CN114638796A - 一种基于超声医学的脑内深部肿瘤精准定位图像处理*** - Google Patents
一种基于超声医学的脑内深部肿瘤精准定位图像处理*** Download PDFInfo
- Publication number
- CN114638796A CN114638796A CN202210220707.8A CN202210220707A CN114638796A CN 114638796 A CN114638796 A CN 114638796A CN 202210220707 A CN202210220707 A CN 202210220707A CN 114638796 A CN114638796 A CN 114638796A
- Authority
- CN
- China
- Prior art keywords
- image
- tumor
- gray
- module
- brain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 149
- 239000003814 drug Substances 0.000 title claims abstract description 16
- 210000004556 brain Anatomy 0.000 title claims description 59
- 208000003174 Brain Neoplasms Diseases 0.000 claims abstract description 24
- 238000002372 labelling Methods 0.000 claims abstract description 20
- 230000009467 reduction Effects 0.000 claims abstract description 14
- 238000003384 imaging method Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims description 24
- 238000005481 NMR spectroscopy Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000002604 ultrasonography Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims description 5
- 238000000655 nuclear magnetic resonance spectrum Methods 0.000 claims description 5
- 230000001054 cortical effect Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 claims description 2
- 230000005311 nuclear magnetism Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000001228 spectrum Methods 0.000 abstract 1
- 210000003128 head Anatomy 0.000 description 17
- 238000000034 method Methods 0.000 description 7
- 238000001356 surgical procedure Methods 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 206010018338 Glioma Diseases 0.000 description 2
- 206010027476 Metastases Diseases 0.000 description 2
- 208000007913 Pituitary Neoplasms Diseases 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000003211 malignant effect Effects 0.000 description 2
- 206010027191 meningioma Diseases 0.000 description 2
