本發(fā)明屬于醫(yī)學(xué)影像處理，具體涉及一種基于超像素的醫(yī)學(xué)影像數(shù)據(jù)快速標(biāo)記方法。

背景技術(shù)：

1、醫(yī)學(xué)影像是醫(yī)療大數(shù)據(jù)中的重要組成，占醫(yī)院數(shù)據(jù)的90％，醫(yī)學(xué)影像的人工智能研究隨著ai技術(shù)的興起和發(fā)展，當(dāng)前已經(jīng)是非常熱門的研究領(lǐng)域，而其中臟器和疾病的標(biāo)注是醫(yī)學(xué)影像人工智能的基礎(chǔ)，無(wú)論是機(jī)器學(xué)習(xí)還是深度學(xué)習(xí)，都需要大樣本的數(shù)據(jù)及大量的標(biāo)記，而傳統(tǒng)的標(biāo)記方法費(fèi)時(shí)費(fèi)力，且很難保證質(zhì)控要求。另外醫(yī)學(xué)影像受設(shè)備差異及掃描參數(shù)的不同而使得影像灰度存在較大區(qū)別，也對(duì)自動(dòng)化的標(biāo)記算法造成了普適性的問(wèn)題，因此需要更有效地通用方法來(lái)解決該問(wèn)題，提高標(biāo)記效率的同時(shí)也同步提高標(biāo)記質(zhì)量。

2、當(dāng)前主流的目標(biāo)輪廓標(biāo)記方式主要有以下幾種方式：基于手動(dòng)描邊的方式、基于區(qū)域生長(zhǎng)的方式、基于人工智能的方式。

3、基于手動(dòng)描邊的方式主要使用畫筆沿著目標(biāo)輪廓繪制一個(gè)封閉曲線，該曲線圍繞的圖像區(qū)域即為目標(biāo)區(qū)域。

4、基于區(qū)域生長(zhǎng)的方式首先人工選取目標(biāo)區(qū)域種子點(diǎn)，基于種子點(diǎn)及其周圍像素的灰度及梯度差異尋找輪廓邊界，獲得局部區(qū)域，重復(fù)該操作直到整體目標(biāo)都生長(zhǎng)完成。

5、基于人工智能的自動(dòng)分割方式，通過(guò)前期訓(xùn)練分割模型，實(shí)際使用階段就可以通過(guò)模型自動(dòng)完成指定目標(biāo)輪廓標(biāo)記分割。

6、目前幾種方式的缺點(diǎn)如下：

7、基于手動(dòng)描邊的方式需要人工投入比較大的精力完成標(biāo)記任務(wù)，操作復(fù)雜，工作量大，費(fèi)時(shí)，且標(biāo)記輪廓會(huì)因人而異，同時(shí)也會(huì)受顯示器及窗寬窗位顯示等因素的影響，因此該方法技術(shù)含量最低，但是多數(shù)人不愿意使用；

8、基于區(qū)域生長(zhǎng)的方式會(huì)相對(duì)于手動(dòng)描邊的方式便捷些，只要在目標(biāo)區(qū)域逐一點(diǎn)一些種子點(diǎn)即可完成標(biāo)記，但是受目標(biāo)對(duì)比度，色彩均勻度，輪廓清晰度、前背景差異度等影響，很難在統(tǒng)一的生長(zhǎng)條件下完成目標(biāo)區(qū)域完整輪廓的標(biāo)記，需要不斷地調(diào)整生長(zhǎng)參數(shù)，因此需要有一定的圖形圖像經(jīng)驗(yàn)。同時(shí)，也存在部分模糊邊界完全無(wú)法生長(zhǎng)的情況，需要借助手動(dòng)方式進(jìn)行修補(bǔ)。

9、人工智能的方式是全自動(dòng)分割，這是比較新的標(biāo)記方式，可以快速完成整個(gè)目標(biāo)的分割，但是ai模型不具備通用性，只針對(duì)訓(xùn)練過(guò)的目標(biāo)可以實(shí)現(xiàn)自動(dòng)分割，否則不支持，為了訓(xùn)練分割模型，前期需要通過(guò)非人工智能的方式完成大量樣本的標(biāo)記，分割精度受模型算法的影響較大，普遍需要人工精修，因此當(dāng)前有效的模型還是較少。

