专利名称：一种占位性病变超声图像的处理方法
技术领域：
本发明涉及超声图像领域，尤其涉及一种占位性病变超声图像的处理技术。
背景技术：
癌症是一大类恶性肿瘤的统称。癌症的早期往往症状很少，待发展到一定阶段后 才渐渐表现出一系列症状和体征，这时再采取治疗措施往往为时已晚。因此，癌症的早期诊 断和早期治疗尤为关键。目前癌症早期诊断的主要方法包括甲胎蛋白测定、铁蛋白检测、超 声检查、CT检查、磁共振成像、选择性造影检查等。其中，超声检查具有无创、无辐射、价格 低廉、实时、可重复操作且操作简易等特点，已成为癌症早期诊断的主要手段之一。然而，在临床上，超声检查所采集的图像主要靠临床医生凭经验利用肉眼进行观 测判断。这样一来，诊断结果就有很大的主观性，容易造成误诊、漏诊；同时，病灶区域的轮 廓也主要靠医生进行手工勾勒，费时费力，并且结果重现性差。目前，国内外对占位性病变 超声图像的处理方法的研究仍处于初级阶段。因此，迫切地需要一种能够客观、准确、快速的实现占位性病变超声图像自动定 位、提取的技术。
发明内容
本发明的目的是提供一种占位性病变超声图像的处理方法，目的在于克服目前临 床医生在利用超声对占位性病变进行诊断时过分依赖经验，使得诊断结果具有极大主观性 的弊端。本发明的技术方案如下
一种占位性病变超声图像的处理方法，其中，包括以下步骤
51,采集医用超声图像；
52,对所述医用超声图像进行预处理，依次包括去除无效文字信息、去除噪声、边界增 强和确定有效信号区域；
53,对预处理后的超声图像进一步定位病灶区域；
54,确定病灶区域的粗略轮廓；
55,以所述粗略轮廓作为活动轮廓模型算法的初始轮廓来提取病灶区域的精确轮廓。所述的占位性病变超声图像的处理方法，其中，所述步骤S2中综合采用中值滤波 方法、各向同性扩散滤波、各向异性扩散滤波三种方法来实现去除噪声和边界增强。所述的占位性病变超声图像的处理方法，其中，所述步骤S2中确定有效信号区域 的方法进一步包括
521,对熵处理后的超声图像进行区域生长，此时图像中存在两个区域灰度值为0的 背景区域和灰度值为255的目标区域；
522,自上而下扫描图像，停止条件是直至寻找到灰度值为255的点，记录下这两个点 的坐标左边的P点和右边的M点；S23，继续扫描图像，将符合如下条件的点的坐标分别记录下来(1)位于点P左侧灰度 值是0同时位于其上方或下方灰度值是0的点，(2)位于点M右侧灰度值是0同时位于其 上方或下方灰度值也是0的点；
S24,比较所有点组成的矩形包含有效回波信号区域面积的大小，取其中最合适的一 个作为有效信号区域。所述的占位性病变超声图像的处理方法，其中，所述步骤S3进一步包括
531,设置一个同心圆模板，小圆半径r初始值为10，大圆半径R初始值为20，所述模 板具有伸缩性，即可随病灶大小改变自身半径大小；
532,利用所述模板对确定的有效信号区域进行扫描，同时计算模板小圆和外环内的 灰度平均值比、方差比；
533,扫描完成后，所述模板的圆心停留在灰度平均值比、方差比最小或最大的第一像 素点处；
534,以第一像素点为中心点进行8方向的搜索病灶区域边界点，终止条件为所述方 向上所有像素点的灰度值大于阈值T=52，将得到的所述方向上的最后一个像素点保存下 来，这样便得到8个方向上的8个点；
535,计算8个点与中心点的距离以及平均距离，若某点到中心点的距离大于平均距 离的2倍，则去除该点；
536,采集剩下像素点的最大最小横、纵坐标，并以这四个值做一矩形，则所述矩形即 为病灶区域的大致区域，实现了病灶区域的定位。所述的占位性病变超声图像的处理方法，其中，所述步骤S4进一步包括
S41,在以第一像素点为中心的5X5第一邻域内，寻找与所述第一邻域内灰度平均值 最接近的第二像素点作为种子点；
S42，对第二像素点按8邻域进行区域生长，将符合第一生长条件的点合并到第一邻域 中，并重新计算灰度平均值，将与新的灰度平均值最接近的点作为新的生长点；
S43,标记被生长过的区域，当区域生长算法结束后，将最外层的标记点连接起来即是 病灶区域的粗略轮廓。所述的占位性病变超声图像的处理方法，其中，所述步骤S5进一步包括 S51，对病灶区域的粗略轮廓进行离散采样，得到第一离散点；
S52，根据T-Snake模型，通过所述第一离散点内能外能的计算得到第二离散点； S53，将病灶区域的图像进行网格划分；
S54，计算第二离散点与网格的焦点，得到新的蛇点，并重新从S52开始执行，直到计算 得到的总能量不再变化；