- 208000007538 neurilemmoma Diseases 0.000 description 2
- 206010039667 schwannoma Diseases 0.000 description 2
- 201000009047 Chordoma Diseases 0.000 description 1
- 208000032612 Glial tumor Diseases 0.000 description 1
- 206010029260 Neuroblastoma Diseases 0.000 description 1
- 206010043276 Teratoma Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 208000005017 glioblastoma Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 208000024724 pineal body neoplasm Diseases 0.000 description 1
- 208000010916 pituitary tumor Diseases 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 208000030266 primary brain neoplasm Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明属于图像处理领域,公开了一种基于超声医学的脑内深部肿瘤精准定位图像处理***,通过图像采集模块利用核磁采集含有定位患者肿瘤的定位标记点的患者肿瘤区域的多张脑内深部肿瘤图像;使用核磁数据读取模块对核磁图谱信号实时成像,对成像进行增强处理和降噪处理,并保留至少两张肿瘤图像;通过图像配准模块对该至少两张肿瘤图像进行图像配准,获取肿瘤定位参数;通过标注模块对采集的图像进行重新标注;通过显示模块显示采集的脑部肿瘤影像、标注信息。本发明采用图像配准技术获取肿瘤定位参数,实现肿瘤有效定位,提高手术成功率,提高工作效率,减少医护人员工作量。
Description
技术领域
本发明属于图像处理领域,尤其涉及一种基于超声医学的脑内深部肿瘤精准定位图像处理***。
背景技术
脑部是个极为精细的器官,同时极为脆弱。脑部每一神经域都与人体的信息接收、整合及主动活动等相关,因为视为人体的“司令部”。目前,脑肿瘤包括良性肿瘤和恶性肿瘤,良性肿瘤主要包括脑膜瘤、神经鞘瘤和垂体瘤;恶性肿瘤主要包括胶质瘤和转移瘤。原发性脑肿瘤有颅内脑外肿瘤与脑内肿瘤,脑内肿瘤主要有胶质细胞瘤、胶质母细胞瘤,神经母细胞瘤和转移瘤,脑外肿瘤主要有脑膜瘤、垂体瘤、神经鞘瘤、脊索瘤、畸胎瘤和松果体区肿瘤等。其最佳治疗手段是手术彻底切除,通过手术进入脑内深部,首先考虑的是经过“自然的间隙”,如外侧裂、额上沟、额下沟等脑裂、脑沟。但是有些深部手术,无法单纯的经过“自然间隙”、需要以破坏一定皮层等结构为代价,因而术前及术中的肿瘤定位极为重要。
然而,现有的脑内深部肿瘤精准定位图像处理方法,靠传统的检测方法难以分辨其肿瘤是良性还是恶性以及该肿瘤的病变机理;同时现有的脑部肿瘤皮层定位图像十分不清晰,对画面进行渲染时,出现噪声等现象,容易导致图像的质量参差不齐。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有的脑内深部肿瘤精准定位图像处理处理方法,靠传统的检测方法难以分辨其肿瘤是良性还是恶性以及该肿瘤的病变机理。
(2)现有的脑内深部肿瘤精准定位图像十分不清晰,对画面进行渲染时,出现噪声等现象,容易导致图像的质量参差不齐。
发明内容
针对现有技术存在的问题,本发明提供了一种基于超声医学的脑内深部肿瘤精准定位图像处理***。
本发明是这样实现的,一种基于超声医学的脑内深部肿瘤精准定位图像处理***,所述基于超声医学的脑内深部肿瘤精准定位图像处理***包括:图像采集模块、核磁数据读取模块、图像预处理模块、图像配准模块、标注模块、皮层定位模块和显示模块;
其中,所述图像采集模块,用于通过核磁共振采集脑部肿瘤影像数据,核磁数据读取模块与核磁机器相连,采集的肿瘤图像直接以核磁共振谱信号的形式传输至核磁数据读取模块;
