專利名稱：基于視覺注意機(jī)制的乳腺x線影像腫塊檢測系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別是涉及醫(yī)學(xué)影像處理，可用于醫(yī)學(xué)影像的感興趣區(qū)域檢測及其輔助診斷。
背景技術(shù)：
近幾十年來，醫(yī)學(xué)影像已成為醫(yī)學(xué)技術(shù)中發(fā)展最快的領(lǐng)域之一，其結(jié)果使臨床醫(yī)生對人體內(nèi)部病變部位的觀察更直接、更清晰，確診率也更高。計(jì)算機(jī)輔助診斷(Computer Aided Diagnosis簡稱為CAD)技術(shù)被稱為醫(yī)生的“第二雙眼睛”，研究如何通過圖像處理技術(shù)對這些醫(yī)學(xué)影像信息進(jìn)行有效的處理，用于輔助醫(yī)生的診斷甚至進(jìn)行手術(shù)規(guī)劃等，具有重大的社會(huì)效益和廣泛的應(yīng)用前景。醫(yī)學(xué)圖像處理技術(shù)作為計(jì)算機(jī)輔助診斷的關(guān)鍵發(fā)展至今，各學(xué)科的交叉已是發(fā)展的必然趨勢，但其中還有很多問題亟待解決，特別是隨著遠(yuǎn)程醫(yī)療的蓬勃發(fā)展，對醫(yī)學(xué)圖像處理與分析提出的要求也越來越高，所以進(jìn)一步研究醫(yī)學(xué)圖像處理與分析具有十分重要的意義。乳腺癌是危害全世界女性健康最常見的癌癥，近年來越來越得到各界的關(guān)注。乳腺X線影像是一種最常見且對乳腺癌的檢測比較有效的技術(shù)，乳腺X線影像的腫塊檢測方法一般有簡單的閾值法、基于濾波器的方法、預(yù)分割得到感興趣區(qū)域后，提取感興趣區(qū)域的特征后聯(lián)合簡單的分類器進(jìn)行檢測的方法等。但是閾值法僅針對單個(gè)像素或者像素的鄰域，未考慮整幅圖像的特性；基于濾波器的方法一般只對一定形狀的腫塊有增強(qiáng)作用，而乳腺X線影像中腫塊邊緣變化復(fù)雜，此類方法適用范圍較窄；預(yù)分割后對感興趣區(qū)域提取特征，再利用分類器判斷感興趣區(qū)域是否為腫塊的方法，由于人與人之間個(gè)性化差異大，腫塊的特性千差萬別，不可能有完備的特征能夠表示出腫塊與正常區(qū)域的差異，所以分類器的性能再好也無法得到十分理想的結(jié)果。因此采用上述方法進(jìn)行腫塊檢測時(shí)一般得到的檢出率較低，并且腫塊的假陽性率較高。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有技術(shù)的不足，針對乳腺X線影像個(gè)性化差異大、 腫塊特性難于表示、檢出率低問題，提出一種基于視覺注意機(jī)制的乳腺X線影像腫塊檢測系統(tǒng)，以提高乳腺X線影像腫塊的檢出率和降低其假陽性率。為實(shí)現(xiàn)上述目的，本發(fā)明提供基于視覺注意機(jī)制的乳腺X線影像腫塊檢測系統(tǒng)， 包括影像預(yù)處理模塊，用于采用直方圖均衡化方法，對原始乳腺X線影像進(jìn)行切割與增強(qiáng)處理，得到增強(qiáng)后的圖像f (X)；特征提取模塊，用于將增強(qiáng)后的圖像f (X)以2 X 2大小的像素進(jìn)行塊劃分，得到像素塊Xi i = 1，2，3，...