首页 > 资讯 > 一种医学图像处理方法、系统、计算机设备及存储介质与流程

一种医学图像处理方法、系统、计算机设备及存储介质与流程

泰然健康网
2024-12-20 20:42

本发明涉及图像数据分析，尤其涉及一种医学图像处理方法、系统、计算机设备及存储介质。

背景技术：

1、图像数据分析技术领域通常通过算法和计算技术提取图像中的有用信息，理解和解释图像数据。在医学领域中，图像数据分析技术用于处理和分析从各种医学成像设备（如x射线、ct扫描、mri和超声图像）获得的图像，以便诊断疾病、监测治疗效果以及进行医学研究。从而能够更精确地识别病变位置、大小和形状，提高诊断的准确性和治疗的针对性。

2、其中，医学图像处理方法是指应用图像数据分析技术于医学图像处理，优化诊断、治疗和研究过程。方法通过增强图像质量、自动识别疾病标记，以及提取临床相关的特征数据，支持医疗专业人员的决策。包括但不限于提高图像的可视化质量，辅助病理检测和诊断，以及进行患者监测和后续治疗评估。通过使用这些高级图像处理技术，可以更早地检测疾病，提高治疗效果，并改善患者的治疗结果和健康恢复情况。

3、现有的医学图像处理技术虽然能够支持基本的图像质量优化和疾病标记识别，但在处理高复杂度和低对比度的医学图像时，缺乏足够的灵活性和精确性。例如，传统技术在处理含有众多相似灰度值的区域时可能无法有效区分细节，导致关键诊断信息的遗漏。此外，现有技术在处理含有众多相似灰度值的区域时，可能因为局部分析能力不足，难以有效区分细节，导致关键诊断信息的遗漏。从而诊断的延误或误诊，影响治疗效果。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的一种医学图像处理方法、系统、计算机设备及存储介质。

2、为了实现上述目的，本发明采用了如下技术方案：一种医学图像处理方法，包括以下步骤：

3、s1：采集ct扫描数据，分析每个像素周围的亮度和灰度，建立每个像素的亮度分布图，测定周围区域的平均亮度和变化范围，得到图像像素亮度特性数据；

4、s2：基于所述图像像素亮度特性数据，参照相邻像素的亮度平均值和变化，对ct图像中的每个像素进行亮度调整，生成调整后的亮度图；

5、s3：从所述调整后的亮度图中，分析ct图像的局部曲率和形状指数，识别ct图像中的关键边缘和曲线，得到几何特征图；

6、s4：通过分析所述几何特征图中的形状和曲率信息，根据曲率大小，选定需要迭代处理的区域，进行亮度和对比度优化操作，生成伪影修正图；

7、s5：细化所述伪影修正图中的纹理和细节层次，通过调整局部区域的纹理明暗，优化特征辨识度，生成边缘优化后的图像。

8、作为本发明的进一步方案，所述图像像素亮度特性数据包括像素点亮度值、相邻像素亮度方差以及亮度梯度，所述调整后的亮度图包括经过平滑处理的区域亮度、局部亮度异常的校正结果以及整体亮度均衡的状态，所述几何特征图包括图像中的曲率点、关键曲线的跟踪标识以及边缘强度映射，所述伪影修正图包括经过优化的对比度区域、亮度区域以及边缘的清晰化处理，所述边缘优化后的图像包括细化的纹理区域、调整后的局部视觉对比度以及优化的色彩深度。

9、作为本发明的进一步方案，采集ct扫描数据，分析每个像素周围的亮度和灰度，建立每个像素的亮度分布图，测定周围区域的平均亮度和变化范围，得到图像像素亮度特性数据的具体步骤如下：

10、s101：采集ct扫描数据，记录每个像素点的亮度和灰度值，得到原始像素数据；

11、s102：基于所述原始像素数据，计算每个像素周围的平均亮度和灰度波动，得到局部亮度分布图；

12、s103：从所述局部亮度分布图中提取整体的平均亮度和变化范围，形成图像像素亮度特性数据。

13、作为本发明的进一步方案，基于所述图像像素亮度特性数据，参照相邻像素的亮度平均值和变化，对ct图像中的每个像素进行亮度调整，生成调整后的亮度图的具体步骤如下：

