本发明涉及图像处理领域,更具体地涉及一种确定图像相似度的方法和装置。
背景技术:
在医学应用领域中,图像检索通过在数据库中检索类似的图像,可以用来辅助医生进行诊断。图像检索的关键步骤是计算检索图像(目标图像)与数据库中参考图像的相似度,从而根据相似度的排序结果进行相似图像检索。以弥漫性肺部疾病的为例,通常使用计算机断层扫描图像来进行诊断。对于该实施用例,最常用的相似度测量手段是根据检索图像和参考图像中病变区域重叠部分的大小来作为相似度测量的依据。该方法没有考虑病变区域分布,具体来说,即病变区域到身体中心的距离信息。而该信息,代表着不同的发病机理,具有重要的临床意义。
此外,在物质勘探方面,对于反射地震走时层析成像,也希望考虑异常区域的分布情况来计算检索图像与数据库图像的相似度。
因此,需要一种考虑特征点(例如病变区域、地震异常区域)的分布情况来计算检索图像与数据库图像的相似度的方法和装置。
技术实现要素:
在下文中给出关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
本发明的一个主要目的在于,提供了一种确定图像相似度的方法,包括:对于目标图像,基于相对于其中的基准点的位置来将所述目标图像划分为多个区域,并且按照同样的方式将参考图像划分为多个区域;基于所述目标图像中的特征点和所述参考图像中的特征点以及所划分的区域来确定所述目标图像中的特征点和所述参考图像中的特征点的分布情况的相似度。
根据本发明的一个方面,提供一种确定图像相似度的装置,包括:区域划分单元,被配置为:对于目标图像,基于相对于其中的基准点的位置来将所述目标图像划分为多个区域,并且按照同样的方式将参考图像划分为多个区域,相似度确定单元,被配置为基于所述目标图像中的特征点和所述参考图像中的特征点以及所划分的区域来确定所述目标图像中的特征点和所述参考图像中的特征点的分布情况的相似度。
另外,本发明的实施例还提供了用于实现上述方法的计算机程序。
此外,本发明的实施例还提供了至少计算机可读介质形式的计算机程序产品,其上记录有用于实现上述方法的计算机程序代码。
通过以下结合附图对本发明的最佳实施例的详细说明,本发明的这些以及其他优点将更加明显。
附图说明
参照下面结合附图对本发明实施例的说明,会更加容易地理解本发明的以上和其它目的、特点和优点。附图中的部件只是为了示出本发明的原理。在附图中,相同的或类似的技术特征或部件将采用相同或类似的附图标记来表示。
图1示出了根据本发明的一个实施例的确定图像相似度的方法100的示例性过程的流程图;
图2A-图2D示出了在肺部断层图像中确定身体中心的方法;
图3示出了将肺部划分的三个子区域的示意图;
图4示出了计算待识别的肺部断层图像与数据库中的肺部断层图像的相似度的方法;
图5A-5E是对于肺部的弥散性病变区域的识别过程的示意图;
图6A-6E是对于肺部的实质性病变区域的识别过程的示意图;
图7示出了根据本发明的一个实施例的确定图像相似度的装置700的示例性配置的框图;以及
图8是示出可以用于实施本发明的确定图像相似度的方法和装置的计算设备的示例性结构图。
具体实施方式
下面参照附图来说明本发明的实施例。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。应当注意,为了清楚的目的,附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
本发明提出一种基于相对于基准点的位置对图像进行区域划分,再基于划分的区域信息和特征点的分布情况来确定图像相似度的方法,提供了对相似度的更合理的描述。下面主要以肺部图像为例来说明根据本发明的确定图像相似度的方法和装置。