10、因此研發(fā)一種新型的快速標(biāo)注方法很有必要。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的不足，提供了一種基于超像素的醫(yī)學(xué)影像數(shù)據(jù)快速標(biāo)記方法。

2、為了解決技術(shù)問(wèn)題，本發(fā)明的技術(shù)方法是：一種基于超像素的醫(yī)學(xué)影像數(shù)據(jù)快速標(biāo)記方法，包括以下步驟：

3、步驟1：讀入dicom醫(yī)學(xué)圖像；

4、步驟2：對(duì)dicom醫(yī)學(xué)圖像進(jìn)行灰度映射處理，灰度映射處理后分為3種情況，如果直接進(jìn)行超像素計(jì)算跳到步驟6，如果手動(dòng)標(biāo)記矩形外框，跳到步驟5，如果手動(dòng)標(biāo)記目標(biāo)大致內(nèi)輪廓，跳到步驟3；

5、步驟3：手動(dòng)標(biāo)記目標(biāo)大致內(nèi)輪廓，偏移真實(shí)輪廓距離一個(gè)超像素塊像素平均半徑，但必須保證在目標(biāo)區(qū)域內(nèi)；

6、偏移真實(shí)輪廓距離一個(gè)超像素塊像素平均半徑(偏移真實(shí)輪廓距離平均單個(gè)超像素塊區(qū)域半徑)，比如每個(gè)超像素塊是一個(gè)不規(guī)則形狀，可能覆蓋范圍半徑在某個(gè)數(shù)值范圍內(nèi)，因此取平均值，以確保標(biāo)記區(qū)域不會(huì)偏移過(guò)大導(dǎo)致跟蹤區(qū)域過(guò)大或過(guò)小；

7、步驟4：根據(jù)步驟3手動(dòng)標(biāo)記的內(nèi)輪廓，獲得該內(nèi)輪廓橫縱坐標(biāo)的最大最小值，以此值確定最小外接矩形，并在此基礎(chǔ)上擴(kuò)大3～5個(gè)超像素塊大小的尺寸生成外框，跳到步驟7；

8、步驟5：手動(dòng)標(biāo)記包含目標(biāo)的外矩形框，根據(jù)目標(biāo)尺寸標(biāo)記矩形外框，跳到步驟7；

9、步驟6：無(wú)標(biāo)記，直接以dicom醫(yī)學(xué)圖像全圖為外框；

10、步驟7：提取步驟4、5、6得到的外框所對(duì)應(yīng)的圖像子圖，計(jì)算超像素，得到多個(gè)超像素塊；

11、步驟8：超像素微調(diào)，該微調(diào)通過(guò)兩種方式擇一實(shí)現(xiàn)分割輪廓匹配度優(yōu)化，一種是窗寬窗位調(diào)整，另一種是超像素?cái)?shù)量調(diào)整；

12、步驟9：基于超像素計(jì)算結(jié)果，如果前述步驟有手動(dòng)標(biāo)記內(nèi)輪廓的，則進(jìn)入步驟10，否則進(jìn)入步驟11；

13、步驟10：將手動(dòng)標(biāo)記內(nèi)輪廓與超像素塊進(jìn)行相交運(yùn)算，將輪廓經(jīng)過(guò)的超像素塊做標(biāo)定，這些標(biāo)定的超像素塊所圍繞的環(huán)形外邊界即為目標(biāo)輪廓，通過(guò)補(bǔ)洞算法將該輪廓內(nèi)的所有超像素塊設(shè)置為目標(biāo)區(qū)域，得到標(biāo)記結(jié)果，進(jìn)入步驟11；

14、步驟11：人工點(diǎn)選超像素塊或劃定輪廓區(qū)域超像素塊并自動(dòng)填充，或者對(duì)于步驟10中有偏差的超像素塊進(jìn)行取舍矯正，最終得到有效目標(biāo)區(qū)域，并將其轉(zhuǎn)化為二值圖，此二值圖內(nèi)外輪廓映射到原始dicom醫(yī)學(xué)圖像即為標(biāo)記結(jié)果。

15、優(yōu)選的，所述步驟2根據(jù)檢查項(xiàng)目設(shè)定的默認(rèn)窗寬窗位對(duì)原始dicom醫(yī)學(xué)圖像進(jìn)行灰度映射，使不同設(shè)備、不同掃描參數(shù)獲得的dicom圖像的灰度值控制在統(tǒng)一的標(biāo)準(zhǔn)范圍內(nèi)。