14、s201：从所述图像像素亮度特性数据中获取每个像素及其周围像素的亮度信息，评估亮度差异，根据每个像素点需要调整的亮度值，生成像素亮度调整值列表；

15、s202：利用所述像素亮度调整值列表，对每个像素进行亮度调整，包括增加或减少亮度，平衡图像区域的亮度差异，生成亮度调整中间图；

16、s203：将所述亮度调整中间图中全部像素的调整应用到原始ct图像上，生成调整后的亮度图。

17、作为本发明的进一步方案，从所述调整后的亮度图中，分析ct图像的局部曲率和形状指数，识别ct图像中的关键边缘和曲线，得到几何特征图的具体步骤如下：

18、s301：基于所述调整后的亮度图，提取每个像素点的局部曲率，通过分析每个区域的曲率变化，生成局部曲率数据；

19、s302：采用所述局部曲率数据，通过微分几何方法，计算形状指数，辨识图像中的关键边缘和曲线，生成关键形状分析图；

20、s303：将所述关键形状分析图中的数据整合，标识图像中的关键边缘和曲线，生成几何特征图。

21、作为本发明的进一步方案，所述微分几何方法，采用公式：计算形状指数，辨识图像中的关键边缘和曲线；

22、其中，为形状指数，用于每个像素点，为局部曲率，表示第个像素点处的曲率大小，为调节系数，用于平衡局部像素强度变异度对形状指数的贡献，为局部像素强度的标准偏差，为曲率关于弧长的导数，表示曲率随图像弧长变化的速率，为调节系数，用于平衡局部平均灰度差对形状指数的影响，为局部平均灰度与全局平均灰度的差值。

23、作为本发明的进一步方案，通过分析所述几何特征图中的形状和曲率信息，根据曲率大小，选定需要迭代处理的区域，进行亮度和对比度优化操作，生成伪影修正图的具体步骤如下：

24、s401：根据所述几何特征图中的曲率大小，标识曲率明显变化的区域，区域对应图像中的伪影或特征变化，得到目标处理区域；

25、s402：对所述目标处理区域进行亮度调节和对比度优化，迭代调整局部区域参数，生成局部优化亮度图；

26、s403：整合所述局部优化亮度图中的全部调整参数，再次应用到整个ct图像上，生成伪影修正图。

27、作为本发明的进一步方案，细化所述伪影修正图中的纹理和细节层次，通过调整局部区域的纹理明暗，优化特征辨识度，生成边缘优化后的图像的具体步骤如下：

28、s501：基于所述伪影修正图，分析每个区域的纹理细节，针对纹理不明显的区域进行纹理增强，生成纹理优化图；

29、s502：从所述纹理优化图中，选取关键区域，调整纹理区域的明暗对比，生成迭代调整的纹理图；

30、s503：将所述迭代调整的纹理图应用到伪影修正图中，统一关键区域的纹理和细节层次，生成边缘优化后的图像。

31、一种医学图像处理系统用于执行一种医学图像处理方法，所述一种医学图像处理系统包括：

32、亮度特性分析模块采集ct扫描数据，记录每个像素点的亮度和灰度值，计算每个像素周围的平均亮度和灰度波动，得到局部亮度分布图，从局部亮度分布图提取整体的平均亮度和变化范围，形成图像像素亮度特性数据；

33、亮度调整模块基于所述图像像素亮度特性数据，对ct图像中的每个像素进行亮度调整，得到调整后的亮度图，分析调整后的亮度图中的局部曲率和形状指数，进行亮度和对比度的优化操作，生成伪影修正图；

34、几何特征分析模块基于所述伪影修正图，提取每个像素点的局部曲率，通过微分几何方法，计算形状指数，辨识图像中的关键边缘和曲线，生成几何特征图；

35、细节优化模块基于所述几何特征图，分析每个区域的纹理细节，进行纹理增强操作，调整纹理区域的明暗对比，统一关键区域的纹理和细节层次，生成边缘优化后的图像。

36、一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如上述所述的一种医学图像处理系统。

37、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的一种医学图像处理方法的步骤。

38、与现有技术相比，本发明的优点和积极效果在于：

39、本发明中，通过控制亮度调整、曲率分析以及纹理和对比度优化，提高了ct图像的诊断精确性和视觉质量。通过亮度调整和曲率及形状指数的计算，能够更精确地识别图像中的关键边缘和曲线，通过迭代处理优化区域的亮度和对比度，以及细化纹理和细节层次，能够显著改善图像中的伪影和模糊区域，提供更加清晰和可靠的图像供医疗专业人员评估和诊断。