相比對的步驟中，還包括對已有病理樣本進行解壓的步驟，解壓為一次圖像數(shù)據(jù)和二次圖像數(shù)據(jù)。
[0059]本發(fā)明的醫(yī)學影像計算機輔助分析方法，病灶定位準確，病灶尺寸測量誤差??；而且建立一套完備的病理數(shù)據(jù)庫，并不斷對數(shù)據(jù)庫進行更新，提高了診斷的準確性。
[0060] 以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1.一種醫(yī)學影像計算機輔助分析方法，其特征在于，包括以下步驟: 步驟(1)，通過紅外光源和紅外熱成像儀對醫(yī)學影像進行一次掃描，對一次掃描圖像的體數(shù)據(jù)進行圖像分裂操作，得到一次圖像數(shù)據(jù)； 所述圖像分裂操作具體包括以下步驟: 步驟(a),創(chuàng)建一個分裂區(qū)域子節(jié)點集合setNodes,和一個與體數(shù)據(jù)相同大小的數(shù)據(jù)區(qū)域NodeArray,所述數(shù)據(jù)區(qū)域NodeArray用于存放每個體素所在子節(jié)點的地址,并將數(shù)據(jù)區(qū)域NodeArray的數(shù)據(jù)內(nèi)容設置為空； 步驟(b),依次遍歷體數(shù)據(jù)中的每一個體素點Voxel (xi, yi, zi),當完成遍歷后,跳轉(zhuǎn)到步驟(g); 步驟(C),判斷Voxel (xi, yi, zi)是否已經(jīng)被擴展過；判斷方法為看其對應NodeArray (xi, yi, zi)中的值是否為空；如果是擴展過的，貝丨』返回步驟(b)； 步驟(d),創(chuàng)建一個子區(qū)域節(jié)點Nodej,該節(jié)點的起始位置為Voxel (xi, yi, zi)； 步驟(6)，分別對乂、Y、Z三個坐標軸的正方向進行擴展，并判斷新擴展的體素與Voxel (xi, yi, zi)是否具有特征一致性；當某一方向出現(xiàn)不一致的體素時，則停止該方向的擴展； 步驟(f)，所述步驟(e)完成后會得到節(jié)點Nodej的結(jié)束位置Voxel (xi+m, yi+n,zi+k);先將 Nodej 所包含的體素 Voxel (xs, ys, zs)所對應 NodeArray (xs, ys, zs)的值設置為Nodej的地址，再將其添加到子節(jié)點集合setNodes中； 步驟(g)，在遍歷完體數(shù)據(jù)中所有體素后，通過遍歷數(shù)據(jù)區(qū)域NodeArray中的數(shù)據(jù)，生成子區(qū)域節(jié)點的相鄰關系； 步驟(2)，通過可見光光源和感光元件對所述醫(yī)學影像進行二次掃描；對二次掃描圖像的體數(shù)據(jù)進行所述圖像分裂操作，得到二次圖像數(shù)據(jù)； 步驟(3)，將所述一次圖像數(shù)據(jù)和二次圖像數(shù)據(jù)綁定，與病理數(shù)據(jù)庫中已有的病理樣本相比對，比對過程具體為一次圖像數(shù)據(jù)互相比對，二次圖像數(shù)據(jù)互相比對； 步驟(4)，一次圖像數(shù)據(jù)比對結(jié)果rl乘以一次系數(shù)kl，二次圖像數(shù)據(jù)比對結(jié)果r2乘以二次系數(shù) k2, kl+k2 = 1，且 0.2 ≤ kl ≤ 0.3，0.7 ≤ kl ≤ 0.8 ;若 rl*kl+r2*k2 ≤ 0.5，判斷新的病理樣本為病變樣本，并錄入所述病理數(shù)據(jù)庫；若0.05 ≤ rl*kl+r2*k2 < 0.5，判斷新的病理樣本為疑似病變樣本；若rl*kl+r2*k2 < 0.05，判斷病理樣本為正常樣本。
2.如權(quán)利要求1所述的醫(yī)學影像計算機輔助分析方法，其特征在于，所述步驟(1)中，通過柱狀紅外光源掃過醫(yī)學影像，位于所述醫(yī)學影像另一側(cè)的紅外熱成像儀對經(jīng)過醫(yī)學影像膠片過濾之后的紅外信號進行感應成像，得到一次掃描圖像。
3.如權(quán)利要求1所述的醫(yī)學影像計算機輔助分析方法，其特征在于，所述步驟(2)中，通過柱狀可見光光源掃過醫(yī)學影像，位于所述醫(yī)學影像另一側(cè)的感光元件對經(jīng)過醫(yī)學影像膠片過濾之后的可見光信號進行感應成像，得到二次掃描圖像。
4.如權(quán)利要求1所述的醫(yī)學影像計算機輔助分析方法，其特征在于，所述步驟(3)中，與病理數(shù)據(jù)庫中已有的病理樣本相比對的步驟中，還包括對已有病理樣本進行解壓的步驟，解壓為一次圖像數(shù)據(jù)和二次圖像數(shù)據(jù)。
【文檔編號】G06F19/00GK103955610SQ201410172988
【公開日】2014年7月30日 申請日期:2014年4月22日 優(yōu)先權(quán)日:2014年4月22日
【發(fā)明者】韓燕
申請人:韓燕