【技术实现步骤摘要】
本专利技术涉及食管癌图像处理，尤其涉及一种基于图像处理的食管癌筛查系统及方法。
技术介绍
1、食管癌是起源于食管黏膜上皮的消化道恶性肿瘤，全世界每年约有30万人死于食管癌。目前我国超过90％的食管癌患者确诊时已进展至中晚期，预后较差，生活质量低，各分期食管癌总的5年生存率大概在14％左右，严重威胁着患者的身体健康和生命安全。而早期食管癌通常经内镜下微创治疗即可根治，取得与外科手术相当的疗效，患者5年生存率可超过95％。因此，对早期食管癌的临床表现及病理进行分析，做到早诊断、早治疗，是临床研究的重点之一，对提高生存率十分重要。
2、例如授权公告号为109410194b的中国专利公开了基于深度学习的食管癌病理图像处理方法，包括：a).病理切片扫描；b).圈注上皮区类型，将上皮区的正常区域、低级别和高级别癌前病变区域圈注出来；c).图像预处理，获取上皮小图像；d).卷积神经网络将每个上皮小图像沿其纵向均分为n个图像块，对每个图像块进行特征提取；e).长短期记忆网络lstm，获取上皮小图像的特征向量；f).分类器分类；g).模型建立和调优，h).准确率计算。本专利技术的食管癌病理图像处理方法，经cnn、lstm网络和分类器的处理后，获取每个上皮小图像为正常、低级别和高级别癌前病变类型的概率，为病理科食管癌全切片的科学利用提供了一种行之有效的数字图像处理方法，有益效果显著，适于应用推广。
3、以上专利均存在本
技术介绍
提出的问题：临床诊断过程中，部分患者因试剂过敏、身体问题等因素无法获取对比增强ct图像，食管癌分期过
技术实现思路
1、本专利技术所要解决的技术问题是针对现有技术的不足，提供了一种基于图像处理的食管癌筛查系统及方法，首先将食道平扫ct图像序列转化为食道增强ct图像序列，其次从食道增强ct图像序列中筛选出疑似食管癌图像，最后提取疑似病灶图像，通过食管癌分期诊断网络对疑似病灶图像进行训练，输出筛查结果。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于图像处理的食管癌筛查方法，包括以下步骤；
4、s1：获取待筛查人员的食道平扫ct图像序列，通过ct图像增强策略将食道平扫ct图像序列转化为食道增强ct图像序列；
5、s2：通过小波变换对食道增强ct图像序列中每一张食道增强ct图像进行时频分析，提取食道增强ct图像的纹理细节信息，根据基于svm的食道图像分类算法对所述食道增强ct图像的纹理细节信息进行分类，输出食道增强ct图像的类别，所述类别包括正常食道图像和疑似食管癌图像；
6、s3：对属于食管癌图像类别的食道增强ct图像序列进行区域裁剪，提取食道增强ct图像序列的疑似病灶图像序列；
7、s4：构建食管癌分期诊断网络，将所述疑似病灶图像序列作为所述食管癌分期诊断网络的输入参数，通过食管癌分期诊断网络对输入参数进行训练，输出疑似食管癌图像序列的筛查结果；
8、所述s1中所述ct图像增强策略具体步骤如下：
9、s1.1：遍历食道平扫ct图像序列中单张食道平扫ct图像的每一个像素点，以该像素点作为中心点，中心点周围3x3大小的像素矩阵作为窗口模版，计算窗口模版中每一个像素点与中心点的灰色关联度，将灰色关联度与关联阈值进行对比，如果灰色关联度大于关联阈值，将像素点标记为关联点；
10、s1.2：统计窗口模版中关联点的数量，如果小于四个，将该中心点标记为噪声点，并通过灰色微分预测对噪声点进行去噪；
11、s1.3：根据去噪后的食道平扫ct图像，计算食道平扫ct图像的能量梯度，根据能量梯度确定食道平扫ct图像的分块数，对食道平扫ct图像进行分块，获取食道平扫ct图像每个子块的直方图，通过直方图均衡化生成每个子块的均衡化直方图，获取食道平扫ct均衡图像，其中，食道平扫ct图像的分块数的计算公式为：
12、
13、其中，q表示食道平扫ct图像的分块数，m{·}表示向下取整函数，i表示食道平扫ct图像的单个像素点，i表示食道平扫ct图像的像素点总数量，fi表示第i个像素点的能量梯度，f表示能量梯度总和，m表示食道平扫ct图像的长度，n表示食道平扫ct图像的宽度，q表示比例系数，其中，第i个像素点的能量梯度的计算公式为：
14、fi＝eix·[fi(x+1，y)-fi(x，y)]2+eiy·[fi(x，y+1)-fi(x，y)]2，