S55，将最终确定的蛇点连接形成新的轮廓，即为病灶区域的精确轮廓。其中，所述步骤S53中采用ACID图像分解技术对病灶区域的图像进行网格划分。本发明的有益效果
本发明的占位性病变超声图像的处理方法与传统的处理方法相比，实现了占位性病 变超声图像的自动分割、自动提取感兴趣区域的功能，以便可以自动的对占位性病变进行 诊断，从而提高了临床诊断的客观性、准确性，对于占位性病变的诊断起到了很好的辅助作 用。
图1是本发明占位性病变超声图像的处理方法的流程示意图。图2是本发明实施例的占位性病变超声图像的处理方法中确定有效信号区域方 法的示意图。图3是本发明实施例的占位性病变超声图像的处理方法中定位病灶区域的流程 示意图。图4是本发明实施例的占位性病变超声图像的处理方法中确定病灶区域的粗略 轮廓的方法示意图。图5是本发明实施例的占位性病变超声图像的处理方法中确定病灶区域的精确 轮廓的方法示意图。图6是本发明实施例的ACID图像分解示意图。
具体实施例方式本发明提供的一种占位性病变超声图像的处理方法，目的在于克服目前临床医生 在利用超声对占位性病变进行诊断时过分依赖经验，使得诊断结果具有极大主观性的弊端。请参阅图1，图1为本发明占位性病变超声图像的处理方法的流程示意图。如图所 示，本发明的技术方案为对采集到的超声图像进行预处理，包括去除图像周边的文字信息、 滤波、边界增强、确定有效信息区域等；然后自动定位病灶区域，确定占位病变的粗略轮廓， 以所述粗略轮廓作为活动轮廓模型算法的初始轮廓来提取病灶区域的精确轮廓。其流程包 括以下步骤
51,采集医用超声图像；
52,对所述医用超声图像进行预处理，依次包括去除无效文字信息、去除噪声、边界增 强和确定有效信号区域；
53,对预处理后的超声图像进一步定位病灶区域；
54,确定病灶区域的粗略轮廓；
55,以所述粗略轮廓作为活动轮廓模型算法的初始轮廓来提取病灶区域的精确轮廓。所述步骤S2中，采用计算图像局部区域的熵，再结合区域生长算法来去除无效文 字信息。因为超声图像的四周分布着很多关于仪器型号、参数设置、扫描部位和方式以及病 人信息，而真正有效的回声信息则分布在图像中间部位，如果不去掉这些信息，势必会影响 对于超声图像的处理。因此，去除这些文字信息、提取有效的超声回波信息区域是预处理阶 段必须做的工作。通过观察超声图像可以直观看出文字信息比较亮，即灰度级较高，同时 灰度级的波动范围较小。针对这一特征，本发明实施例中，采用计算图像局部区域的熵，再 结合区域生长算法来区分并去除图像中的文字信息。熵是图像数字特征的一种统计形式，反映了图像中所含信息量的多少，也即图像
N
的混乱度。熵值计算表达式为$ = -Σ p. 1ο§2几对于超声图像(一般为8位灰度图)
/ = 0
来说，N = 255，pi是每个灰度级像素数目与图像总的像素数之间的比值。E值大，说明图像包含的信息量大，图像灰度分布的离散度更大；E值小，说明图像包含的信息量小，图像灰 度分布的离散度更小。超声图像中，文字区域的E值较小。根据熵值的这一特性，首先将图 像分裂成20X20的小区域，按照公式分别计算每个子区域的熵值，并将该熵值取代子区域 的像素值。熵值取代图像中的像素值后，对所有熵值进行归一化处理到W，255]，根据经验 设置一个阈值M，M的范围可以为80到120，这里取M = 100，灰度值低于100的子区域赋 值为0，即图像中的文字信息的区域，而大于100的区域赋值为255，即图像中的超声回波信 息区域。对图像进行了熵处理后，仍然会有部分文字信息没有被除掉，但是跟中间部分的 有效信息区域已经有了一定的间隔，因此，接下来利用区域生长算法对超声图像进行进一 步的处理。由于图像的中间部分是有效信息区域，且经过熵处理后，中间部分像素的灰度值 是255，因此首先在图像中选取一个种子点，这里选择图像的中心点为种子点；然后以种子 点为生长点进行8方向联通，生长的条件是邻域点的灰度值为255 ；重复上述过程，直到不 再有满足条件的新结点加入集合为止。计算图像局部区域的熵，再结合区域生长算法来去除无效文字信息，可以去除超 声图像中的无效文字信息，得到有效的超声回波信息区域，能有效的节省后续的模板遍历 时间。然而超声图像比较复杂且分辨率较低，噪声比较严重，因此还需要对图像进行去除噪 声、边界增强处理。在本发明实施例中，采用中值滤波方法、各向同性扩散滤波、各向异性扩 散滤波三种方法来实现去除噪声和边界增强。如果超声图像的梯度值过大，易产生随机噪 声，则采用中值滤波；在图像梯度很小的均勻区域，采用各向同性扩散滤波，对图像进行平 滑；而在感兴趣区域边界处，图像具有一定的梯度，采用各向异性扩散滤波，既平滑图像、去 除噪声，又达到了保护图像边界的目的，这样以来，滤波速度快，去除噪声的效果比较好。具体 来说， 滤波算 法如下
