本發(fā)明涉及醫(yī)學圖像處理，尤其涉及一種基于粒子群算法的光聲成像圖像處理系統(tǒng)和方法。

背景技術(shù)：

1、光聲成像(photoacoustic?imaging,pai)是近年來發(fā)展起來的一種非入侵式和非電離式的新型生物醫(yī)學成像方法。當脈沖激光照射到(熱聲成像則特指用無線電頻率的脈沖激光進行照射)生物組織中時，組織的光吸收域?qū)a(chǎn)生超聲信號，我們稱這種由光激發(fā)產(chǎn)生的超聲信號為光聲信號。生物組織產(chǎn)生的光聲信號攜帶了組織的光吸收特征信息，通過探測光聲信號能重建出組織中的光吸收分布圖像。光聲成像圖像質(zhì)量常受到噪聲的干擾，導致圖像細節(jié)不清晰，影響診斷準確性。現(xiàn)有的光聲成像圖像處理方法主要包括空間濾波、頻域濾波和基于模型的圖像重建方法等。這些方法在一定程度上能夠抑制噪聲，但往往存在以下不足：

2、空間濾波：如均值濾波和中值濾波，雖然能有效抑制噪聲，但容易導致圖像細節(jié)的丟失。

3、頻域濾波：如傅里葉變換濾波，雖然能夠分離噪聲和信號，但對噪聲頻譜與信號頻譜重疊的情況處理效果不佳。

4、基于模型的圖像重建方法：如壓縮感知和稀疏表示，雖然能夠在一定程度上恢復(fù)圖像細節(jié)，但算法復(fù)雜度高，計算時間長，不適合實時應(yīng)用。

技術(shù)實現(xiàn)思路

1、基于上述內(nèi)容，本發(fā)明提供一種基于粒子群算法的光聲成像圖像處理系統(tǒng)和方法，只在解決現(xiàn)有技術(shù)中對光聲成像圖像噪聲抑制不佳影響細節(jié)等技術(shù)問題。

2、一種基于粒子群算法的光聲成像圖像處理系統(tǒng)，包括：

3、圖像采集模塊，用于采集身體部位的原始光聲成像圖像；

4、預(yù)處理模塊，連接圖像采集模塊，用于對原始光聲成像圖像進行預(yù)處理；

5、噪聲抑制模塊，連接預(yù)處理模塊，用于基于粒子群算法對預(yù)處理后的光聲成像圖像進行噪聲抑制處理得到第一光聲成像圖像；

6、邊緣提取模塊，連接噪聲抑制模塊，用于基于邊緣檢測算法對第一光聲成像圖像提取邊緣圖像；

7、細節(jié)增強模塊，連接邊緣提取模塊，用于對邊緣圖像進行細節(jié)增強，并融合細節(jié)增強后的邊緣圖像和第一光聲成像圖像得到第二光聲成像圖像。

8、進一步，預(yù)處理模塊包括：

9、第一初步去噪單元，采用中值濾波器對預(yù)處理后的光聲成像圖像進行第一次初步去噪處理；

10、第二初步去噪單元，連接第一初步去噪單元，用于采用雙邊濾波器對第一次初步去噪處理后的光聲成像圖像進行第二次初步去噪處理；

11、圖像初步增強單元，連接第二初步去噪單元，用于基于直方圖均衡化方法對第二次初步去噪處理后的光聲成像圖像進行對比度增強。

12、進一步，噪聲抑制模塊包括：

13、粒子群初始化單元，用于初始化粒子群中各粒子的位置和速度；

14、適應(yīng)度計算單元，連接粒子群初始化單元，用于基于定義的適應(yīng)度函數(shù)計算每個粒子的適應(yīng)度；

15、適應(yīng)度更新單元，連接適應(yīng)度計算單元，用于根據(jù)粒子的適應(yīng)度更新粒子的個體最佳位置以及粒子群的全局最佳位置；

16、速度和位置更新單元，連接適應(yīng)度更新單元，用于根據(jù)個體最佳位置和全局最佳位置更新每個粒子的速度和位置；

17、迭代停止判斷單元，連接速度和位置更新單元，用于判斷當前迭代是否滿足預(yù)設(shè)停止條件，得到判斷結(jié)果；

18、適應(yīng)度計算單元還連接迭代停止判斷單元，用于當判斷結(jié)果為未達到預(yù)設(shè)停止條件時，繼續(xù)使用適應(yīng)度函數(shù)計算速度和位置更新后的的每個粒子的適應(yīng)度；

19、圖像噪聲抑制單元，連接迭代停止判斷單元，用于使用最后輸出粒子群的全局最佳位置形成圖像去噪?yún)?shù)處理第一光聲成像圖像。

20、進一步，適應(yīng)度函數(shù)為峰值信噪比和結(jié)構(gòu)相似性指數(shù)的加權(quán)求和函數(shù)。

21、進一步，細節(jié)增強模塊包括：

22、增強單元，用于對基于邊緣增強參數(shù)對邊緣圖像進行細節(jié)增強，并基于多尺度retinex算法對第一光聲成像圖像進行多尺度細節(jié)增強，形成細節(jié)增強成分；

23、圖像融合單元，連接增強單元，用于融合細節(jié)增強成分和第一光聲成像圖像得到第二光聲成像圖像；

24、融合評估單元，連接圖像融合單元，用于比對第一光聲成像圖像和第二光聲成像圖像評估第二光聲成像圖像是否滿足細節(jié)增強條件，得到評估結(jié)果；

25、增強單元連接融合評估單元，用于當評估結(jié)果為第二光聲成像圖像不滿足細節(jié)增強條件時，調(diào)節(jié)邊緣增強參數(shù)和多尺度retinex算法的參數(shù)，繼續(xù)對邊緣圖像進行細節(jié)增強，并對第一光聲成像圖像進行多尺度細節(jié)增強，形成細節(jié)增強成分；

