一种医学图像微弱信号增强处理方法及应用与流程

1.本发明涉及人工智能辅助图像处理技术领域，尤其涉及一种医学图像微弱信号增强处理方法及应用。


背景技术：

2.近年来，随着人工智能与图像分析处理技术的快速发展，利用计算机进行医学图像处理已经广泛用于各个与医学图像密切相关的学科与领域。借助图像特征增强、计算机视觉以及深度学习等技术，对相关医学影像进行处理和分析，可以有效完成对相关影像、病理及解剖结构的可视化，达到辅助相关科室医生进行诊断或临床操作的效果，可以有效降低医生的工作量，并达到准确诊断和精确治疗的目的。
3.目前，基于深度学习的医学图像诊断方法，不但需要标注大量的图像数据，耗费大量人力物力，并且无法保证标注数据的准确性与一致性。由于深度学习模型结构往往是一个黑箱，在图像特征提取与图像特征增强功能上的可解释性较差，对医疗诊断而言缺乏说服力，降低了深度学习基于医学图像进行诊断的可靠性。若采用某些确定参数的可解释性较强的滤波器，如gabor滤波器或边缘检测滤波器，对图像进行滤波操作，可以达到图像特征提取或图像特征增强。


技术实现要素：

4.本发明的目的就在于为了解决上述问题而提供一种医学图像微弱信号增强处理方法及应用。
5.本发明通过以下技术方案来实现上述目的：
6.本发明包括以下步骤：
7.s1：输入医学图像及预处理参数，令f(x,y)表示图像任意坐标(x,y)的像素值。输入的预处理参数包括：翻转参数flip，取值为flip＝0或flip＝1，默认为flip＝1；飘动参数drift，飘动参数取值为drift∈[0,3]，默认为drift＝1。其中，翻转参数flip的取值取决于需要增强的目标像素值是否高于背景部分，若高于背景部分，那么取flip＝0，若低于背景部分，那么取flip＝1。
[0008]
s2：根据预处理参数完成均值漂移抑制的图像预处理操作；
[0009]
s3：构建多尺度下z-形波调制的小波滤波组，对预处理后的图像进行滤波操作，得到多尺度特征融合的图像处理结果；
[0010]
s4：输出处理结果。
[0011]
进一步，进行图像预处理的具体流程如下：
[0012]
s1.1：针对输入的医学图像f(x,y)，根据翻转参数判断是否翻转：若满足flip＝0，则不对输入图像进行处理，也即令f
flip
(x,y)＝f(x,y)；若满足flip＝1，那么遍历图像中所有像素点，令每个像素点的像素值等于255减去原像素值，也即令f
flip
(x,y)＝255-f(x,y)。完成像素值翻转操作。
[0013]
s1.2：对步骤s1.1处理后的图像f
flip
(x,y)，获取该图像的灰度频率直方图，使用混合gauss函数拟合该直方图，默认为双峰gauss函数，得到gauss函数的均值参数{μn}、标准差参数{σn}及幅值参数{an}。默认取最大幅值参数a
max
，也可取其他规律下的幅值参数，设其索引为j，令漂动值movement＝μj+drift
·
σj。遍历步骤i)处理后的图像中所有像素点，令每个像素点的像素值等于原像素值减去漂动值，若某像素点得到的像素值小于0，那么置该像素值为0，也即令f
move
(x,y)＝max(f
flip
(x,y)-movement,0)。f
move
(x,y)即为预处理结果。
[0014]
进一步，所述构建多尺度下z-形调制小波滤波组进行滤波的步骤如下：
[0015]
s3.1：默认取小波的母小波为gauss函数g
σ,γ
(x,y)，其中默认参数γ＝1，母小波也可取为其他函数如gauss函数的多阶导数、cauchy函数、shanno小波函数等其他概率分布函数或小波函数作为母小波。其尺度参数为默认为单一尺度特征也即对某一尺度σ，波长参数默认为λ＝2σ，根据波长参数构建周期偶函数t1(x)，满足：t1(x)＝t1(x+λ),t1(x)＝t1(-x),依据t1(x)构建周期奇函数满足t2(x)＝t2(x+λ)，以及t2(x)＝-t2(-x)；周期函数t1(x)可取为满足条件的连续或非连续波形函数，可直接取为三角函数，即角函数，即也可取为方波，锯齿波等。默认为方波函数：
[0016][0017][0018]
记傅里叶变换为f(f)，其中f为输入的函数，分别对周期函数t1(x)、t2(x)进行傅里叶变换得到f(t1(x))、f(t2(x))。由傅里叶逆变换将两周期函数的由三角级数近似表出，默认参数k＝30，实际k值为任意正整数：
[0019][0020][0021]
再令：
[0022][0023][0024]
得到t1(x)、t2(x)的三角级数近似函数λ
(1)
、λ
(2)
。
[0025]
步骤s3.2：利用如下z-形波调制小波滤波公式，构建z-形调制小波滤波器:
[0026]gcos
(x,y)＝g
σ,γ
(x,y)λ1(x')
[0027]gsin
(x,y)＝g
σ,γ
(x,y)λ2(x')
[0028][0029]
x'＝xcosθ+ysinθ
[0030]
y'＝-xsinθ+ycosθ
[0031]
其中，将偶周期函数t1(x)定义的小波基称为偶小波基，奇函数t2(x)定义的小波基称为奇小波基。定义角度参数为(x,y)为二维卷积核中的参数坐标，根据奇小波基公式生成大小为odd_size
×
odd_size的共n个奇小波滤波器，根据偶小波基公式生成大小为even_size
×
even_size的共n个偶小波滤波器，至此生成单一尺度σ下的2n个z-形调制小波滤波器；对所有滤波器进行归一化操作，对第i个滤波器，对滤波器中大于0的参数进行求和得到si，令滤波器中所有参数均除以si，完成归一化操作，在设置单一尺度σ下的滤波器参数时，尺度参数σ可取大于1的奇数，默认σ＝5；参数默认n＝3；滤波器大小参数满足even_size∈[σ,2σ+1],odd_size∈[σ,2σ+1]，且滤波器大小参数为奇数，可根据任务目标对偶小波滤波器及奇小波滤波器设置不同的滤波器大小及不同的尺度参数；归一化操作时，可根据具体任务取一放缩函数s(x,y)，对滤波器进行线性放缩或非线性的放缩；
[0032]
s3.3：调用步骤s3.2中生成的2n个z-形调制小波滤波器依次对步骤s2处理后得到的预处理图像f
move
(x,y)进行滤波操作，将得到的2n张图像求平均得到处理完成的图像f
z-wavelet
(x,y)；得到的f
z-wavelet
(x,y)即为本方法在单一尺度下最终需要输出的结果。可根据具体任务，取多个尺度依次进行本专利要求提出的图像处理操作，对不同尺度σi的输出结果进行加权求和作为最终输出结果，也即令其中ωi为加权的权值，加权不限制为线性加权，可视情况取任意非线性加权方法。
[0033]
通过分析图像的统计学特征，结合可解释性较强的小波滤波器，由本发明提出的z形调制，利用傅里叶变换调制小波滤波器中的小波基，可以最大限度得同时保留图像中微弱信号的边缘信息及边缘内部的平缓特征信息，无需经过大量训练即可有效完成医学图像的特征提取与特征增强。所述医学图像处理方法适用于处理图像中目标较少的单通道灰度
医学图像或多通道医学图像中的单一通道图像，例如，已完成分割的肝脏ct平扫图像。
[0034]
本发明的有益效果在于：
[0035]
本发明是一种医学图像微弱信号增强处理方法及应用，与现有技术相比，本发明可以有效增强图像中的异常点、微小或极微小占位等，比如已完成肝脏分割图像中的病灶或血管部分的对比度，可以直接辅助临床诊断，或进行适当改动后嵌入深度学习模型的浅层结构，增强模型的鲁棒性及可解释性，降低模型的训练成本。本发明不需要任何预先数据标注即可对输入图像进行处理，然后作为深度学习模型的目标指导，极大的降低了深度学习模型对大量标注数据的依赖。
附图说明
[0036]
图1是本发明实施例提供的医学图像处理系统模块示意图。
[0037]
图2是本发明实施例提供的医学图像处理方法流程图。
[0038]
图3是本发明实施例提供的对肝脏平扫图像的病灶特征增强效果，其中，第一行为原图，第二行为病灶特征增强效果图。
[0039]
图4是本发明实施例提供的对肝脏增强图像的病灶特征及血管特征增强效果，其中，第一行为原图，第二行为病灶特征增强效果图，第三行为血管特征增强效果图。
具体实施方式
[0040]
下面结合附图对本发明作进一步说明：
[0041]
如图1所示：本发明包括以下步骤：
[0042]
s1：输入医学图像及预处理参数，令f(x,y)表示图像任意坐标(x,y)的像素值。输入的预处理参数包括：翻转参数flip，取值为flip＝0或flip＝1，默认为flip＝1；飘动参数drift，飘动参数取值为drift∈[0,3]，默认为drift＝1。其中，翻转参数flip的取值取决于需要增强的目标像素值是否高于背景部分，若高于背景部分，那么取flip＝0，若低于背景部分，那么取flip＝1。
[0043]
s2：根据预处理参数完成的图像预处理操作，具体操作步骤如下：
[0044]
s2.1：针对输入的医学图像f(x,y)，根据翻转参数判断是否翻转：若满足flip＝0，则不对输入图像进行处理，也即令f
flip
(x,y)＝f(x,y)；若满足flip＝1，那么遍历图像中所有像素点，令像素点的像素值等于255减去原像素值，也即f
flip
(x,y)＝255-f(x,y)。完成像素值翻转操作。
[0045]
s2.2：对步骤s2.1处理后的图像f
flip
(x,y)，获取该图像的灰度频率直方图，使用混合gauss函数拟合该直方图，默认为双峰gauss函数，得到gauss函数的均值参数{μn}、标准差参数{σn}及幅值参数{an}。默认取最大幅值参数a
max
，也可取其他规律下的幅值参数，设其索引为j，令漂动值movement＝μj+drift
·
σj。遍历步骤s1.1处理后的图像中所有像素点，令每个像素点的像素值等于原像素值减去漂动值，若某像素点得到的像素值小于0，那么置该像素值为0，也即令f
move
(x,y)＝max(f
flip
(x,y)-movement,0)。f
move
(x,y)即为预处理结果。
[0046]
s3：构建构建多尺度下z-形调制的小波滤波组对预处理后的图像进行滤波操作，具体操作步骤如下：
[0047]
步骤s3.1默认取小波的母小波为gauss函数g
σ,γ
(x,y)，其中默认参数γ＝1，母小波也可取为其他函数如gauss函数的多阶导数、cauchy函数、shanno小波函数等其他概率分布函数或小波函数作为母小波。其尺度参数为默认为单一尺度特征也即对某一尺度σ，波长参数默认为λ＝2σ，根据波长参数构建周期偶函数t1(x)，满足：t1(x)＝t1(x+λ),t1(x)＝t1(-x),依据t1(x)构建周期奇函数满足t2(x)＝t2(x+λ)，以及t2(x)＝-t2(-x)；周期函数t1(x)可取为满足条件的连续或非连续波形函数，可直接取为三角函数，即也可取为方波，锯齿波等。默认为方波函数：
[0048][0049][0050]
记傅里叶变换为f(f)，其中f为输入的函数，分别对周期函数t1(x)、t2(x)进行傅里叶变换得到f(t1(x))、f(t2(x))。由傅里叶逆变换将两周期函数的由三角级数近似表出，默认参数k＝30，实际k值为任意正整数：
[0051][0052][0053]
再令：
[0054][0055][0056]
得到t1(x)、t2(x)的三角级数近似函数λ
(1)
、λ
(2)
。
[0057]
步骤s3.2：利用如下z-形波调制小波滤波公式，构建z-形调制小波滤波器:
[0058]gcos
(x,y)＝g
σ,γ
(x,y)λ1(x')
[0059]gsin
(x,y)＝g
σ,γ
(x,y)λ2(x')
[0060][0061]
x'＝xcosθ+ysinθ
[0062]
y'＝-xsinθ+ycosθ
[0063]
其中，将偶周期函数t1(x)定义的小波基称为偶小波基，奇函数t2(x)定义的小波基称为奇小波基。定义角度参数为(x,y)为二维卷积核中的参数坐标，根据奇小波基公式生成大小为odd_size
×
odd_size的共n个奇小波滤波器，根据偶小波基公式生成大小为even_size
×
even_size的共n个偶小波滤波器，至此生成单一尺度σ下的2n个z-形调制小波滤波器；对所有滤波器进行归一化操作，对第i个滤波器，对滤波器中大于0的参数进行求和得到si，令滤波器中所有参数均除以si，完成归一化操作，在设置单一尺度σ下的滤波器参数时，尺度参数σ可取大于1的奇数，默认σ＝5；参数默认n＝3；滤波器大小参数满足even_size∈[σ,2σ+1],odd_size∈[σ,2σ+1]，且滤波器大小参数为奇数，可根据任务目标对偶小波滤波器及奇小波滤波器设置不同的滤波器大小及不同的尺度参数；归一化操作时，可根据具体任务取一放缩函数s(x,y)，对滤波器进行线性放缩或非线性的放缩；
[0064]
步骤s3.3：调用步骤s3.2中生成的2n个z-形调制小波滤波器依次对步骤s2处理后得到的预处理图像f
move
(x,y)进行滤波操作，将得到的2n张图像求平均得到处理完成的图像f
z-wavelet
(x,y)；得到的f
z-wavelet
(x,y)即为本方法在单一尺度下最终需要输出的结果。可根据具体任务，取多个尺度依次进行本专利要求提出的图像处理操作，对不同尺度σi的输出结果进行加权求和作为最终输出结果，也即令其中ωi为加权的权值，加权不限制为线性加权，可视情况取任意非线性加权方法。
[0065]
所说的小波可以是任意形式小波，如gaussian，laplacian，cauchy等。
[0066]
如图2，本发明提供的医学图像病灶处理方法流程图如图所示。
[0067]
为了体现本发明对肝脏平扫图像中病灶的特征增强效果，进一步结合图3中三个实施例进行说明。如图3所示，第一行为肝脏分割图像，第二行为本发明对肝脏分割图像中病灶的特征增强效果。可以看出，本发明提出的医学图像处理方法对肝脏平扫图像可以在肝脏分割的基础上有效增强图像中微小病灶的特征。
[0068]
为了体现本发明对肝脏增强图像中病灶及血管的特征增强效果，进一步结合图4中三个实施例进行说明。如图4所示，第一行为肝脏增强图像，第二行为本发明对肝脏增强图像中病灶的特征增强效果。第三行为本发明对肝脏增强图像中血管的特征增强效果。可以看出，本发明提出的医学图像处理方法对肝脏增强图像可以有效增强图像中病灶及血管的特征。
[0069]
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。
硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
[0070]
以上显示和描述了本发明的基本原理和主要特征及本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。