在利用本发明的方法来确定待识别的肺部断层图像与数据库中的样本肺部断层图像的相似度时,首先提取医学影像中的肺部区域;然后依据肺部区域相对于身体中心的远近,将肺部分为三个区域:身体中心区域,肺中间区域和肺内壁区域,从而更好地反应病变区域在各个子区域中的分布。最后,可以使用基于分区信息加权的双向距离度量来衡量相似度,实现后续的相似度排序以及数据库图像检索。
下面结合附图详细说明根据本发明的实施例的确定图像相似度的方法和装置。
图1示出了根据本发明的一个实施例的确定图像相似度的方法100的示例性过程的流程图。
在步骤S102中,对于目标图像,基于相对于其中的基准点的位置来将所述目标图像划分为多个区域,并且按照同样的方式将参考图像划分为多个区域。
下面以目标图像为待识别的肺部断层图像为例,详细说明对肺部的分区。
对肺部进行分区的首先要找到身体中心点的位置。图2A-图2D示出了在肺部断层图像中确定身体中心的方法。身体中心是身体纵膈区域的中心。纵膈区域是如图2D所示的计算机肺部断层图像中的虚线示出的部分。由于纵膈区域的在断层图像中的形状不规则,难以定义其中心位置。因此本发明中使用骨性标志点来确定身体中心,具体步骤如下:
1)提取断层图像中的骨性结构,如图2A所示,包括脊柱,肋骨等;
2)从骨性结构中,根据其面积大小,提取最大的隔离区域作为脊柱部分,如图2B所示;
3)以脊柱的中心列作为身体中心列方向上的位置;
4)在脊柱上缘以上,左右边界分别为脊柱左右边界的上部区域内查找骨性结构,如图2C所示;
5)将第4)步中查找到的骨性结构的下缘与脊柱的上缘在身体中心列方向上取中点,作为身体中心点,如图2D所示。
在确定身体中心点后,需要根据相对于身体中心点的位置对肺部进行区域划分。图3示出了将肺部划分的三个子区域,包括:身体中心区域(图3中用棋盘图案表示的区域)、肺内壁区域(图3中用网格图案表示的区域)与肺中间区域(图3中用点状图案表示的区域)。三个区域的确定方法如下:
身体中心区域:以身体中心点为圆心的预定半径的圆形区域与肺部区域的交集。
肺内壁区域:肺部边缘轮廓(肺部上、下切点之间的轮廓)沿法向量向内移动所围成的区域,具体包括以下几步:(1)创建连接身体中心点与肺部区域的中心的直线;(2)分别找到与该直线平行的肺部区域切线的位置,肺部区域的轮廓在上下两个切点之间的部分则为肺部的边缘轮廓;(3)将边缘轮廓沿着每个轮廓点的法向量向身体中心点移动一定距离(例如20mm),移动后的轮廓与原始的边缘轮廓所围成的区域,则为胸内壁区域。
肺中间区域:从整个肺部区域减去前两者,则为肺中间区域。
在本发明中,依据相对于身体中心点的位置,将肺部区域分为身体中央区域、肺内壁区域、肺中间区域,从而更加准确地描述病变区域在肺部中的分布。
为了计算目标图像与数据库中的参考图像的相似度,需要对数据库中的参考图像用上述同样的方式进行划分。
接下来,在步骤S104中,基于所述目标图像中的特征点和所述参考图像中的特征点以及所划分的区域来确定所述目标图像中的特征点和所述参考图像中的特征点的分布情况的相似度。
图4示出了计算待识别的肺部断层图像(即目标图像)与数据库中的肺部断层图像(参考图像)的相似度的方法。在这里,假设待识别的断层图像与数据库中的肺部断层图像中肺部的病变区域都是已知的,则目标图像与参考图像的相似度计算方法如下:
首先,按照前面所描述的对肺部的分区方法分别将目标图像和参考图像划分为三个分区,这样标注的病变区域就被划分到三个分区中。
接着,分别计算目标图像中病变区域的各个像素到参考图像中病变区域的各个像素的最小距离。
例如图4中所示的,对于目标图像中病变区域Q中的一点b,计算其到参考图像中病变区域D中的各个像素的距离中的最小距离,即b点到区域D的最小距离。
如果Q与D有重叠区域,则重叠区域的距离为0。
然后,用同样的方法计算参考图像中病变区域的各个像素到目标图像中病变区域的各个像素的最小距离。