权利要求
1.一种占位性病变超声图像的处理方法，其特征在于，包括以下步骤51,采集医用超声图像；52,对所述医用超声图像进行预处理，预处理包括去除无效文字信息、去除噪声、边界 增强和确定有效信号区域；53,对预处理后的超声图像进一步定位病灶区域；54,确定病灶区域的粗略轮廓；55,以所述粗略轮廓作为活动轮廓模型算法的初始轮廓来提取病灶区域的精确轮廓。
2.根据权利要求1所述的占位性病变超声图像的处理方法，其特征在于，所述步骤S2 中综合采用中值滤波方法、各向同性扩散滤波、各向异性扩散滤波三种方法来实现去除噪 声和边界增强。
3.根据权利要求1所述的占位性病变超声图像的处理方法，其特征在于，所述步骤S2 中确定有效信号区域的方法进一步包括521,对熵处理后的超声图像进行区域生长，此时图像中存在两个区域灰度值为0的 背景区域和灰度值为255的目标区域；522,自上而下扫描图像，停止条件是直至寻找到灰度值为255的点，记录下这两个点 的坐标左边的P点和右边的M点；S23，继续扫描图像，将符合如下条件的点的坐标分别记录下来(1)位于点P左侧灰度 值是0同时位于其上方或下方灰度值是0的点，(2)位于点M右侧灰度值是0同时位于其 上方或下方灰度值也是0的点；S24,比较所有点组成的矩形包含有效回波信号区域面积的大小，取其中最合适的一 个作为有效信号区域。
4.根据权利要求1所述的占位性病变超声图像的处理方法，其特征在于，所述步骤S3 进一步包括531,设置一个同心圆模板，小圆半径r初始值为10，大圆半径R初始值为20，所述模 板具有伸缩性，即可随病灶大小改变自身半径大小；532,利用所述模板对确定的有效信号区域进行扫描，同时计算模板小圆和外环内的 灰度平均值比、方差比；533,扫描完成后，所述模板的圆心停留在灰度平均值比、方差比最小或最大的第一像 素点处；534,以第一像素点为中心点进行8方向的搜索病灶区域边界点，终止条件为所述方 向上所有像素点的灰度值大于阈值T=52，将得到的所述方向上的最后一个像素点保存下 来，这样便得到8个方向上的8个点；535,计算8个点与中心点的距离以及平均距离，若某点到中心点的距离大于平均距 离的2倍，则去除该点；536,采集剩下像素点的最大最小横、纵坐标，并以这四个值做一矩形，则所述矩形即 为病灶区域的大致区域，实现了病灶区域的定位。
5.根据权利要求1所述的占位性病变超声图像的处理方法，其特征在于，所述步骤S4 进一步包括S41,在以第一像素点为中心的5X5第一邻域内，寻找与所述第一邻域内灰度平均值最接近的第二像素点作为种子点；S42，对第二像素点按8邻域进行区域生长，将符合第一生长条件的点合并到第一邻域 中，并重新计算灰度平均值，将与新的灰度平均值最接近的点作为新的生长点；S43,标记被生长过的区域，当区域生长算法结束后，将最外层的标记点连接起来即是 病灶区域的粗略轮廓。
6.根据权利要求1所述的占位性病变超声图像的处理方法，其特征在于，所述步骤S5 进一步包括·S51，对病灶区域的粗略轮廓进行离散采样，得到第一离散点；S52，根据T-Snake模型，通过所述第一离散点内能外能的计算得到第二离散点；S53，将病灶区域的图像进行网格划分；S54，计算第二离散点与网格的焦点，得到新的蛇点，并重新从S52开始执行，直到计算 得到的总能量不在变化；S55，将最终确定的蛇点连接形成新的轮廓，即为病灶区域的精确轮廓； 其中，所述步骤S53中采用ACID图像分解技术对病灶区域的图像进行网格划分。
全文摘要
本发明公开了一种占位性病变超声图像的处理方法，对采集到的超声图像进行预处理，包括去除图像周边的文字信息、滤波、边界增强、确定有效信息区域等；然后自动定位病灶区域，确定占位病变的粗略轮廓，以所述粗略轮廓作为活动轮廓模型算法的初始轮廓来提取病灶区域的精确轮廓。其实现了占位性病变超声图像的自动分割、自动提取感兴趣区域的功能，以便可以自动的对占位性病变进行诊断，从而提高了临床诊断的客观性、准确性，对于占位性病变的诊断起到了很好的辅助作用。
文档编号G06T7/00GK102068281SQ201110022840
公开日2011年5月25日 申请日期2011年1月20日 优先权日2011年1月20日
发明者和小孔, 汪天富, 王毅, 陈思平 申请人:深圳大学