，N，N為f(X)塊劃分的個(gè)數(shù)，對像素塊Xi i = 1，2，3，...，N提取均值、方差、幅值和亮度變化率4個(gè)特征值；特征圖生成模塊，分別用特征提取模塊得到的4個(gè)特征值代替像素塊Xii = 1,2,3. . .，N，組成均值圖M、方差圖V、幅值圖A和亮度變化率圖I，并對這4個(gè)特征圖分別進(jìn)行歸一化處理，得到歸一化處理后的均值圖M'、方差圖V'、幅值圖A'和亮度變化率圖Γ ；高斯金字塔生成模塊，用于對歸一化處理后的均值圖W、方差圖V'、幅值圖k丨和亮度變化率圖Γ各自生成三層高斯金字塔，得到均值圖M'的三層高斯金字塔M' (u) U= 1，2，3，方差圖V'的三層高斯金字塔V' (U)U= 1，2，3、幅值圖A'的三層高斯金字塔 A' (u)U = l，2，3和亮度變化率圖I'的三層高斯金字塔I' (u)u= 1,2,3；特征圖轉(zhuǎn)化模塊，包括預(yù)標(biāo)記子模塊，用于將所述的4個(gè)三層高斯金字塔M' (U)，V' (u), A' (u), I' (U)中的每幅圖像設(shè)為X' (11)，乂代表1￥、六和1，11 = 1，2，3;鄰域熵值計(jì)算子模塊，用于對X' (U)的每個(gè)像素點(diǎn)Xt t = 1，2，3，...，n取7X7 窗口，計(jì)算在7X7鄰域內(nèi)的熵值H(Xt)
TH(xt) = Yj-Ptb Iogptb，
b=l其中T為該鄰域內(nèi)出現(xiàn)的灰度級數(shù)目，Ptb為灰度級b在該鄰域內(nèi)出現(xiàn)的概率，Ptb = nb' /49，nb'為灰度級b在該鄰域內(nèi)出現(xiàn)的次數(shù)，η為X' (U)中包含的像素?cái)?shù)目；特征熵圖生成子模塊，用于將得到的熵值H(Xt) t = 1,2,3, ...，η組成特征熵圖 X" (U)X代表M、V、A和I，u = l，2，3，用X" (u)代替X' (U)，得到均值熵圖的三層高斯金字塔M〃(U)U= 1，2，3、方差熵圖的三層高斯金字塔V" (U)U= 1，2，3、幅值熵圖的三層高斯金字塔A" (u) u = 1，2，3和亮度變化率熵圖的三層高斯金字塔I 〃(u)，u = 1,2,3 ；差分模塊，用于采用中央鄰域差分方法，分別對所述的4個(gè)三層高斯金字塔 M" (u)、V" (u)、A〃(u)和I" (u)，u = 1，2，3進(jìn)行差分處理，使每個(gè)高斯金字塔得到兩幅差分圖，即4個(gè)高斯金字塔各自對應(yīng)得到均值熵差分圖、方差熵差分圖、幅值熵差分圖J(V)和亮度變化率熵差分圖/(ν)，ν = 1,2；標(biāo)準(zhǔn)化模塊，用于采用Itti提出的標(biāo)準(zhǔn)化算子N( ·)對所述的差分圖、V(v)、 i(vO和/>) ,V = 1,2分別進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化處理后的均值熵差分圖眾、方差熵差分圖F(V)、幅值熵差分圖Z(V)和變化率熵差分圖7(v0 ,V= 1,2；特征顯著圖生成模塊，分別將標(biāo)準(zhǔn)化子模塊得到的每個(gè)高斯金字塔的兩幅差分圖 ；和1(2)，X代表M、V、A和I，線性融合為一個(gè)顯著圖X，獲得4個(gè)高斯金字塔對應(yīng)的幅值顯著圖眾、方差顯著圖F、幅值顯著圖Z和變化率顯著圖 ";總顯著圖生成模塊，用于將所述的顯著圖眾、V、？