15、其中，eix表示第i个像素点在横向方向的能量分量，(x，y)表示第i个像素点的坐标，fi(x，y)表示第i个像素点的像素值，eiy第i个像素点在纵向方向的能量分量；
16、s1.4：对食道平扫ct均衡图像进行离散小波变换，获取食道平扫ct均衡图像的低频分量与高频分量，通过归一化细节系数对低频分量和高频分量进行增强，获取食道ct增强图像，重复步骤获取食道ct增强图像序列；
17、所述纹理细节信息包括食道ct增强图像的低频信息、水平高频信息、垂直高频信息和对角线高频信息；
18、所述基于svm的食道图像分类算法通过径向量基核函数将所述食道增强ct图像的纹理细节信息映射至高维特征空间，根据结构风险最小化原则在高维特征空间内构造纹理细节信息的最优分类超平面；
19、所述s3具体步骤如下：
20、s3.1：提取属于食管癌图像类别的食道增强ct图像的总像素值，计算目标病灶部分像素概率和背景部分像素概率，确定目标病灶部分的中心点；
21、s3.2：根据目标病灶部分像素概率和背景部分像素概率计算裁剪阈值，裁剪阈值的计算公式为：
22、
23、其中，h表示裁剪阈值，p表示目标病灶部分和背景部分的交叉概率，ω0表示目标病灶部分像素概率，ω1表示背景部分像素概率，μ0表示目标病灶部分灰度均值，μ1表示背景部分灰度均值，δ0表示目标病灶部分类内均方差，δ1表示背景部分类内均方差；
24、s3.3：根据目标病灶部分的中心点和裁剪阈值，对食道增强ct图像进行区域裁剪，获取食道增强ct图像的疑似病灶图像；
25、所述食管癌分期诊断网络包括特征提取层、感知层和输出层；
26、所述特征提取层包括病灶空间特征提取模块和病灶时序语义特征提取模块，所述病灶空间特征提取模块用于根据正则化和维度变换将疑似病灶图像的4c通道数缩减至2c，提取疑似病灶图像的影像组学信息，对影像组学信息进行度量，通过残差连接提取完成度量后的影像组学信息的病灶空间特征，所述病灶时序语义特征提取模块用于对疑似病灶图像进行三次插值和通道编码，按ct扫描时间为时间轴，逐张输入vgg16网络，通过卷积和池化提取病灶时序语义特征；
27、所述感知层，用于对所述病灶空间特征和所述病灶时序语义特征进行自乘和逆运算，获取相本文档来自技高网...
【技术保护点】
1.一种基于图像处理的食管癌筛查方法，其特征在于，包括以下步骤；
2.根据权利要求1所述一种基于图像处理的食管癌筛查方法，其特征在于，所述S1中所述CT图像增强策略具体步骤如下：
3.根据权利要求2所述一种基于图像处理的食管癌筛查方法，其特征在于，所述纹理细节信息包括食道CT增强图像的低频信息、水平高频信息、垂直高频信息和对角线高频信息。
4.根据权利要求3所述一种基于图像处理的食管癌筛查方法，其特征在于，所述基于SVM的食道图像分类算法通过径向量基核函数将所述食道增强CT图像的纹理细节信息映射至高维特征空间，根据结构风险最小化原则在高维特征空间内构造纹理细节信息的最优分类超平面。
5.根据权利要求4所述一种基于图像处理的食管癌筛查方法，其特征在于，所述S3具体步骤如下：
6.根据权利要求5所述一种基于图像处理的食管癌筛查方法，其特征在于，所述食管癌分期诊断网络包括特征提取层、感知层和输出层；
7.一种基于图像处理的食管癌筛查系统，基于如权利要求1-6任一项所述的一种基于图像处理的食管癌筛查方法实现，其特征在
...【技术特征摘要】
1.一种基于图像处理的食管癌筛查方法，其特征在于，包括以下步骤；
2.根据权利要求1所述一种基于图像处理的食管癌筛查方法，其特征在于，所述s1中所述ct图像增强策略具体步骤如下：
3.根据权利要求2所述一种基于图像处理的食管癌筛查方法，其特征在于，所述纹理细节信息包括食道ct增强图像的低频信息、水平高频信息、垂直高频信息和对角线高频信息。
4.根据权利要求3所述一种基于图像处理的食管癌筛查方法，其特征在于，所述基于svm的食道图像分类算法通过径向量基核函数将所述食道增强ct图像的纹理细节信息...
【专利技术属性】
技术研发人员：李印，
申请(专利权)人：中国医学科学院肿瘤医院，
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。