【技术实现步骤摘要】
本专利技术图像处理，具体涉及一种心血管ct影像智能分割方法。
技术介绍
1、心血管ct影像分割是一种对心血管ct图像进行自动分割和识别的技术，旨在将ct图像中的不同组织结构进行区分。通过心血管ct影像分割，医生可以更准确、快速地识别和分析患者病情，以此来辅助医生进行治疗。
2、在现有的技术中，可以通过神经网络对心血管ct影像进行分割，但是在分割之前需要获取心血管ct影像，由于在获取心血管ct影像时存在噪声的干扰，导致通过神经网络对心血管ct影像进行分割前需要对心血管ct影像进行滤波去噪，在常规的滤波去噪技术中，可以通过非局部均值滤波进行去噪，但是当滤波窗口越小时，达不到平滑的效果，当滤波窗口越大时，会使得图像中的更多细节进行丢失；因此滤波窗口的过大或者过小都会降低心血管ct影像分割的准确性。
技术实现思路
1、本专利技术提供一种心血管ct影像智能分割方法，以解决现有的问题。
2、本专利技术的一种心血管ct影像智能分割方法采用如下技术方案：
3、本专利技术一个实施例提供了一种心血管ct影像智能分割方法，该方法包括以下步骤：
4、采集心血管图像；
5、对心血管图像进行分割获得若干个区域块，根据每个区域块内像素点的灰度值的大小对每个区域内所有的像素点进行排序，得到灰度像素点序列，根据灰度像素点序列中相邻像素点的灰度差异，得到每个区域块内的低灰度像素点，对每个区域块内的所有边缘像素点进行曲线拟合，得到每个区域块的拟合曲线，根据每个
6、对每个区域块进行分割，得到每个区域块的若干个子区域，根据所有区域块中的最小区域块面积获得初始滤波窗口大小，根据每个区域块的心血管概率参数、每个区域块的每个灰度级对应的像素点个数与每个区域块中所有像素点的个数比值、每个区域块内每个低灰度像素点对应的子区域中包含低灰度像素点的个数、每个区域块内所有的低灰度像素点的分布，对初始滤波窗口大小进行修正，得到修正后的滤波窗口大小，根据修正后的滤波窗口大小对心血管图像进行滤波平滑处理，得到滤波后的心血管图像；
7、对滤波后的心血管图像进行分割得到心血管组织。
8、进一步地，所述对心血管图像进行分割获得若干个区域块，包括的具体步骤如下：
9、通过语义分割算法从心血管图像中分割出前景区域和背景区域，再对前景区域通过大津阈值算法进行分割，得到若干个连通域，对所有的连通域通过形态学的闭运算来进行处理，将闭运算后得到的任意一个连通域记为一个区域块。
10、进一步地，所述根据每个区域块内像素点的灰度值的大小对每个区域内所有的像素点进行排序，得到灰度像素点序列，根据灰度像素点序列中相邻像素点的灰度差异，得到每个区域块内的低灰度像素点，包括的具体步骤如下：
11、将每个区域块中的所有像素点根据灰度值按照从小到大的顺序进行排序，得到灰度像素点序列；将灰度像素点序列中相邻两个像素点的灰度值差异最大的两个像素点，记为灰度像素点序列中的分割像素点，通过分割像素点将灰度像素点序列划分为两部分序列，将划分后的两部分序列中所有像素点的灰度值的均值最小的序列记为低灰度值序列；
12、其中，低灰度值序列中的像素点为低灰度像素点。
13、进一步地，所述对每个区域块内的所有边缘像素点进行曲线拟合，得到每个区域块的拟合曲线，包括的具体步骤如下：
14、对每个区域块的所有边缘像素点根据最小二乘法得到每个区域块的拟合曲线。
15、进一步地，所述根据每个区域块的拟合曲线上每个像素点的曲率值的信息熵、每个区域块的低灰度像素点的灰度值和每个像素点的邻域范围内的像素点为低灰度像素点的概率，得到每个区域块的心血管概率参数，包括的具体步骤如下：
16、将每个区域块的拟合曲线上每种曲率值个数在所有曲率值个数中的占比，记为每个区域块的拟合曲线上每种曲率值的第一占比，将作为每个区域块的拟合曲线上每种曲率值的第二占比，将每个区域块的拟合曲线上每种曲率值的第一占比和第二占比的乘积结果，记为每个区域块的拟合曲线上每种曲率值的第三占比，将每个区域块的拟合曲线上所有种曲率值的第三占比的累加和的负数记为每个区域块的拟合曲线上所有像素点的曲率值的信息熵记为，将记为每个区域块的第一数值，将每个区域块内的每个低灰度像素点到区域块重心点的距离，记为每个区域块内的每个低灰度像素点的第一距离，将每个区域块内的每个低灰度像素点的八邻域中的像素点为低灰度像素点的概率，记为每个区域块内的每个低灰度像素点的第一概率，其中，八邻域中的像素点为低灰度像素点的概率为属于低灰度像素点的个数与八邻域中所有像素点个数的比值；
17、将每个区域块内的每个低灰度像素点的第一距离和第一概率的乘积结果，记为每个区域块内的每个低灰度像素点的第二数值，将每个区域块内的所有低灰度像素点的第二数值的均值，记为每个区域块的第三数值，再对所有区域块的第三数值进行线性归一化，得到归一化后每个区域块的第四数值，将每个区域块的第一数值和归一化后每个区域块的第四数值的乘积结果，作为每个区域块的心血管概率参数；
18、其中，表示以自然常数为底的指数函数，表示以2为底的对数函数。
19、进一步地，所述对每个区域块进行分割，得到每个区域块的若干个子区域，包括的具体步骤如下：
20、通过大津阈值算法对每个区域块进行分割，得到每个区域块的若干个子区域。
21、进一步地，所述根据所有区域块中的最小区域块面积获得初始滤波窗口大小，根据每个区域块的心血管概率参数、每个区域块的每个灰度级对应的像素点个数与每个区域块中所有像素点的个数比值、每个区域块内每个低灰度像素点对应的子区域中包含低灰度像素点的个数、每个区域块内所有的低灰度像素点的分布，对初始滤波窗口大小进行修正，得到修正后的滤波窗口大小，根据修正后的滤波窗口大小对心血管图像进行滤波平滑处理，得到滤波后的心血管图像，包括的具体步骤如下：
22、初始滤波窗口大小为所有区域块中的最小区域块面积向上取整的整数；
23、根据每个区域块的心血管概率参数、每个区域块的每个灰度级对应的像素点个数与每个区域块中所有像素点的个数比值、每个区域块内每个低灰度像素点对应的子区域中包含低灰度像素点的个数、每个区域块内所有的低灰度像素点的分布，得到每个区域块的噪声强度参数，根据每个区域块的心血管概率参数、每个区域块的噪声强度参数对初始滤波窗口大小进行修正，得到修正后的滤波窗口大小；
24、根据修正后的滤波窗口大小通过非局部均值滤波算法对心血管图像进行滤波平滑处理，得到滤波后的心血管图像。
25、进一步地，所述根据每个区域块的心血管概率参数、每个区域块的每个灰度级对应的像素点个数与每个区域块中所有像素点的个数比值、每个区域块内每个低灰本文档来自技高网...