核磁数据读取模块,与图像采集模块相连接,内置两种核磁共振信号处理程序,分别针对NII格式与MAT格式数据,用于对核磁共振采集的信号进行直接处理,直接成像,核磁数据读取模块获取到图像采集模块传输的核磁共振谱信号,分析数据为NII格式还是MAT格式,针对性的将相应格式的数据传输至核磁共振信号程序中,程序处理后直接成局部像或者是全局像,最大程度的保证了成像的实时性,将成像传入图像预处理模块中进行处理;
所述图像配准模块,与核磁数据读取模块连接,用于对该至少两张肿瘤图像进行图像配准,获取肿瘤定位参数;
所述标注模块,与图像配准模块连接,根据肿瘤定位参数,通过标注程序对采集的脑肿瘤图像进行标注;
所述皮层定位模块,与标注模块连接,通过医疗定位机构对脑部肿瘤位置进行定位;
所述显示模块与图像预处理模块与标注模块连接,通过显示器显示采集的脑部肿瘤影像、标注信息。
进一步,所述皮层定位模块包括大脑扫描单元、头部扫描单元、信息传递单元、位置形状图像构建单元和标注单元。
其中,所述大脑扫描单元,用于利用大脑扫描器对大脑中的肿瘤进行扫描,确定肿瘤对应皮层相对应的位置;
所述头部扫描单元,用于利用核磁扫描器对人体头部进扫描,确定人体头部结构和肿瘤的状态;
所述信息传递单元,用于将人体头部结构和肿瘤的状态数据信息传递到控制模块;
所述位置形状图像构建单元,用于利用大数据构建相应的肿瘤相应的二维或者三维位置形状图像;
所述标注单元,用于根据构建的二维或者三维位置形状图像,利用易于扫描器易于识别的标记物,在人体脑部皮层上进行标注。
进一步,所述显示模块用于将彩色图像以及近红外图像进行显示,以使用户对彩色图像以及近红外图像进行观察、截图、位置标记以及比对。
进一步,所述利用图像预处理模块对采集的图像进行增强处理包括:
获取由呈矩阵式排布的多个像素组成的图像,并将所述图像转换为灰阶图;
计算同一列相邻两行像素的灰阶值的差的绝对值Q1和第一灰阶值权重k1;每同一列相邻两行像素的灰阶值的差的绝对值Q1的计算公式为:
Q1=abs(Gray(i,j)-Gray(i+1,j));
第一灰阶值权重k1的计算公式为:
其中,同一列相邻两行像素的灰阶值的差的绝对值Q1的取值范围为0至255,n为大于1的正整数;
依据第一灰阶值权重k1与每同一列相邻两行像素的灰阶值进行累加计算:
其中,i、j为正整数,分别代表像素所在的行数与列数;Gray(i,j)为第i行第j列像素的灰阶值;Gray(i+1,j)为第i+1行第j列像素的灰阶值;H1(a)为灰阶值为a的像素数量;C1(X)为从灰阶值Gray(i,j)到灰阶值Gray(i+1,j)之间各个灰阶值对应的像素数量之和;
计算同一行相邻两列像素的灰阶值的差的绝对值Q2和第二灰阶值权重k2;每同一行相邻两列像素的灰阶值的差的绝对值Q2的计算公式为:
Q2=abs(Gray(i,j)-Gray(i,j+1));
第二灰阶值权重k2的计算公式为:
其中,同一行相邻两列像素的灰阶值的差的绝对值Q2的取值范围为0至255,n为大于1的正整数且与步骤2)中的取值相同;
依据第二灰阶值权重k2与每同一行相邻两列像素的灰阶值进行累加计算:
其中,i、j为正整数,分别代表像素所在的行数与列数;Gray(i,j)为第i行第j列像素的灰阶值;Gray(i,j+1)为第i行第j+1列像素的灰阶值;H3(a)为灰阶值为a的像素数量;C3(X)为从灰阶值Gray(i,j)到灰阶值Gray(i,j+1)之间各个灰阶值对应的像素数量之和;
将求得的所述C1(X)与所述C3(x)相加得到C(X);
C(X)=C1(X)+C3(X);
最大值归一化,计算公式为:
将N(X)乘以255计算得到增强灰阶表out(X),并通过查表得到新的输出灰阶值out_gray(i,j)。
进一步,所述利用图像预处理模块对采集的图像进行降噪处理包括:
提取所述待降噪的肿瘤影像信息的特征,以得到中间特征图;
对所述中间特征图的肿瘤特征进行权重分布,以加强所述中间特征图的肿瘤特征,得到肿瘤特征图;
结合所述肿瘤特征和所述中间特征图对所述待降噪的肿瘤影像信息进行降噪处理,以得到所述输出图像。
进一步,所述利用图像配准模块进行肿瘤图像配准包括:
获取至少两张待配准的肿瘤图像,并确定模板图像;
确定待配准的肿瘤图像的感兴趣区域,并对图像边缘点进行遍历;
根据边缘点将待配准的肿瘤图像与模板图像进行配准,获取肿瘤定位参数。
进一步,所述利用皮层定位模块对脑部肿瘤位置进行定位包括:
通过扫描装置对大脑中的肿瘤进行扫描,确定肿瘤对应皮层相对应的位置;
利用核磁扫描器对人体头部进扫描,确定人体头部结构和肿瘤的状态;