例如图4中所示的,对于参考图像中病变区域D中的一点a,计算其到目标图像中病变区域Q中的各个像素的距离中的最小距离,即a点到区域Q的最小距离。
接下来,将目标图像和参考图像放在同一坐标系中考虑,对上述最小距离进行加权。
如果最小距离所连接的相应的两个像素分别在目标图像和参考图像中的同一区域,则将权重设置为1;如果两个像素在相邻区域,则将权重设置为2,以此类推。本领域技术人员可以理解,权重不限于上述值,权重的设置满足以下条件:当两个像素在同一区域时所设置的权重小于当两个像素在相邻区域时设置的权重,当两个像素在目标图像和参考图像中的区域相隔越远,则权值越大。
最后,将所有加权后的距离相加,作为最终的相似度数值。
所得到的最终的相似度数值表示目标图像和参考图像的距离,该距离越大,则目标图像和参考图像相似度越小。上面描述了一种基于肺部分区信息加权的双向距离度量的相似度测量方法,实现了相同区域中的距离较小,而不同区域的距离较大的目的,这样更合理地对相似度进行了描述。
在一个示例中,在对目标图像进行划分之前,可以先对肺部区域进行识别。
下面参照图5A-5E和图6A-6E对肺部区域的识别进行说明。本发明中肺部区域分为正常区域和病变区域。对于病变区域,本发明将其分为两类:弥散性病变区域(没有明显边界的病变区域,如5A-5E所示)和实质性病变区域(存在明显边界的病变区域,如图6A-6E所示)。
在计算机断层图像中,正常肺部区域具有较低的图像灰度值。因此可以使用阈值分割的方法识别出正常肺部区域(如图5B和图6B),然后使用形态学的关和开操作,使得提取的区域轮廓更加平滑。
下面分别描述如何对弥散性病变区域和实质性病变区域进行识别。
对于弥散性病变区域的识别,首先使用Haralick特征中的熵之和对整幅图像进行求解,使得弥散性病变区域相比较于其他区域有更高的像素值;然后通过设定阈值来提取弥散性病变区域。
对于实质性病变区域,其通常出现在肺部轮廓的边界处。因此,本发明中通过计算凸包来识别实质性病变区域。首先,对整个正常区域计算凸包;然后,用凸包图像减去正常区域图像,并且去除两个肺部区域之间的最大独立区域,得到最终的实质性病变区域。
最终,将正常区域,弥散性病变区域和实质性病变区域进行叠加,得到最终的肺部区域。
在本发明中,将肺部区域的识别分为正常区域和病变区域分别识别,然后对病变区域又分为实质性和弥散性分别进行识别,最终将正常区域和病变区域进行叠加,可以得到完整的肺部区域。
下面参照图7说明根据本发明的一个实施例的确定图像相似度的装置700的示例性配置。
如图7所示,确定图像相似度的装置700包括区域划分单元702和相似度确定单元704。
区域划分单元702被配置为对于目标图像,基于相对于其中的基准点的位置来将所述目标图像划分为多个区域,并且按照同样的方式将参考图像划分为多个区域。
相似度确定单元704被配置为基于所述目标图像中的特征点和所述参考图像中的特征点以及所划分的区域来确定所述目标图像中的特征点和所述参考图像中的特征点的分布情况的相似度。
相似度确定单元704进一步被配置为:对于所述目标图像中的每个特征点计算:从该特征点到所述参考图像中的各个特征点的距离中的第一最小距离;对于所述参考图像中的每个特征点计算:从该特征点到所述目标图像中的各个特征点的距离中的第二最小距离,其中,所述目标图像和所述参考图像处于同一坐标系中,以及,对所有第一最小距离和第二最小距离进行加权求和,并基于加权求和的结果来确定所述目标图像与所述参考图像中的特征点的分布情况的相似度。