16、優(yōu)選的，所述灰度映射具體方法如下：首先從樣本集中確定一張標(biāo)準(zhǔn)圖，按照dicom字段window?center和window?width獲得dicom圖像的窗寬窗位為gww和gwc，基于窗寬窗位得到有效可視灰度范圍為：

17、

18、接著對(duì)于任何一張dicom圖像可得到對(duì)應(yīng)的有效可視灰度范圍為g'min和g'max；設(shè)dicom圖像某一灰度值為g'org，則灰度映射計(jì)算公式如下：

19、

20、式中：

21、g'org為原始dicom圖像的ct值；

22、g'new為窗寬窗位調(diào)整后的灰度值。

23、優(yōu)選的，所述步驟3中超像素塊指的是所有超像素塊平均尺寸，評(píng)估方法如下：設(shè)超像素?cái)?shù)量為n，原始dicom圖像尺寸為寬度w，高度h，則平均超像素塊像素?cái)?shù)量p為：

24、

25、以類圓來(lái)評(píng)估每個(gè)超像素，則超像素平均半徑為：

26、

27、隨著超像素?cái)?shù)量的增加，超像素平均半徑越小，精細(xì)化程度越高。

28、優(yōu)選的，所述步驟7中超像素計(jì)算采用seeds或lsc超像素算法。

29、優(yōu)選的，所述步驟8中超像素微調(diào)通過(guò)調(diào)整超像素?cái)?shù)量來(lái)實(shí)現(xiàn)，通過(guò)控制超像素切塊大小的參量，對(duì)于不同尺度或不同紋理復(fù)雜度的目標(biāo)組織選擇不同的超像素?cái)?shù)量來(lái)控制分割精細(xì)度及邊緣匹配度，ct圖像控制在[500,6000]范圍內(nèi)。

30、優(yōu)選的，所述步驟10中將手動(dòng)標(biāo)記內(nèi)輪廓與超像素塊進(jìn)行相交運(yùn)算具體為：將手動(dòng)標(biāo)記的內(nèi)輪廓線的每一個(gè)像素點(diǎn)都記錄下來(lái)設(shè)為集合ulabel，生成輪廓二值圖flabel，其中輪廓線值為1，背景為0；同樣將每一個(gè)超像素塊生成二值圖則判斷超像素與輪廓是否相交方法如下：遍歷所有超像素塊則得到所有與輪廓線的相交關(guān)系，將相交的超像素塊合并即得到超像素塊環(huán)，其外邊界即為目標(biāo)輪廓。

31、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：

32、(1)本發(fā)明公開(kāi)了一種基于超像素的醫(yī)學(xué)影像數(shù)據(jù)快速標(biāo)記方法，實(shí)現(xiàn)了一個(gè)半自動(dòng)通用的標(biāo)記方案，解決了醫(yī)學(xué)影像臟器組織標(biāo)記中如質(zhì)量一致性、目標(biāo)普適性、人工工作量、程序計(jì)算效率及計(jì)算量等諸多問(wèn)題；

33、(2)本發(fā)明通過(guò)動(dòng)態(tài)超像素計(jì)算將圖像切塊，通過(guò)手動(dòng)標(biāo)記的內(nèi)輪廓和計(jì)算的超像素切塊匹配獲取有效目標(biāo)區(qū)域，通過(guò)手動(dòng)點(diǎn)選或鼠標(biāo)滑動(dòng)軌跡來(lái)進(jìn)行超像素塊的增減修正，匹配目標(biāo)輪廓，減少計(jì)算量，提升標(biāo)記速度；

34、(3)本發(fā)明手動(dòng)標(biāo)記包含目標(biāo)的外矩形框，可大可小，可減少超像素計(jì)算量及外圍復(fù)雜結(jié)構(gòu)及灰度對(duì)目標(biāo)區(qū)域超像素計(jì)算的影響，提升標(biāo)記速度；

35、(4)本發(fā)明中的人工操作部分僅需要手動(dòng)粗標(biāo)記目標(biāo)內(nèi)輪廓，完全沒(méi)有輪廓精準(zhǔn)度要求，標(biāo)記速度快且隨意性強(qiáng)，可保證不同使用者標(biāo)記結(jié)果的一致性，提高標(biāo)記精準(zhǔn)度。