[發明專利]一種醫學圖像處理方法、醫學圖像識別方法及裝置

在審

• 申請號: 202110488048.1
• 申請日: 2021-05-06
• 公開（公告）號: CN113077464A
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 吳國軍
• 申請（專利權）人: 吳國軍
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T7/10;G06T7/90;G06N3/00;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種醫學圖像處理方法、醫學圖像識別方法，其特征在于，所述方法包括：

獲取醫學圖像，對醫學圖像進行圖像灰度化、灰度拉伸以及灰度增強的預處理，得到預處理完成的醫學圖像；

利用擴散濾波方法對預處理完成的醫學圖像進行濾波降噪處理，得到降噪后的醫學圖像；

利用基于隨機森林的圖像特征點定位算法對醫學圖像進行特征點定位，得到醫學圖像中的特征點；

根據醫學圖像特征點位置，利用自適應分割算法對醫學圖像進行自適應分割處理，得到若干醫學圖像塊；

將醫學圖像塊輸入到醫學圖像識別模型中，利用醫學圖像識別模型進行醫學圖像塊中病灶信息的識別。

2.如權利要求1所述的一種醫學圖像處理方法、醫學圖像識別方法，其特征在于，所述對醫學圖像進行圖像灰度化、灰度拉伸以及灰度增強的預處理，包括：

1)對醫學圖像中每一個像素的三個分量求最大值，并將該最大值設置為該像素點的灰度值，得到圖像的灰度圖，所述灰度化處理的公式為：

G(i，j)＝max{R(i，j)，G(i，j)，B(i，j)}

其中：

(i，j)為醫學圖像中的一個像素點；

R(i，j)，G(i，j)，B(i，j)分別為像素點(i，j)在R、G、B三個顏色通道中的值；

G(i，j)為像素點(i，j)的灰度值；

2)對于所述灰度圖，利用分段線性變換的方式對圖像灰度進行拉伸，所述灰度拉伸的公式為：

其中：

f(x，y)為灰度圖；

MAX_f(x，y)，MINf_(x，y)分別為灰度圖的最大灰度值和最小灰度值；

3)利用灰度增強公式對灰度拉伸后圖像進行灰度增強處理，所述灰度增強的公式為：

其中：

x為灰度增強前的灰度值，y為灰度增強后的灰度值；

a，b為參數，a＝0，b＝100。

3.如權利要求2所述的一種醫學圖像處理方法、醫學圖像識別方法，其特征在于，所述利用擴散濾波方法對預處理完成的醫學圖像進行濾波降噪處理，包括：

利用擴散濾波方法對預處理完成的醫學圖像進行濾波降噪處理，所述擴散濾波方法公式為：

其中：

t表示濾波時刻，t為0則表示為初始醫學圖像；

div表示散度；

表示醫學圖像梯度；

k表示濾波參數。

4.如權利要求3所述的一種醫學圖像處理方法、醫學圖像識別方法，其特征在于，所述利用基于隨機森林的圖像特征點定位算法對醫學圖像進行特征點定位，包括：

1)從醫學圖像中隨機選取若干采樣點，對于每個采樣點，計算其Haar特征：

2)在訓練第一層隨機森林模型時，輸入值為采樣點的外觀特征三維坐標偏移量，后者的值定義為采樣點與目標特征點之間的距離值；利用第一層隨機森林模型處理每一張訓練圖像并生成每個特征點的偏移向量q＝[q_x，q_y]，則不同特征點的特征距離為

3)從所有特征點的距離圖中聯合提取特征點之間的上下文特征，所述上下文特征的提取流程為：以當前特征點像素的位置作為圓心，然后將其周邊的區域均勻的用8條射線分割，分別取不同的半徑值，在射線上取抽樣點計算Haar特征，將當前像素以及周圍3*3鄰域內的Haar特征作為當前特征點像素的上下文特征；將圖像的上下文特征作為第二層隨機森林模型的輸入，訓練得到兩層隨機森林模型；

將數據庫中所存儲的待處理醫學圖像輸入到兩層的隨機森林模型中，并輸出圖像中特征點的位置。