和7進(jìn)行線性融合得到一個(gè)總顯著圖S;總顯著圖分割模塊，用于將總顯著圖S由k-means進(jìn)行兩類聚類分割，得到二值圖像，其中高亮部分為候選可疑腫塊；假陽性腫塊濾除模塊，用于采用形態(tài)學(xué)特征和先驗(yàn)知識(shí)濾除候選可疑腫塊中的假陽性腫塊，得到可疑腫塊位置；檢測結(jié)果輸出模塊，用于將可疑腫塊的位置對應(yīng)到增強(qiáng)后的圖像f (X)，在f (X)中標(biāo)記可疑腫塊位置，輸出可疑腫塊檢測結(jié)果。為實(shí)現(xiàn)上述目的，本發(fā)明提供基于視覺注意機(jī)制的乳腺X線影像腫塊檢測方法，包括如下步驟(1)采用直方圖均衡化方法，對原始乳腺X線影像進(jìn)行切割與增強(qiáng)處理，得到增強(qiáng)后的圖像f (X)；(2)將增強(qiáng)后的圖像f (X)以2X2大小的像素進(jìn)行塊劃分，得到像素塊Xii = 1， 2，3，...，N，N為f (X)塊劃分的個(gè)數(shù)，對像素塊Xi i = 1，2，3，...，N提取均值、方差、幅值和亮度變化率4個(gè)特征值；(3)分別用步驟(2)得到的4個(gè)特征值代替像素塊Xi i = 1，2，3，. . .，N，組成均值圖M、方差圖V、幅值圖A和亮度變化率圖I，并對這4個(gè)特征圖分別進(jìn)行歸一化處理，得到歸一化處理后的均值圖M'、方差圖V'、幅值圖A'和亮度變化率圖Γ ；(4)對歸一化處理后的均值圖M'、方差圖V'、幅值圖A'和亮度變化率圖I'各自生成三層高斯金字塔，得到均值圖M'的三層高斯金字塔M' (U)U= 1，2，3，方差圖V' 的三層高斯金字塔V' (U)U = 1，2，3、幅值圖A'的三層高斯金字塔A' (U)U=1，2，3和亮度變化率圖I'的三層高斯金字塔I' (u)u = 1,2,3；(5)將金字塔中的特征圖轉(zhuǎn)化為特征熵圖；5a)設(shè)所述的4個(gè)三層高斯金字塔M' (u),V' (u),A' (u), I ‘ (u)中的每幅圖像為 X' (11)，父代表]\^、六和1，11=1，2，3;5b)對X' (U)的每個(gè)像素點(diǎn)\ t = 1，2，3，. . .，η取7X7窗口，計(jì)算在7X7鄰域內(nèi)的熵值H (Xt)
TH(xt) = Yj-Ptb Iogptb，
b=l其中T為該鄰域內(nèi)出現(xiàn)的灰度級數(shù)目，Ptb為灰度級b在該鄰域內(nèi)出現(xiàn)的概率，Ptb = nb' /49，nb'為灰度級b在該鄰域內(nèi)出現(xiàn)的次數(shù)，η為X' (U)中包含的像素?cái)?shù)目；5c)用得到的熵值H(xt)t = 1，2，3，...，n組成特征熵圖X" (U)X代表M、V、A和 I，u=l，2，3，fflX〃 (u)代替X' (u)，得到均值熵圖的三層高斯金字塔M〃 (u)u = 1,2, 3、方差熵圖的三層高斯金字塔V" (U)U= 1，2，3、幅值熵圖的三層高斯金字塔A" (U)U = 1，2，3和亮度變化率熵圖的三層高斯金字塔I 〃 (u),U = 1,2,3；(6)采用中央鄰域差分方法，分別對均值熵圖的三層高斯金字塔M" (U)、方差熵圖的三層高斯金字塔V" (U)、幅值熵圖的三層高斯金字塔A" (u)和亮度變化率熵圖的三層高斯金字塔I" (u), u = 1，2，3進(jìn)行差分處理，使每個(gè)高斯金字塔得到兩幅差分圖，即4 個(gè)高斯金字塔各自對應(yīng)得到均值熵差分圖、方差熵差分圖、幅值熵差分圖和亮度變化率熵差分圖/(ν)，ν = 1,2 ；(7)采用Itti提出的標(biāo)準(zhǔn)化算子N( ·)對均值熵差分圖、方差熵差分圖、 幅值熵差分圖和亮度變化率熵差分圖/(vO，v = 1，2分別進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化處理后的均值熵差分圖眾(ν)、方差熵差分圖F(V)、幅值熵差分圖Z(V)和變化率熵差分圖 T(v) ,V = 1,2 ；(8)分別將步驟(7)得到的每個(gè)高斯金字塔的兩幅差分圖1(1)和1(2)，X代表M、 V、A和I，線性融合為一個(gè)顯著圖X，獲得4個(gè)高斯金字塔對應(yīng)的幅值顯著圖眾、方差顯著圖 ν、幅值顯著圖Z和變化率顯著圖 "；
(9)將所述的顯著圖眾、F、Z和7進(jìn)行線性融合得到一個(gè)總顯著圖S;(10)將總顯著圖S由k-means進(jìn)行兩類聚類分割，得到二值圖像，其中高亮部分為候選可疑腫塊；(11)采用形態(tài)學(xué)特征和先驗(yàn)知識(shí)濾除候選可疑腫塊中的假陽性腫塊，得到可疑腫塊位置；(12)將可疑腫塊的位置對應(yīng)到增強(qiáng)后的圖像f(X)，在f(X)中標(biāo)記可疑腫塊位置， 輸出可疑腫塊檢測結(jié)果。本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)1)本發(fā)明從人眼的視覺注意機(jī)制著手，模仿放射科醫(yī)生檢測腫塊的機(jī)理進(jìn)行腫塊檢測，是一種新的腫塊檢測系統(tǒng)，并得到較高的檢出率和較低的假陽性率。2)本發(fā)明根據(jù)乳腺X線影像中腫塊中心致密、高亮度等特點(diǎn)，采用均值、方差、幅值和亮度變化率4個(gè)特征，比一般使用的紋理特征更好的表示了乳腺X線影像中腫塊的特性。3)本發(fā)明與已有基于視覺注意機(jī)制生成顯著圖的方法相比，在生成特征圖高斯金字塔后，利用信息熵的思想將高斯金字塔中的特征圖轉(zhuǎn)化為特征熵圖，使得到的顯著圖中感興趣區(qū)域與背景區(qū)域的對比度更高。仿真實(shí)驗(yàn)結(jié)果表明，本發(fā)明提出的基于視覺注意機(jī)制的乳腺X線影像腫塊檢測系統(tǒng)提高了腫塊的檢出率，降低了假陽性率。


圖1是本發(fā)明的虛擬系統(tǒng)示意圖；圖2是本發(fā)明的檢測方法流程圖；圖3是本發(fā)明中對圖像進(jìn)行塊劃分的示意圖；圖4是本發(fā)明檢測流程的結(jié)果圖；圖5是本發(fā)明的仿真結(jié)果圖。
具體實(shí)施例方式參照圖1，本發(fā)明的基于視覺注意機(jī)制的乳腺X線影像腫塊檢測系統(tǒng)為由計(jì)算機(jī)軟件構(gòu)成的虛擬系統(tǒng)，它包括影像預(yù)處理模塊、特征提取模塊、特征圖生成模塊、高斯金字塔生成模塊、特征圖轉(zhuǎn)化模塊、差分模塊、標(biāo)準(zhǔn)化模塊、特征顯著圖生成模塊、總顯著圖生成模塊、總顯著圖分割模塊、假陽性腫塊濾除模塊和檢測結(jié)果輸出模塊，這些功能模塊相互配合，共同完成對乳腺X線影像腫塊的檢測。