根据人体头部结构和肿瘤的状态数据信息,利用大数据构建相应的肿瘤相应的二维或者三维位置形状图像;
根据构建的二维或者三维位置形状图像,利用易于扫描器易于识别的标记物,在人体脑部皮层上进行标注。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以应用所述的基于超声医学的脑内深部肿瘤精准定位图像处理***。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机应用所述的基于超声医学的脑内深部肿瘤精准定位图像处理***。
本发明的另一目的在于提供一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现所述的基于超声医学的脑内深部肿瘤精准定位图像处理***。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:
本发明提供的基于超声医学的脑内深部肿瘤精准定位图像处理***,通过采集含有定位患者肿瘤的定位标记点的患者肿瘤区域的多张肿瘤图像,使用核磁数据读取模块实时读取并生成局部或全局核磁图像,并根据肿瘤图像采用图像配准技术获取肿瘤定位参数,实现了肿瘤的有效定位,医护人员可以结合已定位的肿瘤的位置与正常脑部结构的关系,通过脑部自然间隙选择最合适的路径摘除肿瘤,能够极大程度的减少手术对脑部的伤害,提高手术的成功率,并且提高了工作效率,减少了医护人员的工作量。
同时,本发明通过图像增强模块和降噪模块能够充分提高图像增强模型的增强效果,高肿瘤图像数据的清晰度,提高手术的成功率,并且提高了工作效率,减少了医护人员的工作量。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于超声医学的脑内深部肿瘤精准定位图像处理方法的流程图。
图2是本发明实施例提供的利用图像预处理模块对采集的图像进行降噪处理的方法流程图。
图3是本发明实施例提供的利用图像配准模块进行肿瘤图像配准的方法流程图。
图4是本发明实施例提供的基于超声医学的脑内深部肿瘤精准定位图像处理***结构图;
图5是本发明实施例提供的皮层定位模块结构图;
图4和图5中:1、图像采集模块;2、核磁数据读取模块;3、图像预处理模块;4、图像配准模块;5、标注模块;6、皮层定位模块;7、显示模块;8、大脑扫描单元;9、头部扫描单元;10、信息传递单元;11、位置形状图像构建单元;12、标注单元。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种基于超声医学的脑内深部肿瘤精准定位图像处理方法,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的基于超声医学的脑内深部肿瘤精准定位图像处理方法包括以下步骤:
S101,通过图像采集模块与核磁数据读取模块利用核磁采集含有定位患者肿瘤的定位标记点的患者肿瘤区域的多张脑内深部肿瘤图像;
S102,通过图像预处理模块用于对所述多张肿瘤图像进行处理,对采集的图像进行增强处理和降噪处理,并且保留至少两张肿瘤图像;
S103,通过图像配准模块对该至少两张肿瘤图像进行图像配准,获取肿瘤定位参数;根据肿瘤定位参数,通过标注模块对采集的图像进行重新标注;
S104,通过皮层定位模块对脑内深部肿瘤位置进行重新定位,并通过显示模块利用显示器显示采集的脑部肿瘤影像、标注信息。
本发明实施例提供的利用图像预处理模块对采集图像进行增强处理包括:
获取由呈矩阵式排布的多个像素组成的图像,并将所述图像转换为灰阶图;
计算同一列相邻两行像素的灰阶值的差的绝对值Q1和第一灰阶值权重k1;
每同一列相邻两行像素的灰阶值的差的绝对值Q1的计算公式为:
Q1=abs(Gray(i,j)-Gray(i+1,j));
第一灰阶值权重k1的计算公式为:
其中,同一列相邻两行像素的灰阶值的差的绝对值Q1的取值范围为0至255,n为大于1的正整数;
依据第一灰阶值权重k1与每同一列相邻两行像素的灰阶值进行累加计算:
其中,i、j为正整数,分别代表像素所在的行数与列数;Gray(i,j)为第i行第j列像素的灰阶值;Gray(i+1,j)为第i+1行第j列像素的灰阶值;H1(a)为灰阶值为a的像素数量;C1(X)为从灰阶值Gray(i,j)到灰阶值Gray(i+1,j)之间各个灰阶值对应的像素数量之和;
计算同一行相邻两列像素的灰阶值的差的绝对值Q2和第二灰阶值权重k2;
