申请/专利权人：四川省肿瘤医院

申请日：2021-04-12

公开（公告）日：2024-04-26

公开（公告）号：CN114943856B

主分类号：G06V10/764

分类号：G06V10/764;G06T7/187;G06T7/70;G16H30/20;A61B6/00;A61B6/03

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.09.13#实质审查的生效;2022.08.26#公开

摘要：本发明公开了一种肺结节区域识别方法、标注方法及识别系统，所述肺结节区域识别方法包括：对CT扫描层图像进行分类；分别对横轴位图像集合、冠状位图像集合和矢状位图像集合进行预处理；分别对横轴位图像信息集合、冠状位图像信息集合和矢状位图像信息集合进行比对处理；对横轴位疑似区域数据、冠状位疑似区域数据和矢状位疑似区域数据进行筛选处理。本发明提供了一种肺结节区域识别方法，能够智能识别出CT扫描层图像中的肺结节，提高了识别效率。

主权项：1.一种肺结节区域识别方法，其特征在于，包括以下步骤：S10、对CT扫描层图像进行分类，得到横轴位图像集合、冠状位图像集合和矢状位图像集合；S20、分别对横轴位图像集合、冠状位图像集合和矢状位图像集合进行预处理，得到横轴位图像信息集合、冠状位图像信息集合和矢状位图像信息集合；S30、分别对横轴位图像信息集合、冠状位图像信息集合和矢状位图像信息集合进行比对处理，得到横轴位图像信息变化数据、冠状位图像信息变化数据和矢状位图像信息变化数据；S40、根据横轴位图像信息变化数据得到横轴位疑似区域数据，根据冠状位图像信息变化数据得到冠状位疑似区域数据，根据矢状位图像信息变化数据得到矢状位疑似区域数据；S50、对横轴位疑似区域数据、冠状位疑似区域数据和矢状位疑似区域数据进行筛选处理，得到肺结节区域数据；在步骤S20中：横轴位图像信息集合X={Xi|i=1,2,...,r},其中r的值为横轴位图像集合所包括的横轴位图像层数，Xi表示第i层横轴位图像的横轴位图像信息；且横轴位图像信息Xi|i=1,2,...,r包括横轴位图像中的横轴位像素点坐标D1ij和与横轴位像素点坐标D1ij对应的横轴位像素点灰度值E1ij，其中j=1,2,...，k；k的值为横轴位图像的像素点个数；冠状位图像信息集合M={Mf|f=1,2,...,p},其中p的值为冠状位图像集合所包括的冠状位图像层数，Mf表示第f层冠状位图像的冠状位图像信息；且冠状位图像信息Mf|f=1,2,...,p包括包括冠状位图像中的冠状位像素点坐标D2fs和与冠状位像素点坐标D2fs对应的冠状位像素点灰度值E2fs，其中s=1,2,...，t；t的值为冠状位图像的像素点个数；矢状位图像信息集合N={Nh|h=1,2...,q}，其中q的值为矢状位图像集合所包括的矢状位图像层数，Nh表示第h层矢状位图像的矢状位图像信息；且矢状位图像信息Nh|h=1,2...,q包括矢状位图像中的矢状位像素点坐标D3hw和与矢状位像素点坐标D3hw对应的矢状位像素点灰度值E3hw，其中w=1,2,...，z；z的值为矢状位图像的像素点个数；步骤S30中具体为：将横轴位像素点灰度值E1ij|i=1,2,...,r；j=1,2,...，k分别与设定的灰度值V1进行比较；当E1ij大于等于V1时，对应的横轴位像素点标记为1，当E1ij小于V1时，对应的横轴位像素点标记为0，从而得到横轴位图像信息变化数据；将冠状位像素点灰度值E2fs|f=1,2,...,p；s=1,2,...，t分别与设定的灰度值V2进行比较；当E2fs大于等于V2时，对应的冠状位像素点标记为1，当E2fs小于V2时，对应的冠状位像素点标记为0，从而得到冠状位图像信息变化数据；将矢状位像素点灰度值E3hw|h=1,2...,q；w=1,2,...，z分别与设定的灰度值V3进行比较；当E3hw大于等于V3时，对应的矢状位像素点标记为1，当E3hw小于V3时，对应的矢状位像素点标记为0，从而得到矢状位图像信息变化数据；步骤S40具体包括：S401、找出横轴位原序列0，G11j，G12j，...，G1rj中的横轴位突变列，其中j=1,2,...