其中影像預(yù)處理模塊，采用直方圖均衡化方法，對原始乳腺X線影像進(jìn)行切割與增強(qiáng)處理，得到增強(qiáng)后的圖像f (X)；特征提取模塊，將增強(qiáng)后的圖像f (X)以2X2大小的像素進(jìn)行塊劃分，得到像素塊 Xi 1 = 1,2,3, ...，N，N為f (X)塊劃分的個(gè)數(shù)，對像素塊Xi i = 1,2,3, ...，N提取均值、 方差、幅值和亮度變化率4個(gè)特征值；特征圖生成模塊，分別用特征提取模塊得到的4個(gè)特征值代替像素塊Xii = 1,2, 3. . .，N，組成均值圖M、方差圖V、幅值圖A和亮度變化率圖I，并對這4個(gè)特征圖分別進(jìn)行歸一化處理，得到歸一化處理后的均值圖M'、方差圖V'、幅值圖A'和亮度變化率圖Γ ；高斯金字塔生成模塊，對歸一化處理后的均值圖M'、方差圖V'、幅值圖A'和亮度變化率圖Γ各自生成三層高斯金字塔，得到均值圖M'的三層高斯金字塔M' (u) u =1，2，3，方差圖V'的三層高斯金字塔V' (U)U= 1，2，3、幅值圖A'的三層高斯金字塔 A' (U)U= 1，2，3和亮度變化率圖I'的三層高斯金字塔I' (u)u = 1,2,3；特征圖轉(zhuǎn)化模塊，包括預(yù)標(biāo)記子模塊、鄰域熵值計(jì)算子模塊和特征熵圖生成子模塊。該預(yù)標(biāo)記子模塊，將所述的4個(gè)三層高斯金字塔M' (u),V' (u),A' (u),I' (u)中的每幅圖像設(shè)為X' (11)4代表1￥4和1，11=1，2，3;該鄰域熵值計(jì)算子模塊，對乂' (u) 的每個(gè)像素點(diǎn)xt t = 1，2，3，...，η取7X7窗口，計(jì)算在7X7鄰域內(nèi)的熵值H(Xt)
權(quán)利要求
1. 一種基于視覺注意機(jī)制的乳腺X線影像腫塊檢測系統(tǒng)，包括 影像預(yù)處理模塊，用于采用直方圖均衡化方法，對原始乳腺X線影像進(jìn)行切割與增強(qiáng)處理，得到增強(qiáng)后的圖像f (X)；特征提取模塊，用于將增強(qiáng)后的圖像f (X)以2X2大小的像素進(jìn)行塊劃分，得到像素塊 Xi i = 1,2,3, ...，N，N為f (X)塊劃分的個(gè)數(shù)，對像素塊Xi i = 1,2,3, ...，N提取均值、 方差、幅值和亮度變化率4個(gè)特征值；特征圖生成模塊，分別用特征提取模塊得到的4個(gè)特征值代替像素塊Xii = 1,2,3...， N,組成均值圖M、方差圖V、幅值圖A和亮度變化率圖I，并對這4個(gè)特征圖分別進(jìn)行歸一化處理，得到歸一化處理后的均值圖M'、方差圖V'、幅值圖A'和亮度變化率圖Γ ；高斯金字塔生成模塊，用于對歸一化處理后的均值圖M'、方差圖V'、幅值圖A'和亮度變化率圖Γ各自生成三層高斯金字塔，得到均值圖M'的三層高斯金字塔M' (u)u =1，2，3，方差圖V'的三層高斯金字塔V' (U)U= 1，2，3、幅值圖A'的三層高斯金字塔 A' (U)U= 1，2，3和亮度變化率圖I'的三層高斯金字塔I' (u)u = 1,2,3； 特征圖轉(zhuǎn)化模塊，包括預(yù)標(biāo)記子模塊，用于將所述的4個(gè)三層高斯金字塔M' (u)，V' (u),A' (u)，I' (u) 中的每幅圖像設(shè)為X' (u)，X代表M、V、A和I,u= 1,2,3 ；鄰域熵值計(jì)算子模塊，用于對X' (u)的每個(gè)像素點(diǎn)Xt t= 1，2，3，...，η取7X7窗口，計(jì)算在7X7鄰域內(nèi)的熵值H(Xt)