在一个示例中,确定图像相似度的装置700还包括:权值确定单元(图中未示出),其被配置为:基于所述第一最小距离和所述第二最小距离中的各个最小距离所连接的相应的两个特征点分别在所述目标图像和所述参考图像中的区域来确定加权的权值,其中,当所述相应的两个特征点分别在所述目标图像和所述参考图像中的相同区域中,则将所述权值设置为第一权值;当所述相应的两个特征点分别在所述目标图像和所述参考图像中的相邻区域中,则将所述权值设置为第二权值;以及当所述相应的两个特征点既不在所述目标图像和所述参考图像中的相同区域也不在相邻区域,则将所述权值设置为不同于所述第一权值和所述第二权值的其他权值;其中,所述第一权值小于所述第二权值,并且当所述相应的两个特征点在所述目标图像和所述参考图像中的区域相隔越远,则权值越大。
其中,所述目标图像为待识别的肺部断层图像,所述参考图像为数据库中的样本肺部断层图像,所述特征点为肺部断层图像中的病变区域中的像素,所述基准点为身体中心点。
在一个示例中,所述区域划分单元702进一步被配置为通过以下过程基于身体骨性结构来确定所述身体中心点:提取所述肺部断层图像中的骨性结构;找到最大的隔离区域作为脊柱;找到所述脊柱的中心列和上缘;在所述脊柱的上缘以上,以所述脊柱的左右边界分别作为左右边界的上部区域内查找骨性结构;找到所述上部区域中的骨性结构的下缘;将所述中心列在所述上缘和所述下缘之间的中点确定为所述身体中心点。
在一个示例中,所述区域划分单元702进一步被配置为:基于所述肺部断层图像中的像素相对于所述身体中心点的位置将所述肺部断层图像划分为身体中心区域、肺内壁区域以及肺中间区域。
在一个示例中,区域划分单元702进一步被配置为通过下述过程对所述肺部断层图像进行划分:确定所述肺部区域与以所述身体中心点为圆心的预定半径的圆形区域的相交区域作为所述身体中心区域;通过以下步骤来确定所述肺内壁区域:创建连接所述身体中心点和所述肺部区域的中心的直线;分别找到与所创建的直线平行且与所述肺部区域的轮廓相切的上下两条切线,确定所述肺部区域的轮廓在上下两个切点之间的边缘轮廓;及将所述边缘轮廓沿着每个轮廓点的法向量向所述身体中心点移动预定距离,将移动后的轮廓与所述边缘轮廓所围成的区域确定为所述肺内壁区域;通过从整个肺部区域减去所述身体中心区域和所述肺内壁区域得到所述肺中间区域。
在一个示例中,确定图像相似度的装置700还包括肺部区域识别单元(图中未示出),其被配置为:从所述肺部断层图像提取正常肺部的初始区域;分别提取弥漫型病变区域和实质性病变区域;将所述初始区域、所述弥漫型病变区域和所述实质性病变区域进行组合得到肺部区域;以及将所述肺部区域作为所述目标图像来进行区域划分。
其中,肺部区域识别单元进一步被配置为:使用阈值分割方法来提取正常肺部区域。
其中,肺部区域识别单元进一步被配置为:通过计算凸包来识别实质性病变区域。
关于确定图像相似度的装置700的各个部分的操作和功能的细节可以参照结合图1-6描述的本发明的确定图像相似度的方法的实施例,这里不再详细描述。
在此需要说明的是,图7所示的装置及其组成单元的结构仅仅是示例性的,本领域技术人员可以根据需要对图7所示的结构框图进行修改。
以上结合具体实施例描述了本发明的基本原理,但是,需要指出的是,对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。
在通过软件和/或固件实现本发明的实施例的情况下,从存储介质或网络向具有专用硬件结构的计算机,例如图8所示的通用计算机800安装构成该软件的程序,该计算机在安装有各种程序时,能够执行各种功能等等。
在图8中,中央处理单元(CPU)801根据只读存储器(ROM)802中存储的程序或从存储部分808加载到随机存取存储器(RAM)803的程序执行各种处理。在RAM 803中,也根据需要存储当CPU 801执行各种处理等等时所需的数据。CPU 801、ROM 802和RAM 803经由总线804彼此链路。输入/输出接口805也链路到总线804。