每同一行相邻两列像素的灰阶值的差的绝对值Q2的计算公式为:
Q2=abs(Gray(i,j)-Gray(i,j+1));
第二灰阶值权重k2的计算公式为:
其中,同一行相邻两列像素的灰阶值的差的绝对值Q2的取值范围为0至255,n为大于1的正整数且与步骤2)中的取值相同;
依据第二灰阶值权重k2与每同一行相邻两列像素的灰阶值进行累加计算:
其中,i、j为正整数,分别代表像素所在的行数与列数;Gray(i,j)为第i行第j列像素的灰阶值;Gray(i,j+1)为第i行第j+1列像素的灰阶值;H3(a)为灰阶值为a的像素数量;C3(X)为从灰阶值Gray(i,j)到灰阶值Gray(i,j+1)之间各个灰阶值对应的像素数量之和;
将求得的所述C1(X)与所述C3(x)相加得到C(X);
C(X)=C1(X)+C3(X);
最大值归一化,计算公式为:
将N(X)乘以255计算得到增强灰阶表out(X),并通过查表得到新的输出灰阶值out_gray(i,j)。
如图2所示,本发明实施例提供的利用图像预处理模块对采集的图像进行降噪处理包括:
S201,提取所述待降噪的肿瘤影像信息的特征,以得到中间特征图;
S202,对所述中间特征图的肿瘤特征进行权重分布,以加强所述中间特征图的肿瘤特征,得到肿瘤特征图;
S203,结合所述肿瘤特征和所述中间特征图对所述待降噪的肿瘤影像信息进行降噪处理,以得到所述输出图像。
如图3所示,本发明实施例提供的利用图像配准模块进行肿瘤图像配准,包括:
S301,获取至少两张待配准的肿瘤图像,并确定模板图像;
S302,确定待配准的肿瘤图像的感兴趣区域,并对图像边缘点进行遍历;
S303,根据边缘点将待配准的肿瘤图像与模板图像进行配准,获取肿瘤定位参数。
本发明实施例提供的利用皮层定位模块对脑部肿瘤位置进行定位包括:
通过扫描装置对大脑中的肿瘤进行扫描,确定肿瘤对应皮层相对应的位置;
利用核磁扫描器对人体头部进扫描,确定人体头部结构和肿瘤的状态;
根据人体头部结构和肿瘤的状态数据信息,利用大数据构建相应的肿瘤相应的二维或者三维位置形状图像;
根据构建的二维或者三维位置形状图像,利用易于扫描器易于识别的标记物,在人体脑部皮层上进行标注。
如图4所示,本发明实施例提供的基于超声医学的脑内深部肿瘤精准定位图像处理***包括:图像采集模块1、核磁数据读取模块2、图像预处理模块3、图像配准模块4、标注模块5、皮层定位模块6和显示模块7。
图像采集模块1,用于通过核磁共振采集脑部肿瘤影像数据,核磁数据读取模块与核磁机器相连,采集的肿瘤图像直接以核磁共振谱信号的形式传输至核磁数据读取模块;
核磁数据读取模块2,与图像采集模块相连接,内置两种核磁共振信号处理程序,分别针对NII格式与MAT格式数据,用于对核磁共振采集的信号进行直接处理,直接成像,核磁数据读取模块获取到图像采集模块传输的核磁共振谱信号,分析数据为NII格式还是MAT格式,针对性的将相应格式的数据传输至核磁共振信号程序中,程序处理后直接成局部像或者是全局像,最大程度的保证了成像的实时性,将成像传入图像预处理模块中进行处理;
图像预处理模块3,与核磁数据读取模块2连接,用于对所述多张肿瘤图像进行处理,对采集的图像进行增强处理和降噪处理,并且保留至少两张肿瘤图像;
图像配准模块4,与图像预处理模块3连接,用于对该至少两张肿瘤图像进行图像配准,获取肿瘤定位参数;
标注模块5,与图像配准模块3连接,根据肿瘤定位参数,通过标注程序对采集的脑肿瘤图像进行标注;
皮层定位模块6,与标注模块5连接,通过医疗定位机构对脑部肿瘤位置进行定位;
显示模块7与图像预处理模块3与标注模块5连接,通过显示器显示采集的脑部肿瘤影像、标注信息。
如图5所示,本发明实施例提供的皮层定位模块6包括大脑扫描单元8、头部扫描单元9、信息传递单元10、位置形状图像构建单元11、标注单元12。
大脑扫描单元8,用于利用大脑扫描器对大脑中的肿瘤进行扫描,确定肿瘤对应皮层相对应的位置;
头部扫描单元9,用于利用核磁扫描器对人体头部进扫描,确定人体头部结构和肿瘤的状态;
信息传递单元10,用于将人体头部结构和肿瘤的状态数据信息传递到控制模块;
位置形状图像构建单元11,用于利用大数据构建相应的肿瘤相应的二维或者三维位置形状图像;
标注单元12,用于根据构建的二维或者三维位置形状图像,利用易于扫描器易于识别的标记物,在人体脑部皮层上进行标注。
显示模块7,用于将彩色图像以及近红外图像进行显示,以使用户对彩色图像以及近红外图像进行观察、截图、位置标记以及比对。