26、圖像輸出單元，連接融合評估單元，用于當評估結(jié)果為第二光聲成像圖像滿足細節(jié)增強條件時，輸出第二光聲成像圖像。

27、進一步，邊緣提取模塊包括：

28、高斯濾波單元，用于使用高斯濾波器對第一光聲成像圖像進行濾波處理；

29、梯度計算單元，連接高斯濾波單元，用于使用sobel算子計算光聲成像圖像水平梯度和垂直梯度，并根據(jù)水平梯度和垂直梯度計算每個像素點的梯度幅值和梯度方向；

30、非極大值抑制單元，連接梯度計算單元，沿梯度方向比較與像素點相鄰的兩個像素點的梯度幅值，提取邊緣像素點；

31、雙閾值檢測單元，連接非極大值抑制單元，對根據(jù)梯度幅值將提取出的邊緣像素點劃分成強邊緣像素點和弱邊緣像素點；

32、邊緣連接單元，連接雙閾值檢測單元，用于將強邊緣像素點以及與強邊緣像素點相鄰的弱邊緣像素點相連，形成邊緣圖像。

33、進一步的，圖像采集模塊采集的身體部位為淺表組織。

34、進一步的，系統(tǒng)還包括：

35、圖像采集模塊還用于采集相同身體部位的攝像圖像；

36、多模態(tài)融合模塊，分別連接圖像采集模塊和細節(jié)增強模塊，用于融合攝像圖像和第二光聲成像圖像得到多模態(tài)融合圖像；

37、診斷模塊，連接多模態(tài)融合模塊，基于預(yù)先訓練的疾病診斷模型處理多模態(tài)融合圖像形成診斷報告。

38、一種基于粒子群算法的光聲成像圖像診斷方法，使用前述的一種基于粒子群算法的光聲成像圖像處理系統(tǒng)，包括：

39、步驟a1，采集相同身體部位的原始光聲成像圖像和攝像圖像；

40、步驟a2，對原始光聲成像圖像進行預(yù)處理；

41、步驟a3，基于粒子群算法對預(yù)處理后的光聲成像圖像進行噪聲抑制處理得到第一光聲成像圖像；

42、步驟a4，基于邊緣檢測算法對第一光聲成像圖像提取邊緣圖像；

43、步驟a5，對邊緣圖像進行細節(jié)增強，并融合細節(jié)增強后的邊緣圖像和第一光聲成像圖像得到第二光聲成像圖像。

44、本發(fā)明的有益技術(shù)效果在于：通過粒子群算法抑制光聲成像圖像的噪聲，并提取邊緣圖像后進行細節(jié)增強，實現(xiàn)有效的噪聲抑制和圖像細節(jié)增強，提高圖像的清晰度和對比度，滿足實時應(yīng)用需求。

技術(shù)特征：

1.一種基于粒子群算法的光聲成像圖像處理系統(tǒng)，其特征在于，包括：

2.如權(quán)利要求1所述的一種基于粒子群算法的光聲成像圖像處理系統(tǒng)，其特征在于，所述預(yù)處理模塊包括：

3.如權(quán)利要求1所述的一種基于粒子群算法的光聲成像圖像處理系統(tǒng)，其特征在于，所述噪聲抑制模塊包括：

4.如權(quán)利要求3所述的一種基于粒子群算法的光聲成像圖像處理系統(tǒng)，其特征在于，所述適應(yīng)度函數(shù)為峰值信噪比和結(jié)構(gòu)相似性指數(shù)的加權(quán)求和函數(shù)。

5.如權(quán)利要求1所述的一種基于粒子群算法的光聲成像圖像處理系統(tǒng)，其特征在于，所述細節(jié)增強模塊包括：

6.如權(quán)利要求5所述的一種基于粒子群算法的光聲成像圖像處理系統(tǒng)，其特征在于，所述邊緣提取模塊包括：

7.如權(quán)利要求1所述的一種基于粒子群算法的光聲成像圖像處理系統(tǒng)，其特征在于，所述圖像采集模塊采集的身體部位為淺表組織。

8.如權(quán)利要求1所述的一種基于粒子群算法的光聲成像圖像處理系統(tǒng)，其特征在于，系統(tǒng)還包括：

9.一種基于粒子群算法的光聲成像圖像診斷方法，其特征在于，使用如權(quán)利要求1-8任意一項所述的一種基于粒子群算法的光聲成像圖像處理系統(tǒng)，包括：

技術(shù)總結(jié)
本發(fā)明提供一種基于粒子群算法的光聲成像圖像處理系統(tǒng)和方法，噪聲抑制模塊基于粒子群算法對預(yù)處理后的光聲成像圖像進行噪聲抑制處理得到第一光聲成像圖像；邊緣提取模塊基于邊緣檢測算法對第一光聲成像圖像提取邊緣圖像；細節(jié)增強模塊對邊緣圖像進行細節(jié)增強，并融合細節(jié)增強后的邊緣圖像和第一光聲成像圖像得到第二光聲成像圖像。通過粒子群算法抑制光聲成像圖像的噪聲，并提取邊緣圖像后進行細節(jié)增強，實現(xiàn)有效的噪聲抑制和圖像細節(jié)增強，提高圖像的清晰度和對比度，滿足實時應(yīng)用需求。

技術(shù)研發(fā)人員：邊建華,朱瑞星
受保護的技術(shù)使用者：上海深至信息科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9