專利名稱：一種基于虛擬雙能量技術(shù)獲取肺部軟組織圖像的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及肺結(jié)節(jié)檢測(cè)領(lǐng)域，尤其涉及一種基于虛擬雙能量技術(shù)獲取肺部軟組織圖像的方法。
背景技術(shù)：
近年來(lái)，肺癌死亡人數(shù)已經(jīng)占到所有癌癥死亡人數(shù)的第一位，美國(guó)癌癥協(xié)會(huì)估計(jì)在2009年，肺癌將占整個(gè)癌癥病例的28%，而肺癌病人的5年存活率只有14%，但如果能檢測(cè)到作為早期肺癌的肺結(jié)節(jié)，再配合適當(dāng)?shù)闹委?，病人的存活率可以提高?0%。CT被認(rèn)為是檢測(cè)肺結(jié)節(jié)的最佳方法一一“金標(biāo)準(zhǔn)”，然而，因?yàn)榻?jīng)濟(jì)、方便和放射劑量適中等原因，X光胸片更常用，事實(shí)上，幾乎所有的早期肺癌都是通過(guò)胸片發(fā)現(xiàn)的，但對(duì)放射科醫(yī)生來(lái)說(shuō)，基于胸片發(fā)現(xiàn)早期肺癌是一件很困難的任務(wù)。其中被醫(yī)生漏診的85%肺結(jié)節(jié)被肋骨或鎖骨遮擋。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題在于提供一種基于虛擬雙能量技術(shù)獲取肺部軟組織圖像的方法，能夠解決肺結(jié)節(jié)檢測(cè)率不高的問(wèn)題。為解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供的一種基于虛擬雙能量技術(shù)獲取肺部軟組織圖像的方法，具體技術(shù)方案如下:一種基于虛擬雙能量技術(shù)獲取肺部軟組織圖像的方法，包括:a.通過(guò)多重人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練(Massive-Training artificial neuralnetworks, MTANN)算法對(duì)一張CXR(X光胸片)圖進(jìn)行處理，形成若干骨質(zhì)圖像；b.將所述若干骨質(zhì)圖像融合成一張骨質(zhì)圖像；c.對(duì)所述一張骨質(zhì)圖像進(jìn)行平滑去噪處理；d.將平滑去噪處理后的骨質(zhì)圖像與對(duì)應(yīng)的CXR圖像進(jìn)行減法運(yùn)算處理，形成虛擬雙能量軟組織圖像。具體的，所述多重MTANN算法包括8個(gè)專用MTANN算法。本發(fā)明提供的一種基于虛擬雙能量技術(shù)獲取肺部軟組織圖像的方法，利用圖像處理的技術(shù)獲得與雙能量減影設(shè)備獲得的軟組織圖像類似的圖像，對(duì)胸片骨質(zhì)更好抑制，解決了肺結(jié)節(jié)檢測(cè)率不高的問(wèn)題。


圖1為本發(fā)明實(shí)施例提供的一種基于虛擬雙能量技術(shù)獲取肺部軟組織圖像的方法中感興趣點(diǎn)O的結(jié)節(jié)可能值計(jì)算圓環(huán)示意圖。
具體實(shí)施例方式本發(fā)明實(shí)施例提供一種基于虛擬雙能量技術(shù)獲取肺部軟組織圖像的方法，包括:通過(guò)MTANN算法對(duì)一張CXR圖進(jìn)行處理，形成若干骨質(zhì)圖像；將所述若干骨質(zhì)圖像融合成一張骨質(zhì)圖像；對(duì)所述一張骨質(zhì)圖像進(jìn)行平滑去噪處理；將平滑去噪處理后的骨質(zhì)圖像與對(duì)應(yīng)的CXR圖像進(jìn)行減法運(yùn)算處理，形成虛擬雙能量軟組織圖像。其中，所述多重MTANN算法包括8個(gè)專用MTANN算法。為了和其他學(xué)者研究結(jié)果作比較，我們使用日本放射技術(shù)學(xué)會(huì)提供的公共數(shù)據(jù)庫(kù)測(cè)試本文系統(tǒng)的檢測(cè)性能。圖像中所有肺結(jié)節(jié)經(jīng)過(guò)CT確認(rèn)，結(jié)節(jié)大小從5mm到40mm不等.肺結(jié)節(jié)按照明顯度不同被放射科醫(yī)生分為5類:很明顯、明顯、不明顯、很不明顯和極其不明顯。我們把以下圖像從測(cè)試庫(kù)中去除:(I)含有大于35mm結(jié)節(jié)的圖像；(2) —個(gè)病人多于兩個(gè)結(jié)節(jié)的圖像；(3)放射科醫(yī)生不能確定結(jié)節(jié)邊緣的圖像；(4)結(jié)節(jié)被心臟、橫隔遮擋的圖像。所述分割方法以ASM模型為基礎(chǔ)，在模型中固定不同類型邊界的轉(zhuǎn)換點(diǎn).模型在分割過(guò)程中每段邊緣只要匹配所屬類型邊緣的特征即可.獲得肺分割結(jié)果后，將左右肺區(qū)分別擬合到一二階多項(xiàng)式式(I)，用原圖減肺區(qū)擬合多項(xiàng)式獲取背景噪聲去除的預(yù)處理圖像。
權(quán)利要求
1.一種基于虛擬雙能量技術(shù)獲取肺部軟組織圖像的方法，其特征在于，包括: a.通過(guò)多重MTANN算法對(duì)一張CXR(X光胸片)圖進(jìn)行處理，形成若干骨質(zhì)圖像； b.將所述若干骨質(zhì)圖像融合成一張骨質(zhì)圖像； c.對(duì)所述一張骨質(zhì)圖像進(jìn)行平滑去噪處理； d.將平滑去噪處理后的骨質(zhì)圖像與對(duì)應(yīng)的CXR圖像進(jìn)行減法運(yùn)算處理，形成虛擬雙能量軟組織圖像。
2.根據(jù)權(quán)利要求1所述的一種基于虛擬雙能量技術(shù)獲取肺部軟組織圖像的方法，其特征在于，所述多重MTANN算法包括8個(gè)專用MTANN算法。
全文摘要
本發(fā)明公開(kāi)了一種基于虛擬雙能量技術(shù)獲取肺部軟組織圖像的方法，包括通過(guò)多重MTANN算法對(duì)一張CXR(X光胸片)圖進(jìn)行處理，形成若干骨質(zhì)圖像；將所述若干骨質(zhì)圖像融合成一張骨質(zhì)圖像；對(duì)所述一張骨質(zhì)圖像進(jìn)行平滑去噪處理；將平滑去噪處理后的骨質(zhì)圖像與對(duì)應(yīng)的CXR圖像進(jìn)行減法運(yùn)算處理，形成虛擬雙能量軟組織圖像。本發(fā)明能夠?qū)π仄琴|(zhì)更好抑制，解決了肺結(jié)節(jié)檢測(cè)率不高的問(wèn)題。
文檔編號(hào)G06N3/02GK103186881SQ20111045306
公開(kāi)日2013年7月3日 申請(qǐng)日期2011年12月30日 優(yōu)先權(quán)日2011年12月30日
發(fā)明者陳 勝, 周廣生 申請(qǐng)人:無(wú)錫睿影信息技術(shù)有限公司