本发明的工作原理是:通过图像采集模块1利用核磁采集含有定位患者肿瘤的定位标记点的患者肿瘤区域的多张脑内深部肿瘤图像;使用核磁数据处理模块2实时读取生成核磁图像,通过图像预处理模块3用于对所述多张肿瘤图像进行处理,对采集的图像进行增强处理和降噪处理,并且保留至少两张肿瘤图像;通过图像配准模块4对该至少两张肿瘤图像进行图像配准,获取肿瘤定位参数;根据肿瘤定位参数,通过标注模块5对采集的图像进行重新标注,通过皮层定位模块6利用医疗定位机构对脑内深部肿瘤位置进行重新定位;通过显示模块7利用显示器显示采集的脑部肿瘤影像、标注信息。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于超声医学的脑内深部肿瘤精准定位图像处理***,其特征在于,所述基于超声医学的脑内深部肿瘤精准定位图像处理***包括:图像采集模块、核磁数据读取模块、图像预处理模块、图像配准模块、标注模块、皮层定位模块和显示模块;
其中,所述图像采集模块,用于通过核磁共振采集脑部肿瘤影像数据,核磁数据读取模块与核磁机器相连,采集的肿瘤图像直接以核磁共振谱信号的形式传输至核磁数据读取模块;
核磁数据读取模块,与图像采集模块相连接,内置两种核磁共振信号处理程序,分别针对NII格式与MAT格式数据,用于对核磁共振采集的信号进行直接处理,直接成像,核磁数据读取模块获取到图像采集模块传输的核磁共振谱信号,分析数据为NII格式还是MAT格式,针对性的将相应格式的数据传输至核磁共振信号程序中,程序处理后直接成局部像或者是全局像,最大程度的保证了成像的实时性,将成像传入图像预处理模块中进行处理;
所述图像预处理模块,与核磁数据读取模块连接,用于对所述多张肿瘤图像进行处理,对采集的图像进行增强处理和降噪处理,并且保留至少两张肿瘤图像;
所述图像配准模块,与图像预处理模块连接,用于对该至少两张肿瘤图像进行图像配准,获取肿瘤定位参数;
所述标注模块,与图像配准模块连接,根据肿瘤定位参数,通过标注程序对采集的脑肿瘤图像进行标注;
所述皮层定位模块,与标注模块连接,通过医疗定位机构对脑部肿瘤位置进行定位;
所述显示模块与图像预处理模块与标注模块连接,通过显示器显示采集的脑部肿瘤影像、标注信息。
2.如权利要求1所述基于超声医学的脑内深部肿瘤精准定位图像处理***,其特征在于,所述皮层定位模块包括大脑扫描单元、头部扫描单元、信息传递单元、位置形状图像构建单元、标注单元;
其中,所述大脑扫描单元,用于利用大脑扫描器对大脑中的肿瘤进行扫描,确定肿瘤对应皮层相对应的位置;
所述头部扫描单元,用于利用核磁扫描器对人体头部进扫描,确定人体头部结构和肿瘤的状态;
所述信息传递单元,用于将人体头部结构和肿瘤的状态数据信息传递到控制模块;
所述位置形状图像构建单元,用于利用大数据构建相应的肿瘤相应的二维或者三维位置形状图像;
所述标注单元,用于根据构建的二维或者三维位置形状图像,利用易于扫描器易于识别的标记物,在人体脑部皮层上进行标注。
3.如权利要求1所述基于超声医学的脑内深部肿瘤精准定位图像处理***,其特征在于,所述显示模块用于将彩色图像以及近红外图像进行显示,以使用户对彩色图像以及近红外图像进行观察、截图、位置标记以及比对。
4.如权利要求1所述基于超声医学的脑内深部肿瘤精准定位图像处理***,其特征在于,所述利用图像预处理模块对采集的图像进行增强处理包括:
获取由呈矩阵式排布的多个像素组成的图像,并将所述图像转换为灰阶图;
计算同一列相邻两行像素的灰阶值的差的绝对值Q1和第一灰阶值权重k1;
每同一列相邻两行像素的灰阶值的差的绝对值Q1的计算公式为:
Q1=abs(Gray(i,j)-Gray(i+1,j));
第一灰阶值权重k1的计算公式为:
其中,同一列相邻两行像素的灰阶值的差的绝对值Q1的取值范围为0至255,n为大于1的正整数;
依据第一灰阶值权重k1与每同一列相邻两行像素的灰阶值进行累加计算:
其中,i、j为正整数,分别代表像素所在的行数与列数;Gray(i,j)为第i行第j列像素的灰阶值;Gray(i+1,j)为第i+1行第j列像素的灰阶值;H1(a)为灰阶值为a的像素数量;C1(X)为从灰阶值Gray(i,j)到灰阶值Gray(i+1,j)之间各个灰阶值对应的像素数量之和;
计算同一行相邻两列像素的灰阶值的差的绝对值Q2和第二灰阶值权重k2;
每同一行相邻两列像素的灰阶值的差的绝对值Q2的计算公式为:
Q2=abs(Gray(i,j)-Gray(i,j+1));