【技术保护点】
1.一种心血管CT影像智能分割方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种心血管CT影像智能分割方法，其特征在于，所述对心血管图像进行分割获得若干个区域块，包括的具体步骤如下：
3.根据权利要求1所述一种心血管CT影像智能分割方法，其特征在于，所述根据每个区域块内像素点的灰度值的大小对每个区域内所有的像素点进行排序，得到灰度像素点序列，根据灰度像素点序列中相邻像素点的灰度差异，得到每个区域块内的低灰度像素点，包括的具体步骤如下：
4.根据权利要求1所述一种心血管CT影像智能分割方法，其特征在于，所述对每个区域块内的所有边缘像素点进行曲线拟合，得到每个区域块的拟合曲线，包括的具体步骤如下：
5.根据权利要求1所述一种心血管CT影像智能分割方法，其特征在于，所述根据每个区域块的拟合曲线上每个像素点的曲率值的信息熵、每个区域块的低灰度像素点的灰度值和每个像素点的邻域范围内的像素点为低灰度像素点的概率，得到每个区域块的心血管概率参数，包括的具体步骤如下：
6.根据权利要求1所述一种心血管CT影像智能分割方法
7.根据权利要求1所述一种心血管CT影像智能分割方法，其特征在于，所述根据所有区域块中的最小区域块面积获得初始滤波窗口大小，根据每个区域块的心血管概率参数、每个区域块的每个灰度级对应的像素点个数与每个区域块中所有像素点的个数比值、每个区域块内每个低灰度像素点对应的子区域中包含低灰度像素点的个数、每个区域块内所有的低灰度像素点的分布，对初始滤波窗口大小进行修正，得到修正后的滤波窗口大小，根据修正后的滤波窗口大小对心血管图像进行滤波平滑处理，得到滤波后的心血管图像，包括的具体步骤如下：
8.根据权利要求7所述一种心血管CT影像智能分割方法，其特征在于，所述根据每个区域块的心血管概率参数、每个区域块的每个灰度级对应的像素点个数与每个区域块中所有像素点的个数比值、每个区域块内每个低灰度像素点对应的子区域中包含低灰度像素点的个数、每个区域块内所有的低灰度像素点的分布，得到每个区域块的噪声强度参数，包括的具体步骤如下：
9.根据权利要求7所述一种心血管CT影像智能分割方法，其特征在于，所述根据每个区域块的心血管概率参数、每个区域块的噪声强度参数对初始滤波窗口大小进行修正，得到修正后的滤波窗口大小，包括的具体步骤如下：
10.根据权利要求1所述一种心血管CT影像智能分割方法，其特征在于，所述对滤波后的心血管图像进行分割得到心血管组织，包括的具体步骤如下：
...【技术特征摘要】
1.一种心血管ct影像智能分割方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种心血管ct影像智能分割方法，其特征在于，所述对心血管图像进行分割获得若干个区域块，包括的具体步骤如下：
3.根据权利要求1所述一种心血管ct影像智能分割方法，其特征在于，所述根据每个区域块内像素点的灰度值的大小对每个区域内所有的像素点进行排序，得到灰度像素点序列，根据灰度像素点序列中相邻像素点的灰度差异，得到每个区域块内的低灰度像素点，包括的具体步骤如下：
4.根据权利要求1所述一种心血管ct影像智能分割方法，其特征在于，所述对每个区域块内的所有边缘像素点进行曲线拟合，得到每个区域块的拟合曲线，包括的具体步骤如下：
5.根据权利要求1所述一种心血管ct影像智能分割方法，其特征在于，所述根据每个区域块的拟合曲线上每个像素点的曲率值的信息熵、每个区域块的低灰度像素点的灰度值和每个像素点的邻域范围内的像素点为低灰度像素点的概率，得到每个区域块的心血管概率参数，包括的具体步骤如下：
6.根据权利要求1所述一种心血管ct影像智能分割方法，其特征在于，所述对每个区域块进行分割，得到每个区域块的若干个子区域，包括的具体步骤如下：
7.根据权利要求1所述一种心血管ct影像智能分割...
【专利技术属性】
技术研发人员：张海强，吴峰，李林，
申请(专利权)人：北京智想创源科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。