[发明专利]亚像素级别的实时动态肿瘤图像的定位与匹配方法

说明书

本发明公开了一种亚像素级别的实时动态肿瘤图像的定位与匹配方法，属于医学图像处理领域，要解决的技术问题为如何快速精确的对实时动态图像中的肿瘤组织进行匹配和定位；包括如下步骤：对获取的肿瘤图像进行预处理，肿瘤图像包括原图像和待匹配图像；对预处理后的肿瘤图像进行扫描、并获取肿瘤图像中肿瘤所在区域的边缘坐标，从而对原图像和待匹配图像进行整像素级别匹配，并计算待匹配图像上的肿瘤中心点的整像素级坐标；利用梯度算法对原图像和待匹配图像进行亚像素级别匹配，并计算待匹配图像上的肿瘤中心点的亚像素级坐标。该方法可实现对肿瘤位置的精确匹配及定位。

技术领域

本发明涉及医学图像处理领域，具体地说是一种亚像素级别的实时动态肿 瘤图像的定位与匹配方法。

背景技术

借助计算机视觉技术，对获得的肿瘤图像进行分析、识别与匹配，可以快 速精确的检测肿瘤，帮助医疗专家进行诊疗。目前对于肿瘤的识别与匹配的主 要三大类方法有神经网络学习法、传统滑窗方法、特征值法等。

现在普遍的肿瘤识别技术是利用神经网络提前进行肿瘤组织的外观学习， 之后应用于肿瘤识别上。这种方法的弊端如下：1)需要大量的肿瘤组织数据 来供神经网络进行学习，学习过程需要花费大量时间；2)如果数据样本不够， 在识别的过程中也会遇到识别结果不理想等困难；3)在学习过程中，需要一 定的存储空间来进行数据的存储；4)由于肿瘤的个体差异，对于神经网络的 学习也起到一定阻碍作用；5)其识别与匹配结果的精确度为整像素级别。

对于传统滑窗法和特征值法，虽然可以避免神经网络的学习过程，但如果 直接在癌症识别与匹配中进行应用，其弊端如下：1)滑窗方法匹配结果相对 准确，但其算法的时间复杂度和空间复杂度很高，导致图像匹配时间较长。2) 对于一些辅助诊疗的设备，若精度只能匹配到整像素点，会导致辅助判断结果 不好。3)特征值法是一种较为快速的匹配方法，但需要保证两组匹配图像的 大小一致。等上述问题会大大降低对于癌症的诊疗效率；并加大医生的诊疗压 力和患者的痛苦。

基于上述，如何快速精确的对实时动态图像中的肿瘤组织进行定位，是需 要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供一种亚像素级别的实时动态肿瘤 图像的定位与匹配方法，来解决如何快速精确的对实时动态图像中的肿瘤组织 进行匹配和定位的问题。

本发明的技术任务是按以下方式实现的：

亚像素级别的实时动态肿瘤图像的定位与匹配方法，包括如下步骤：

S1、对获取的肿瘤图像进行预处理，肿瘤图像包括原图像和待匹配图像， 原图像为具有肿瘤组织的图像，待匹配图像为通过仪器观察到的动态图像；

S2、对预处理后的肿瘤图像进行扫描、并获取肿瘤图像中肿瘤所在区域的 边缘坐标，从而对原图像和待匹配图像进行整像素级别匹配，并计算待匹配图 像上的肿瘤中心点的整像素级坐标；

S3、通过构建原图像中肿瘤的整像素级中心点与待匹配图像中肿瘤的整像 素级中心点之间的梯度公式，对原图像和待匹配图像进行亚像素级别匹配，并 计算待匹配图像上的肿瘤中心点的亚像素级坐标。

进一步的，原图像为从诊断过程中拍摄的带有肿瘤组织的图像中截取的肿 瘤组织图像。

进一步的，步骤S1中对获取的肿瘤图像进行预处理为对获取的肿瘤图像 依次进行边缘检测、去边处理和纵-横成像处理，得到肿瘤组织明显的肿瘤图 像。

进一步的，去边处理包括如下步骤：从肿瘤图像的边缘开始，对肿瘤图像 中的像素逐一进行像素值计算，直至遇到像素值为255的像素；并在上述过程 中对像素值为0的像素进行改变，将其像素值由0变为255。

进一步的，纵-横成像处理包括如下步骤：