下述部件链路到输入/输出接口805:输入部分806(包括键盘、鼠标等等)、输出部分807(包括显示器,比如阴极射线管(CRT)、液晶显示器(LCD)等,和扬声器等)、存储部分808(包括硬盘等)、通信部分809(包括网络接口卡比如LAN卡、调制解调器等)。通信部分809经由网络比如因特网执行通信处理。根据需要,驱动器810也可链路到输入/输出接口805。可拆卸介质811比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器810上,使得从中读出的计算机程序根据需要被安装到存储部分808中。
在通过软件实现上述系列处理的情况下,从网络比如因特网或存储介质比如可拆卸介质811安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图8所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质811。可拆卸介质811的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM 802、存储部分808中包含的硬盘等等,其中存有程序,并且与包含它们的设备一起被分发给用户。
本发明还提出一种存储有机器可读取的指令代码的程序产品。指令代码由机器读取并执行时,可执行上述根据本发明实施例的方法。
相应地,用于承载上述存储有机器可读取的指令代码的程序产品的存储介质也包括在本发明的公开中。存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等。
本领域的普通技术人员应理解,在此所例举的是示例性的,本发明并不局限于此。
在本说明书中,“第一”、“第二”以及“第N个”等表述是为了将所描述的特征在文字上区分开,以清楚地描述本发明。因此,不应将其视为具有任何限定性的含义。
作为一个示例,上述方法的各个步骤以及上述设备的各个组成模块和/或单元可以实施为软件、固件、硬件或其组合,并作为相应设备中的一部分。上述装置中各个组成模块、单元通过软件、固件、硬件或其组合的方式进行配置时可使用的具体手段或方式为本领域技术人员所熟知,在此不再赘述。
作为一个示例,在通过软件或固件实现的情况下,可以从存储介质或网络向具有专用硬件结构的计算机(例如图8所示的通用计算机800)安装构成该软件的程序,该计算机在安装有各种程序时,能够执行各种功能等。
在上面对本发明具体实施例的描述中,针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其他实施方式中使用,与其他实施方式中的特征相组合,或替代其他实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其他特征、要素、步骤或组件的存在或附加。
此外,本发明的方法不限于按照说明书中描述的时间顺序来执行,也可以按照其他的时间顺序地、并行地或独立地执行。因此,本说明书中描述的方法的执行顺序不对本发明的技术范围构成限制。
本发明及其优点,但是应当理解在不超出由所附的权利要求所限定的本发明的精神和范围的情况下可以进行各种改变、替代和变换。而且,本发明的范围不仅限于说明书所描述的过程、设备、手段、方法和步骤的具体实施例。本领域内的普通技术人员从本发明的公开内容将容易理解,根据本发明可以使用执行与在此的相应实施例基本相同的功能或者获得与其基本相同的结果的、现有和将来要被开发的过程、设备、手段、方法或者步骤。因此,所附的权利要求旨在在它们的范围内包括这样的过程、设备、手段、方法或者步骤。
基于以上的说明,可知公开至少公开了以下技术方案:
1、一种确定图像相似度的方法,包括:
对于目标图像,基于相对于其中的基准点的位置来将所述目标图像划分为多个区域,并且按照同样的方式将参考图像划分为多个区域;
基于所述目标图像中的特征点和所述参考图像中的特征点以及所划分的区域来确定所述目标图像中的特征点和所述参考图像中的特征点的分布情况的相似度。