2. 一種基于視覺注意機(jī)制的乳腺X線影像腫塊檢測方法，包括如下步驟(1)采用直方圖均衡化方法，對原始乳腺X線影像進(jìn)行切割與增強(qiáng)處理，得到增強(qiáng)后的圖像f00 ；(2)將增強(qiáng)后的圖像f(X)以2X2大小的像素進(jìn)行塊劃分，得到像素塊Xii= 1,2, 3，· · ·，N，N為f (X)塊劃分的個(gè)數(shù)，對像素塊Xi i = 1,2,3,...，N提取均值、方差、幅值和亮度變化率4個(gè)特征值；(3)分別用步驟O)得到的4個(gè)特征值代替像素塊Xii = 1，2，3，...，N，組成均值圖 M、方差圖V、幅值圖A和亮度變化率圖I，并對這4個(gè)特征圖分別進(jìn)行歸一化處理，得到歸一化處理后的均值圖M'、方差圖V'、幅值圖A'和亮度變化率圖Γ ；(4)對歸一化處理后的均值圖M'、方差圖V'、幅值圖A'和亮度變化率圖Γ各自生成三層高斯金字塔，得到均值圖M'的三層高斯金字塔M' (U)U= 1，2，3，方差圖V'的三層高斯金字塔V' (U)U = 1，2，3、幅值圖A'的三層高斯金字塔A' (U)U = 1，2，3和亮度變化率圖I'的三層高斯金字塔I' (u)u = 1,2,3；(5)將金字塔中的特征圖轉(zhuǎn)化為特征熵圖；5a)設(shè)所述的4個(gè)三層高斯金字塔M' (u),V' (u),A' (u), I ‘ (u)中的每幅圖像為 X' (11)，父代表]\^、六和1，11 = 1，2，3;5b)對X' (u)的每個(gè)像素點(diǎn)\ t = 1,2,3, . . .，η取7X7窗口，計(jì)算在7X7鄰域內(nèi)的熵值H (Xt)
3.根據(jù)權(quán)利要求2所述的方法，其中步驟1所述的采用直方圖均衡化方法，對原始乳腺 X線影像進(jìn)行切割與增強(qiáng)處理，按如下步驟進(jìn)行l(wèi)a)對輸入的原始乳腺X影像采用圖像水平和垂直的計(jì)算機(jī)自動(dòng)切割方法，切除圖像的背景和圖像中存在的人為印記，得到切割后的乳腺X影像；lb)對切割后的乳腺X線影像采用直方圖均衡化增強(qiáng)處理去除噪聲，得到增強(qiáng)后的圖像 f00。
4.根據(jù)權(quán)利要求2所述的方法，其中步驟4所述的對歸一化處理后的均值圖M'、方差圖V'、幅值圖A'和亮度變化率圖Γ各自生成三層高斯金字塔，按如下步驟進(jìn)行4a)分別以均值圖M'、方差圖V'、幅值圖A'和亮度變化率圖Γ作為高斯金字塔第一層 M' (1)、V' (1)、A' (1)和 Γ (1)；4b)分別對所述的M' (1)、V' (1)、A' (1)和Γ (1)進(jìn)行下2采樣，用下2采樣后得到的圖像M' (2), V' (2), A' (2)和I' (2)作為高斯金字塔的第二層；4c)分別對所述的M' (2), V' (2), A' (2)和I' (2)進(jìn)行下2采樣，用下2采樣后得到的圖像M'⑶、Ψ (3)、Α' (3)和I' (3)作為高斯金字塔的第三層。