第二灰阶值权重k2的计算公式为:
其中,同一行相邻两列像素的灰阶值的差的绝对值Q2的取值范围为0至255,n为大于1的正整数且与步骤2)中的取值相同;
依据第二灰阶值权重k2与每同一行相邻两列像素的灰阶值进行累加计算:
其中,i、j为正整数,分别代表像素所在的行数与列数;Gray(i,j)为第i行第j列像素的灰阶值;Gray(i,j+1)为第i行第j+1列像素的灰阶值;H3(a)为灰阶值为a的像素数量;C3(X)为从灰阶值Gray(i,j)到灰阶值Gray(i,j+1)之间各个灰阶值对应的像素数量之和;
将求得的所述C1(X)与所述C3(x)相加得到C(X);
C(X)=C1(X)+C3(X);
最大值归一化,计算公式为:
将N(X)乘以255计算得到增强灰阶表out(X),并通过查表得到新的输出灰阶值out_gray(i,j)。
5.如权利要求1所述基于超声医学的脑内深部肿瘤精准定位图像处理***,其特征在于,所述利用图像预处理模块对采集的图像进行降噪处理包括:
提取所述待降噪的肿瘤影像信息的特征,以得到中间特征图;
对所述中间特征图的肿瘤特征进行权重分布,以加强所述中间特征图的肿瘤特征,得到肿瘤特征图;
结合所述肿瘤特征和所述中间特征图对所述待降噪的肿瘤影像信息进行降噪处理,以得到所述输出图像。
6.如权利要求1所述基于超声医学的脑内深部肿瘤精准定位图像处理***,其特征在于,所述利用图像配准模块进行肿瘤图像配准包括:
获取至少两张待配准的肿瘤图像,并确定模板图像;
确定待配准的肿瘤图像的感兴趣区域,并对图像边缘点进行遍历;
根据边缘点将待配准的肿瘤图像与模板图像进行配准,获取肿瘤定位参数。
7.如权利要求1所述基于超声医学的脑内深部肿瘤精准定位图像处理***,其特征在于,所述利用皮层定位模块对脑部肿瘤位置进行定位包括:
通过扫描装置对大脑中的肿瘤进行扫描,确定肿瘤对应皮层相对应的位置;
利用核磁扫描器对人体头部进扫描,确定人体头部结构和肿瘤的状态;
根据人体头部结构和肿瘤的状态数据信息,利用大数据构建相应的肿瘤相应的二维或者三维位置形状图像;
根据构建的二维或者三维位置形状图像,利用易于扫描器易于识别的标记物,在人体脑部皮层上进行标注。
8.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以应用如权利要求1~7任意一项所述的基于超声医学的脑内深部肿瘤精准定位图像处理***。
9.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机应用如权利要求1~7任意一项所述的基于超声医学的脑内深部肿瘤精准定位图像处理***。
10.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现如权利要求1~7任意一项所述的基于超声医学的脑内深部肿瘤精准定位图像处理***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210220707.8A CN114638796A (zh) | 2022-03-08 | 2022-03-08 | 一种基于超声医学的脑内深部肿瘤精准定位图像处理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210220707.8A CN114638796A (zh) | 2022-03-08 | 2022-03-08 | 一种基于超声医学的脑内深部肿瘤精准定位图像处理*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114638796A true CN114638796A (zh) | 2022-06-17 |
Family
ID=81947345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210220707.8A Pending CN114638796A (zh) | 2022-03-08 | 2022-03-08 | 一种基于超声医学的脑内深部肿瘤精准定位图像处理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114638796A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116612113A (zh) * | 2023-07-17 | 2023-08-18 | 征图新视(江苏)科技股份有限公司 | 一种基于晶圆的多图像拼接检测方法 |
