基于灰度梯度的B超图像病灶区域分割方法及装置制造方法及图纸

本发明专利技术涉及人工智能技术，揭露了一种基于灰度梯度的B超图像病灶区域分割方法，包括：利用预设的权值系数算法对获取的B超图像进行去噪处理，得到去噪图像；对去噪图像进行对比度增强，得到增强图像；根据增强图像的灰度值生成所述增强图像的灰度梯度；利用所述灰度梯度对所述增强图像进行初始切割，得到所述增强图像的初始区域；生成所述初始区域的区域系数，根据所述区域系数构建BP神经网络，利用所述BP神经网络对所述初始区域进行病灶识别，得到所述初始区域的病灶区域。本发明专利技术还提出一种基于灰度梯度的B超图像病灶区域分割装置。本发明专利技术可以提高B超图像病灶区域分割的准确性。可以提高B超图像病灶区域分割的准确性。可以提高B超图像病灶区域分割的准确性。

【技术实现步骤摘要】
基于灰度梯度的B超图像病灶区域分割方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种基于灰度梯度的B超图像病灶区域分割方法及装置。

技术介绍

[0002]B型超声对液体与实质性组织表现出显著的图像差别，在发现肿物、畸形、结石等引致局部结构明显形态改变的疾病方面有着明显优势，无创方便廉价实时等优点使得它在体检和医疗诊治中的应用十分广泛。由于成像原理和过程中的多种因素影响，B超图像常表现出对比度较低、噪声干扰严重、边界模糊等缺点，自动分割在B超中的应用具有较大局限性。
[0003]目前，临床上确定B超图像中的病灶区域主要靠医生凭肉眼观察B型超声图像的特征，假阳性率较高，导致活检阳性检出率低。一方面由于人工观察的主观因素较多，对医生经验的依赖性较大，多位医生之间难以形成统一的、正确的诊断结果；另一方面，人工诊断工作量大，容易造成医生的疲劳，且凭经验，感性的认识常会造成误诊或漏诊率的上升，导致了不必要活检数的增加，给病人的身体和心理都造成了伤害，因此如何B超图像病灶区域分割准确性，成为了亟待解决的问题。

