[發明專利]基于小波分解和卷積神經網絡的X線胸片骨抑制處理方法

在審

• 申請號: 201710246611.8
• 申請日: 2017-04-16
• 公開（公告）號: CN107038692A
• 公開（公告）日: 2017-08-11
• 發明（設計）人: 陽維;陳瑩胤;贠照強;馮前進
• 申請（專利權）人: 南方醫科大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 北京科億知識產權代理事務所(普通合伙)11350
• 代理人: 趙蕊紅

技術領域

本發明涉及數字圖像處理技術領域，特別是涉及基于小波分解和卷積神經網絡的X線胸片骨抑制處理方法。

背景技術

X線胸部平片(簡稱胸片)是肺部疾病檢測的基本影像手段之一。然而，胸片中解剖結構互相重疊，增加了醫生讀片診斷的難度，特別是肋骨和鎖骨的遮擋會使得肺部小結節病灶的診斷難度增加。

現有技術解決上述問題的方法主要有以下兩大方向：其一，隨著數字X線成像(Digital Radiography,DR)和計算機X線攝影(Computed Radiography,CR)設備和技術的發展，X線雙能減影(Dual Energy Subtraction,DES)技術可分離出胸片中呈現出特性組織成分的圖像——軟組織像(Soft-tissue Image)和骨像(Bone Image)。雙能減影設備采集高低兩種不同能量X線(如120kV和60kV)下的兩幅圖像，利用組織在不同能量X線下的衰減系數不同，產生不同的X線胸片，進行加權減影處理，可將不同衰減系數的組織分開，得到軟組織像和骨骼圖像。X線雙能減影設備：X線雙能減影設備相對普通X線機的成本要高，而且其X線球管的使用壽命可能相對較短，現臨床使用的DR設備一般不具有雙能減影功能。雙能減影成像需要兩次X線曝光，兩次曝光之間有一定時間間隔，因此成像質量易受病人呼吸、心臟搏動等人體組織運動影響，從而獲取的軟組織像和骨像中一般存在運動偽影，兩次曝光也會使病人接受的輻射劑量有所增加。

其二，利用圖像處理和模式識別技術模擬雙能減影設備功能，對DR或CR設備獲取的單幅數字常規胸片進行處理，將此單幅圖像分解為軟組織像和骨像，實現骨骼影像的抑制。現通過圖像處理技術，實現胸片骨骼影像抑制的方法又分為兩類：1、基于骨骼結構分割和邊緣檢測的方法。2、基于回歸模型預測的方法。第一類方法需要先對X線胸片中肋骨和鎖骨進行分割，利用曲線擬合、霍夫變換等方法定位肋骨和鎖骨的邊緣，然后對肋骨、鎖骨的區域灰度或邊緣梯度建立模型，通過信號分離或進行梯度域修正重建等技術實現軟組織像和骨像的分離。基于骨骼結構分割和邊緣檢測的骨抑制處理方法：這類方法一般認為骨像灰度在肋骨或鎖骨區域內為常數，然而與實際情況不符，與此同時軟組織像和骨像的分離效果嚴重依賴于骨骼結構分割和邊緣定位的精度。X線胸片中骨骼結構的精準分割和邊緣的精細定位相當困難，因此這類方法得到的骨抑制結果中，肋骨和鎖骨邊緣會存在明顯的條狀偽影和骨骼影像抑制不徹底的現象。第二類方法通過雙能減影設備獲取到的圖像數據(包括常規胸片、軟組織像和骨像)作為訓練樣本，通過模式識別中統計的學習方法建立回歸預測模型，以常規胸片圖像局部特征為輸入，預測和重建相應的軟組織像或骨像。發明人為：陽維,盧振泰,馮前進,陳武凡,發明名稱為：一種抑制X線圖像骨骼影像的方法及處理設備,申請號為：201310305019.2的中國發明專利(實審中)就是采用的上述第二類方法。基于回歸模型預測的骨抑制方法：采用k近鄰回歸進行軟組織像或骨像的預測，優化得到的濾波器組響應作為局部特征。基于回歸模型預測的骨抑制方法需要建立海量的樣本數據才能保證預測的精準性，與此同時從數據庫中搜索每個像素對應的特征近鄰非常耗時，使得該方法存在處理速度慢、骨抑制效果不理想等問題，難以投入實際應用。人工神經網絡是最常用的參數化回歸預測模型，用于X線胸片骨抑制的工作中，通過提取胸片圖像中的局部特征作為人工神經網絡的輸入，預測單個像素或區域的軟組織像或者骨像的強度，速度相對較快，其性能主要依賴于有效的局部特征和模型的預測能力。當前用于胸片骨抑制的回歸預測模型具有一定的問題，其需要預先對胸片進行復雜的對比度歸一化處理，隨后從胸片圖像提取有效的特征和優化預測模型的參數，同時需要對預測得到的骨像或者軟組織像，進行后處理，以排除預測過程中產生的其它問題，以保證預測精度，但這種后處理在保證一定精度的同時，會造成某種程度的失真。

因此，針對現有技術不足，提供基于小波分解和卷積神經網絡的X線胸片骨抑制處理方法以克服現有技術不足甚為必要。

發明內容

本發明的目的在于避免現有技術的不足之處而提供基于小波分解和卷積神經網絡的X線胸片骨抑制處理方法，從而解決胸片中解剖結構影像重疊的問題，增強胸片影像的可讀性。

本發明的上述目的通過如下技術手段實現。

基于小波分解和卷積神經網絡的X線胸片骨抑制處理方法，包括以下步驟：

步驟(1)、X線胸片圖像空間分辨率的歸一化處理；

步驟(2)、求取X線胸片圖像小波系數；

步驟(3)、胸片圖像小波系數的歸一化處理；