2、根据附记1所述的方法,其中,基于所述目标图像中的特征点和所述参考图像中的特征点以及所划分的区域来确定所述目标图像中的特征点和所述参考图像中的特征点的分布情况的相似度包括:
对于所述目标图像中的每个特征点计算:从该特征点到所述参考图像中的各个特征点的距离中的第一最小距离;
对于所述参考图像中的每个特征点计算:从该特征点到所述目标图像中的各个特征点的距离中的第二最小距离;以及
其中,所述目标图像和所述参考图像处于同一坐标系中,以及,对所有第一最小距离和第二最小距离进行加权求和,并基于加权求和的结果来确定所述目标图像与所述参考图像中的特征点的分布情况的相似度。
3、根据附记2所述的方法,其中,基于所述第一最小距离和所述第二最小距离中的各个最小距离所连接的相应的两个特征点分别在所述目标图像和所述参考图像中的区域来确定加权的权值,
其中,当所述相应的两个特征点分别在所述目标图像和所述参考图像中的相同区域中,则将所述权值设置为第一权值;
当所述相应的两个特征点分别在所述目标图像和所述参考图像中的相邻区域中,则将所述权值设置为第二权值;以及
当所述相应的两个特征点既不在所述目标图像和所述参考图像中的相同区域也不在相邻区域,则将所述权值设置为不同于所述第一权值和所述第二权值的其他权值;
其中,所述第一权值小于所述第二权值,并且当所述相应的两个特征点在所述目标图像和所述参考图像中的区域相隔越远,则权值越大。
4、根据附记1所述的方法,其中,所述目标图像为待识别的肺部断层图像,所述参考图像为数据库中的样本肺部断层图像,所述特征点为肺部断层图像中的病变区域中的像素,所述基准点为身体中心点。
5、根据附记4所述的方法,其中,基于身体骨性结构通过以下步骤来确定所述身体中心点:
提取所述肺部断层图像中的骨性结构;
找到最大的隔离区域作为脊柱;
找到所述脊柱的中心列和上缘;
在所述脊柱的上缘以上,以所述脊柱的左右边界分别作为左右边界的上部区域内查找骨性结构;
找到所述上部区域中的骨性结构的下缘;
将所述中心列在所述上缘和所述下缘之间的中点确定为所述身体中心点。
6、根据附记5所述的方法,其中,相对于其中的基准点的位置来将所述目标图像划分为多个区域包括:基于所述肺部断层图像中的像素相对于所述身体中心点的位置将所述肺部断层图像划分为身体中心区域、肺内壁区域以及肺中间区域。
7、根据附记6所述的方法,其中,通过下述步骤对所述肺部断层图像进行划分:
确定所述肺部区域与以所述身体中心点为圆心的预定半径的圆形区域的相交区域作为所述身体中心区域;
通过以下步骤来确定所述肺内壁区域:
创建连接所述身体中心点和所述肺部区域的中心的直线;
分别找到与所创建的直线平行且与所述肺部区域的轮廓相切的上下两条切线,确定所述肺部区域的轮廓在上下两个切点之间的边缘轮廓;以及
将所述边缘轮廓沿着每个轮廓点的法向量向所述身体中心点移动预定距离,将移动后的轮廓与所述边缘轮廓所围成的区域确定为所述肺内壁区域;
从整个肺部区域减去所述身体中心区域和所述肺内壁区域得到所述肺中间区域。
8、根据附记4-7中任一项所述的方法,其中,在将所述目标图像划分为多个区域之前还包括:肺部区域识别步骤,包括:
从所述肺部断层图像提取正常肺部区域;
分别提取弥漫型病变区域和实质性病变区域;
将所述正常肺部区域、所述弥漫型病变区域和所述实质性病变区域进行组合得到肺部区域;以及
将所述肺部区域作为所述目标图像来进行区域划分。
9、根据附记8所述的方法,其中,使用阈值分割方法来提取正常肺部区域。
10、根据附记8所述的方法,其中,通过计算凸包来识别实质性病变区域。
11、一种确定图像相似度的装置,包括:
区域划分单元,被配置为:对于目标图像,基于相对于其中的基准点的位置来将所述目标图像划分为多个区域,并且按照同样的方式将参考图像划分为多个区域;以及