-
2022
- 2022-03-08 CN CN202210220707.8A patent/CN114638796A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116612113A (zh) * | 2023-07-17 | 2023-08-18 | 征图新视(江苏)科技股份有限公司 | 一种基于晶圆的多图像拼接检测方法 |
CN116612113B (zh) * | 2023-07-17 | 2023-09-15 | 征图新视(江苏)科技股份有限公司 | 一种基于晶圆的多图像拼接检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107220933B (zh) | 一种参考线确定方法和*** | |
CN101796544B (zh) | 体素数据的可视化方法和*** | |
JP5627677B2 (ja) | 画像ガイド下前立腺癌針生検のためのシステムおよび方法 | |
CN104637024B (zh) | 医用图像处理装置以及医用图像处理方法 | |
CN103371870B (zh) | 一种基于多模影像的外科手术导航*** | |
CN107909622B (zh) | 模型生成方法、医学成像的扫描规划方法及医学成像*** | |
CN105825516B (zh) | 一种dicom影像血流分析*** | |
CN103020976B (zh) | 一种基于带权模糊互信息的三维医学图像配准方法及*** | |
JP2007007440A (ja) | 医療画像において腫瘤や実質組織変形をコンピュータを用いて検出する自動化した方法と装置 | |
CN106887039A (zh) | 一种基于医学影像的器官和病灶的三维成像方法及*** | |
CN102940510A (zh) | 一种超声弹性成像的自动对焦方法 | |
CN103793905A (zh) | 确定脑部图像冠状位方向的方法及装置 | |
CN114638796A (zh) | 一种基于超声医学的脑内深部肿瘤精准定位图像处理*** | |
Manni et al. | Towards optical imaging for spine tracking without markers in navigated spine surgery | |
CN114092475A (zh) | 病灶长径确定方法、图像标注方法、装置及计算机设备 | |
Alam et al. | Evaluation of medical image registration techniques based on nature and domain of the transformation | |
Duan et al. | Unsupervised learning for deformable registration of thoracic CT and cone‐beam CT based on multiscale features matching with spatially adaptive weighting | |
CN107928708A (zh) | 自由三维脊柱超声成像***及控制方法 | |
JP4668289B2 (ja) | 画像処理装置および方法並びにプログラム | |
CN108670302B (zh) | 一种基于2.5维超声宽景成像的脊柱三维结构再现方法 | |
CN116309647B (zh) | 颅脑病灶图像分割模型构建方法、图像分割方法及设备 | |
CN104182963A (zh) | 一种图像处理方法及图像处理装置 | |
CN106599600B (zh) | 放疗计划报告和医学影像检查报告的电子显示方法和电子设备 | |
US20210256741A1 (en) | Region correction apparatus, region correction method, and region correction program | |
CN111951241B (zh) | 一种水生动物运动过程中肌肉形变的测定与显示方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |