本发明属于计算机图像处理领域,尤其涉及一种乳腺图像识别处理方法。
背景技术:
1、乳腺癌在近几年来呈现出发病率高,且逐渐年轻化的趋势,疾病死亡率也在不断升高,在女性易患恶性肿瘤中排在第一位,局部晚期及晚期乳腺癌手术切除率低,死亡率也相对来说较高,针对局部晚期乳腺癌患者所进行的术前化疗称作新辅助化疗,新辅助化疗后可实现肿瘤降期,改善预后。
2、新辅助化疗(new?adjuvant?chemotherapy,?nac)又被称为术前化疗或者诱导化疗,现阶段是难以手术的局部晚期乳腺癌患者及炎性乳癌患者的首选治疗。
3、目前,乳腺癌新辅助化疗疗效评估体系中,mri是主要评价指标,但磁共振存在价格昂贵,需要两个周期后才能评估,且费时、对基层医院来说不易实施等缺点。
4、乳腺癌组织一般较硬,肿瘤间质的纤维组织增生致密。纤维间质内有癌细胞浸润生长,浸润性小叶癌一般未见明确的肿块,为浸润性生长。大多数情况下,乳头状癌、髓样癌、黏液腺癌等的边界有局限且多为圆形,有纤维结缔组织生长,肿块粘连附近的结构,因而降低活动性,降低弹性,硬度变高。结合相较于良性病变,恶性病变的硬度通常较大这一特性,弹性成像可与常规超声联合诊断。
5、弹性b超成像技术是一项检查方便且非侵入性的超声成像技术,可分为应变弹性成像以及剪切波弹性成像两种类型。弹性b超成像技术能够客观反映定性或定量评估后的组织硬度,其原理是通过对组织形变能力的评估来反映组织的硬度,剪切波弹性成像技术是通过测定肿瘤的硬度值变化来评估新辅助化疗疗效。
6、如何利用超声弹性成像技术对乳腺癌行新辅助化疗的患者的肿块变化进行监测,如何提高计算机追踪识别效果,辅助医生进行快速诊断成为亟待解决的技术问题。
技术实现思路
1、针对上述问题,本发明提出了一种乳腺图像识别处理方法,该方法包括:
2、s1、采集三维乳腺超声图像后,对所述三维乳腺超声图像进行预处理,所述预处理包括:中值滤波和双边滤波;
3、s2、对所述预处理后的三维乳腺超声图像进行肿瘤空间区域识别分割,得到肿瘤区域;
4、s3、根据图像分割算法从所述预处理后的三维乳腺超声图像中分割出血管区域;
5、s4、从得到的肿瘤区域和血管区域中提取相关特征,所述相关特征包括形状特征、灰度特征、纹理特征;
6、s5、利用神经网络模型对提取的特征进行识别,识别出肿瘤和肿瘤附属血管;
7、s6、采集弹性超声图像,将所述弹性超声图像与三维乳腺超声图像进行配准,将弹性超声图像中肿瘤区域的硬度参数融合至三维乳腺超声图像中的肿瘤区域;
8、s7、通过第一界面呈现三维乳腺超声图像,所述三维乳腺超声图像中标记出肿瘤位置和血管位置、肿瘤的体积和形态参数、血管的密度,通过第二界面呈现肿瘤及与肿瘤粘连的血管。
9、进一步的,所述中值滤波包括:
10、s11、获取所述三维乳腺超声图像的二维切片图像;
11、s12、获取预设形状二维窗口,将二维窗口内的像素进行排序,生成单调二维数据序列,获取二维数据序列的中值;
12、s13、根据所述中值对取二维数据序列进行过滤,获得过滤后的二维切片图像;采用下述公式进行过滤,
13、,
14、其中fij表示二维点(i,j)的像素值,med{}表示取中值运算。
15、进一步的,所述双边滤波包括:
16、s14、对经中值滤波的二维切片图像,根据双边滤波器模型进行滤波处理;
17、所述双边滤波器模型为:
18、,
19、g是经中值滤波的二维切片图像,f是平滑滤波之后的输出图像,代表二维切片图像中第k个像素点的邻域范围,;代表空域滤波时高斯函数的标准差,代表空域滤波时的灰度标准差,w是权重系数;
20、s15、将经双边滤波器过滤后的二维切片图像序列组合生成三维乳腺超声图像。
21、进一步的,对所述预处理后的三维乳腺超声图像进行肿瘤空间区域识别分割,得到肿瘤区域,包括:
22、s21、根据建图模板,建立图像到图的映射g=(v,e);v是顶点vi的集合,e是连接相邻顶点的边集,对边集e中的所有边按照权重进行非递减排序,设置权重最小的边的表示为w=0;
23、s22、选择边集e中标示为w的边,根据边连接的两个相邻顶点所在不同子图的关系进行融合;
24、s23、重复s22,直至遍历完边集e中的所有边,获得肿瘤区域。
25、进一步的,根据边连接的两个相邻顶点所在不同子图的关系进行融合包括:
26、选定相邻待合并子图c1、c2,c1、c2均属于v;根据判断模型进行融合判定:
27、;
28、表示的是区域之间的差异,代表两个相邻子图c1与c2之间的差异大小,表示区域对最小内部差异,代表的是c1与c2内部特征差异的较小者;表示子图c所对应区域内部所有体素点的灰度均值,表示子图c的灰度标准差,表示子图c的门限函数,表示平滑度,表示子图c对应的区域内部所有体素点的个数,为区域内部所有体素点灰度的方差。
29、进一步的,根据图像分割算法将血管从三维乳腺超声图像中分割出来,包括:
30、s31、在二维切片图像根据血管像素范围(-300hu,300hu)进行分割,获得二维连通区域;
31、s32、计算当前二维连通区域内所有像素的平均梯度值m;
32、s33、将梯度大于m×k的像素确定为边缘像素;k表示修正因子,用于调整系统误差;
33、s34、计算边缘像素的平均ct值;
34、s35、以平均ct值为阈值对当前二维连通区域进行二次分割,直到所有二维连通区域分割完成;依次对所有二维切片图像进行血管分割;
35、s36、根据血管分割完成的二维切片图像序列形成血管模型。
36、进一步的,所述神经网络模型为训练好的模型,用于区分正常组织、肿瘤和肿瘤附属血管。
37、进一步的,所述方法还包括,
38、s8、根据肿瘤尺寸,肿瘤硬度,血管参数对肿瘤区域进行评估,评估公式如下:
39、,
40、其中,s表示评估值,zi表示权重,xi表示评估项,包括肿瘤尺寸、肿瘤硬度、血管尺寸、血流流量、血管中含氧量,xmin表示评估项最小值,xmax表示评估项最大值,n表示评估项数量。
41、一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,处理器执行所述计算机程序实施如上任一项所述乳腺图像识别处理方法。
42、一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序实施如上任一项所述乳腺图像识别处理方法。
43、本发明的有益效果如下:
44、1)通过第二界面呈现肿瘤及与肿瘤粘连的血管,提高了乳腺肿瘤模型的建模精度,通过中值滤波与双边滤波的组合滤波方式,提高了图像分割时的精确性,同时结合肿瘤模型周围的血管模型,为医生进行综合分析以及后续处理提供了有力的支持。
45、2)通过多界面的对比显示,有效定位可疑区域;通过对乳腺肿瘤区域以及血管的综合评估,确定该肿瘤的评估等级,为医生后续诊断减少了判断难度。
46、上述说明,仅是本发明技术方案的概述,为了能够更清楚了解本发明技术手段,可依照说明书的内容予以实施,并且为了让本发明的上述说明和其它目的、特征及优点能够更明显易懂,特举较佳实施例,详细说明如下。