相似度确定单元,被配置为基于所述目标图像中的特征点和所述参考图像中的特征点以及所划分的区域来确定所述目标图像中的特征点和所述参考图像中的特征点的分布情况的相似度。
12、根据附记11所述的装置,其中,所述相似度确定单元进一步被配置为:
对于所述目标图像中的每个特征点计算:从该特征点到所述参考图像中的各个特征点的距离中的第一最小距离;
对于所述参考图像中的每个特征点计算:从该特征点到所述目标图像中的各个特征点的距离中的第二最小距离,
其中,所述目标图像和所述参考图像处于同一坐标系中,以及,对所有第一最小距离和第二最小距离进行加权求和,并基于加权求和的结果来确定所述目标图像与所述参考图像中的特征点的分布情况的相似度。
13、根据附记12所述的装置,还包括:权值确定单元,被配置为:
基于所述第一最小距离和所述第二最小距离中的各个最小距离所连接的相应的两个特征点分别在所述目标图像和所述参考图像中的区域来确定加权的权值,
其中,当所述相应的两个特征点分别在所述目标图像和所述参考图像中的相同区域中,则将所述权值设置为第一权值;
当所述相应的两个特征点分别在所述目标图像和所述参考图像中的相邻区域中,则将所述权值设置为第二权值;以及
当所述相应的两个特征点既不在所述目标图像和所述参考图像中的相同区域也不在相邻区域,则将所述权值设置为不同于所述第一权值和所述第二权值的其他权值;
其中,所述第一权值小于所述第二权值,并且当所述相应的两个特征点在所述目标图像和所述参考图像中的区域相隔越远,则权值越大。
14、根据附记11所述的装置,其中,所述目标图像为待识别的肺部断层图像,所述参考图像为数据库中的样本肺部断层图像,所述特征点为肺部断层图像中的病变区域中的像素,所述基准点为身体中心点。
15、根据附记14所述的装置,其中,所述区域划分单元进一步被配置为通过以下过程基于身体骨性结构来确定所述身体中心点:
提取所述肺部断层图像中的骨性结构;
找到最大的隔离区域作为脊柱;
找到所述脊柱的中心列和上缘;
在所述脊柱的上缘以上,以所述脊柱的左右边界分别作为左右边界的上部区域内查找骨性结构;
找到所述上部区域中的骨性结构的下缘;
将所述中心列在所述上缘和所述下缘之间的中点确定为所述身体中心点。
16、根据附记15所述的装置,其中,所述区域划分单元进一步被配置为:基于所述肺部断层图像中的像素相对于所述身体中心点的位置将所述肺部断层图像划分为身体中心区域、肺内壁区域以及肺中间区域。
17、根据附记16所述的装置,其中,所述区域划分单元进一步被配置为通过下述过程对所述肺部断层图像进行划分:
确定所述肺部区域与以所述身体中心点为圆心的预定半径的圆形区域的相交区域作为所述身体中心区域;
通过以下步骤来确定所述肺内壁区域:
创建连接所述身体中心点和所述肺部区域的中心的直线;
分别找到与所创建的直线平行且与所述肺部区域的轮廓相切的上下两条切线,确定所述肺部区域的轮廓在上下两个切点之间的边缘轮廓;以及
将所述边缘轮廓沿着每个轮廓点的法向量向所述身体中心点移动预定距离,将移动后的轮廓与所述边缘轮廓所围成的区域确定为所述肺内壁区域;
通过从整个肺部区域减去所述身体中心区域和所述肺内壁区域得到所述肺中间区域。
18、根据附记14-17中任一项所述的装置,还包括肺部区域识别单元,被配置为:
从所述肺部断层图像提取正常肺部的初始区域;
分别提取弥漫型病变区域和实质性病变区域;
将所述初始区域、所述弥漫型病变区域和所述实质性病变区域进行组合得到肺部区域;以及
将所述肺部区域作为所述目标图像来进行区域划分。
19、根据附记18所述的装置,其中,所述肺部区域识别单元进一步被配置为:使用阈值分割方法来提取正常肺部区域。
20、根据附记18所述的装置,其中,所述肺部区域识别单元进一步被配置为:通过计算凸包来识别实质性病变区域。