5.根據(jù)權(quán)利要求2所述的方法，其中步驟6所述的采用中央鄰域差分方法，分別對均值熵圖的三層高斯金字塔Μ" (U)、方差熵圖的三層高斯金字塔V" (U)、幅值熵圖的三層高斯金字塔A" (u)和亮度變化率熵圖的三層高斯金字塔I 〃(u)，u= 1，2，3進(jìn)行差分處理，按如下步驟進(jìn)行6a)將所述的M"⑵、N" (2), K" (2)和I 〃(2)采用立方插值方法放大兩倍，得到放大兩倍后的均值熵圖眾"(2)、方差熵圖F"(2)、幅值熵圖和亮度變化率熵圖7"(2);6b)將所述的M〃(3)、V" (3)、A" (3)和1〃(3)采用立方插值方法放大四倍，得到放大四倍后的均值熵圖眾"⑶、方差熵圖F"(3)、幅值熵圖"(3)和亮度變化率熵圖 ""(3);6c)分別用所述的Μ" (1)、V" (1)、A" (1)和 I" (1)與所述的眾"(2)、F"(2)、Z"(2) 和7"(2)逐像素相減，得到均值熵差分圖、方差熵差分圖P(I)、幅值熵差分圖i(l)和亮度變化率熵差分圖/(1)；6d)分別用所述的 M" (1)、V" (1)、A" (1)和 I" (1)與所述的 M"(3)、F"(3)、Z"(3) 和7"(3)逐像素相減，得到均值熵差分圖☆⑵、方差熵差分圖P⑵、幅值熵差分圖i(2)和亮度變化率熵差分圖/(2)。
6.根據(jù)權(quán)利要求2所述的方法，其中步驟7所述采用Itti提出的標(biāo)準(zhǔn)化算子Ν(·)對均值熵差分圖、方差熵差分圖、幅值熵差分圖成vO和亮度變化率熵差分圖/(vO，V =1，2分別進(jìn)行標(biāo)準(zhǔn)化處理，按如下步驟進(jìn)行7a)將所述的差分圖、F(v)、i(v)和/(ν) ,ν = 1,2中每幅圖像設(shè)為f (ν)，X代表 M、V、A 禾口 I，v= 1,2 ；7b)將的像素值歸一化到W，...，W]，W是最大像素值，取值為10 ； 7c)找出f (ν)所有像素值中的最大值W，并計(jì)算出除W外所有局部最大值的均值w ； 7d)將的所有像素值乘以(Wi)2，得到標(biāo)準(zhǔn)化處理后的特征熵差分圖X(V)，X代表 M、V、A 和 I，ν = 1,2ο
全文摘要
本發(fā)明公開了一種基于視覺注意機(jī)制的乳腺X線影像腫塊檢測系統(tǒng)及檢測方法，主要解決現(xiàn)有技術(shù)的檢出率較低、假陽性率偏高問題。整個(gè)系統(tǒng)包括影像預(yù)處理模塊、特征提取模塊、腫塊檢測模塊和檢測結(jié)果輸出模塊。影像預(yù)處理模塊對原始影像進(jìn)行預(yù)處理；特征提取模塊對預(yù)處理后的圖像提取特征值；腫塊檢測模塊，先對特征值生成特征圖的高斯金字塔；再對高斯金字塔進(jìn)行處理得到總顯著圖；最后對總顯著圖進(jìn)行分割，得到候選可疑腫塊并濾除其假陽性腫塊；通過檢測結(jié)果輸出模塊輸出檢測結(jié)果。本發(fā)明具有對乳腺X線影像腫塊的檢出率高，假陽性率低的優(yōu)點(diǎn)，可用于醫(yī)學(xué)圖像的感興趣區(qū)域檢測及其輔助診斷。
文檔編號(hào)G06K9/54GK102289657SQ20111012272
公開日2011年12月21日 申請日期2011年5月12日 優(yōu)先權(quán)日2011年5月12日
發(fā)明者侯彪, 周治國, 焦李成, 王爽, 田小林, 緱水平, 趙一帆 申請人:西安電子科技大學(xué)