技术实现思路

[0004]本专利技术提供一种基于灰度梯度的B超图像病灶区域分割方法及装置，其主要目的在于B超图像病灶区域分割时准确性较低的问题。
[0005]为实现上述目的，本专利技术提供的一种基于灰度梯度的B超图像病灶区域分割方法，包括：
[0006]获取B超图像，利用预设的权值系数算法对所述B超图像进行去噪处理，得到所述B超图像的去噪图像；
[0007]对所述去噪图像进行对比度增强，得到所述去噪图像的增强图像；
[0008]获取所述增强图像的灰度值，根据所述灰度值生成所述增强图像的灰度梯度；
[0009]利用所述灰度梯度对所述增强图像进行初始切割，得到所述增强图像的初始区域；
[0010]生成所述初始区域的区域系数，根据所述区域系数构建BP神经网络，利用所述BP神经网络对所述初始区域进行病灶识别，得到所述初始区域的病灶区域。
[0011]可选地，所述利用预设的权值系数算法对所述B超图像进行去噪处理，得到所述B超图像的去噪图像，包括：
[0012]确定所述B超图像的局部窗口，根据所述局部窗口计算所述B超图像的局部方差；
[0013]根据所述局部方差和预设的权值系数算法生成所述局部窗口中像素点的权值系数；
[0014]利用所述权值系数和所述像素点的像素灰度生成所述B超图像的权值序列，利用
所述权值序列生成所述B超图像的中值；
[0015]根据所述中值对所述B超图像进行去噪处理，得到所述B超图像的去噪图像。
[0016]可选地，所述利用所述权值序列生成所述B超图像的中值，包括：
[0017]利用如下中值确定算法生成所述B超图像中的中值所对应的序号；
[0018][0019]其中，∑w(m,n)是局部窗口内所有像素的权值之和，w
′
(l)是调整后得到的权值序列，M是中值所对应的序号，l是扫描的序号，m是局部窗口内像素的横向标识，n是局部窗口内像素的纵向标识；
[0020]利用所述中值所对应的序号和所述权值序列确定所述B超图像的中值。
[0021]可选地，所述对所述去噪图像进行对比度增强，得到所述去噪图像的增强图像，包括：
[0022]生成所述去噪图像的灰度分布概率，根据所述灰度分布概率将所述去噪图像进行灰度聚类，得到所述去噪图像的分类区域；
[0023]逐个对所述分类区域进行直方图均衡化，得到所述分类区域的增强区域，汇集所述增强区域为所述去噪图像的增强图像。
[0024]可选地，所述生成所述去噪图像的灰度分布概率，包括：
[0025]利用如下概率公式生成所述去噪图像的灰度分布概率：
[0026][0027]其中，p
x
是所述去噪图像中第i个灰度级的灰度分布概率，x是所述像素点标识，L表示所述去噪图像的灰度变化范围上限，S是灰度变化范围内值的灰度级集合，其中，S＝{0,1,2,
…
,L}，n
x
是灰度级为x的像素数，n
x
为所述去噪图像的全部像素数。
[0028]可选地，所述根据所述灰度分布概率将所述去噪图像进行灰度聚类，得到所述去噪图像的分类区域，包括：
[0029]按照预设的灰度阈值对所述灰度变化范围内值的灰度级集合进行划分，得到所述灰度级集合的灰度级子集；
[0030]根据所述灰度级子集逐个确定所述去噪图像的灰度区域，计算所述灰度区域的类间方差；
[0031]利用所述类间方差、所述灰度级子集和预设的判决准则将所述去噪图像进行灰度划分，得到所述去噪图像的分类区域。
[0032]可选地，所述根据所述灰度值生成所述增强图像的灰度梯度，包括：
[0033]根据所述灰度值生成所述增强图像的图像函数，根据所述图像函数计算所述增强图像的梯度值和梯度方向；
[0034]根据所述梯度值和所述梯度方向确定所述所述增强图像的灰度梯度。
[0035]可选地，所述生成所述初始区域的区域系数，包括：
[0036]对所述初始区域进行特征提取，得到所述初始区域的初始特征；
[0037]对所述初始特征进行特征选择，得到所述初始特征的目标特征；
[0038]利用预设的系数算法和所述目标特征计算所述初始区域的区域系数。
[0039]可选地，所述根据所述区域系数构建BP神经网络，包括：
[0040]获取BP网络结构，对所述BP网络结构进行函数配置，得到初始BP网络；
[0041]对所述初始BP网络进行参数配置，得到所述初始BP网络的中间BP网络；
[0042]根据所述区域系数获取所述中间BP网络的训练集，利用所述训练集对所述中间BP网络进行训练，得到所述中间BP网络的训练结果；
[0043]根据所述训练结果生成所述中间BP网络的优化函数，利用所述优化函数对所述中间BP网络进行优化，得到所述中间BP网络的BP神经网络。
[0044]为了解决上述问题，本专利技术还提供一种基于灰度梯度的B超图像病灶区域分割装置，所述装置包括：
[0045]图像去噪模块，用于获取B超图像，利用预设的权值系数算法对所述B超图像进行去噪处理，得到所述B超图像的去噪图像；
[0046]图像增强模块，用于对所述去噪图像进行对比度增强，得到所述去噪图像的增强图像；
[0047]灰度梯度模块，用于获取所述增强图像的灰度值，根据所述灰度值生成所述增强图像的灰度梯度；
[0048]初始切割模块，用于利用所述灰度梯度对所述增强图像进行初始切割，得到所述增强图像的初始区域；
[0049]病灶识别模块，用于生成所述初始区域的区域系数，根据所述区域系数构建BP神经网络，利用所述BP神经网络对所述初始区域进行病灶识别，得到所述初始区域的病灶区域。
[0050]本专利技术实施例通过预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于灰度梯度的B超图像病灶区域分割方法，其特征在于，所述方法包括：获取B超图像，利用预设的权值系数算法对所述B超图像进行去噪处理，得到所述B超图像的去噪图像，其中，所述预设的权值系数算法为：其中，W(i,j)是局部窗口中点(i,j)的像素的权值系数，W(N+1,N+1)是局部窗口中像素点集的中值，(i,j)是所述B超图像的局部窗口中点的标识，N是局部窗口的维度，d是点(i,j)到局部窗口中心的距离，D
(i,j)
是以点(i,j)为中心点的局部窗口的方差，C是压缩范围，i是局部窗口的点的横向标识，j是局部窗口的点的纵向标识；对所述去噪图像进行对比度增强，得到所述去噪图像的增强图像；获取所述增强图像的灰度值，根据所述灰度值生成所述增强图像的灰度梯度；利用所述灰度梯度对所述增强图像进行初始切割，得到所述增强图像的初始区域；生成所述初始区域的区域系数，根据所述区域系数构建BP神经网络，利用所述BP神经网络对所述初始区域进行病灶识别，得到所述初始区域的病灶区域。2.如权利要求1所述的基于灰度梯度的B超图像病灶区域分割方法，其特征在于，所述利用预设的权值系数算法对所述B超图像进行去噪处理，得到所述B超图像的去噪图像，包括：确定所述B超图像的局部窗口，根据所述局部窗口计算所述B超图像的局部方差；根据所述局部方差和预设的权值系数算法生成所述局部窗口中像素点的权值系数；利用所述权值系数和所述像素点的像素灰度生成所述B超图像的权值序列，利用所述权值序列生成所述B超图像的中值；根据所述中值对所述B超图像进行去噪处理，得到所述B超图像的去噪图像。3.如权利要求2所述的基于灰度梯度的B超图像病灶区域分割方法，其特征在于，所述利用所述权值序列生成所述B超图像的中值，包括：利用如下中值确定算法生成所述B超图像中的中值所对应的序号；其中，∑w(m,n)是局部窗口内所有像素的权值之和，w
′
(l)是调整后得到的权值序列，M是中值所对应的序号，l是扫描的序号，m是局部窗口内像素的横向标识，n是局部窗口内像素的纵向标识；利用所述中值所对应的序号和所述权值序列确定所述B超图像的中值。4.如权利要求1所述的基于灰度梯度的B超图像病灶区域分割方法，其特征在于，所述对所述去噪图像进行对比度增强，得到所述去噪图像的增强图像，包括：生成所述去噪图像的灰度分布概率，根据所述灰度分布概率将所述去噪图像进行灰度聚类，得到所述去噪图像的分类区域；逐个对所述分类区域进行直方图均衡化，得到所述分类区域的增强区域，汇集所述增强区域为所述去噪图像的增强图像。
5.如权利要求4所述的基于灰度梯度的B超图像病灶区域分割方法，其特征在于，所述生成所述去噪图像的灰度分布概率，包括：利用如下概率公式生成所述去噪图像的灰度分布概率：其中，p
x
是所...

【专利技术属性】
技术研发人员：高博，李雯玥，刘近近，胡鑫，王晓庆，周建群，季敏娴，
申请(专利权)人：广东省第二人民医院，
类型：发明
国别省市：