，k；G11j表示第一层的横轴位图像中坐标为j的横轴位像素点的标记数字，G1rj表示第r层的横轴位图像中坐标也为j的横轴位像素点的标记数字；横轴位突变列的元素全为1，且横轴位突变列在横轴位原序列的前一个元素和后一个元素皆为0；找出冠状位原序列0，G21s，G22s，...，G2fs中的冠状位突变列，其中s=1,2,...，t；G21s表示第一层的冠状位图像中坐标为s的冠状位像素点的标记数字，G2fs表示第f层的冠状位图像中坐标也为s的冠状位像素点的标记数字；冠状位突变列的元素全为1，且冠状位突变列在冠状位原序列的前一个元素和后一个元素皆为0；找出矢状位原序列0，G31w，G32w，...，G3hw中的矢状位突变列，其中w=1,2,...，z；G31w表示第一层的矢状位图像中坐标为w的矢状位像素点的标记数字，G3hw表示第h层的矢状位图像中坐标也为w的矢状位像素点的标记数字；矢状位突变列的元素全为1，且矢状位突变列在矢状位原序列的前一个元素和后一个元素皆为0；S402、根据横轴位突变列的元素，得到横轴位突变列的元素对应的突变横轴位像素点坐标集合，并且，若突变横轴位像素点坐标集合中的任意一个横轴位像素点坐标为其它一个突变横轴位像素点坐标集合中的横轴位像素点坐标的邻点，那么合并该两个突变横轴位像素点坐标集合为一个突变横轴位像素点坐标集合；根据冠状位突变列的元素，得到冠状位突变列的元素对应的突变冠状位像素点坐标集合，并且，若突变冠状位像素点坐标集合中的任意一个冠状位像素点坐标为其它一个突变冠状位像素点坐标集合中的横冠状位像素点坐标的邻点，那么合并该两个突变冠状位像素点坐标集合为一个突变冠状位像素点坐标集合；根据矢状位突变列的元素，得到矢状位突变列的元素对应的突变矢状位像素点坐标集合，并且，若突变矢状位像素点坐标集合中的任意一个矢状位像素点坐标为其它一个突变矢状位像素点坐标集合中的矢状位像素点坐标的邻点，那么合并该两个突变矢状位像素点坐标集合为一个突变矢状位像素点坐标集合；S403、计算突变横轴位像素点坐标集合中横轴位像素点的最大层数差，若最大层数差大于设定的数值U1，则判定该突变横轴位像素点坐标集合为所述横轴位疑似区域数据；计算突变冠状位像素点坐标集合中冠状位像素点的最大层数差，若最大层数差大于设定的数值U2，则判定该突变冠状位像素点坐标集合为所述冠状位疑似区域数据；计算突变矢状位像素点坐标集合中矢状位像素点的最大层数差，若最大层数差大于设定的数值U3，则判定该突变矢状位像素点坐标集合为所述矢状位疑似区域数据；步骤S50具体为：找出所述突变横轴位像素点坐标集合包括的所有横轴位像素点坐标在冠状位图像和矢状位图像上的关联像素点坐标，并计算关联像素点坐标属于突变冠状位像素点坐标集合或突变矢状位像素点坐标集合的数量，若数量大于设定的值B1，则该突变横轴位像素点坐标集合为肺结节区域数据；找出所述冠状位断面像素点坐标集合包括的所有冠状位像素点坐标在横轴位图像和矢状位图像上的关联像素点坐标，并计算关联像素点坐标属于突变横轴位像素点坐标集合或突变矢状位像素点坐标集合的数量，若数量大于设定的值B2，则该突变冠状位像素点坐标集合也为肺结节区域数据；找出所述矢状位断面像素点坐标集合包括的所有矢状位像素点坐标在横轴位图像和冠状位图像上的关联像素点坐标，并计算关联像素点坐标属于突变横轴位像素点坐标集合或突变冠状位像素点坐标集合的数量，若数量大于设定的值B3，则该突变矢状位像素点坐标集合也为肺结节区域数据；在将横轴位像素点灰度值E1ij|i=1,2,...,r；j=1,2,...，k与设定的灰度值V1进行比较时，V1的值等于第i层横轴位像图像的平均灰度值；在将冠状位像素点灰度值E2fs|f=1,2,...,p；s=1,2,...，t与设定的灰度值V2进行比较时，V2的值等于第f层冠状位像图像的平均灰度值；在将矢状位像素点灰度值E3hw|h=1,2...,q；w=1,2,...，z与设定的灰度值V3进行比较时，V3的值等于第h层矢状位像图像的平均灰度值。

全文数据：

权利要求：

百度查询： 四川省肿瘤医院 一种肺结节区域识别方法、标注方法及识别系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD