生存曲线图像原始数据提取方法与流程
本发明涉及医学图像处理,特别涉及一种生存曲线图像原始数据提取方法,主要针对kaplan-meier生存曲线图像的曲线识别、坐标映射、质量校验和结构化数据导出。
背景技术:
1、在肿瘤学、临床医学、流行病学及药物疗效研究中,kaplan-meier生存曲线常用于展示总生存期、无进展生存期、无事件生存期等随时间变化的概率数据。许多公开论文、会议资料或扫描文档只提供曲线图像,而未提供原始逐点数据。若需要进行二次分析、证据整合、建模或复核,通常需要将曲线图像重新数字化为坐标点。
2、现有处理方式主要包括人工读取、通用图表数字化工具以及简单图像分割程序。人工读取依赖操作者逐点点击或肉眼估计,效率低、重复性差,面对大量图片时工作量很大。通用图表数字化工具通常需要人工标定坐标轴、人工选择曲线颜色或逐条曲线处理,对kaplan-meier曲线的阶梯状结构、曲线重叠、浅色线、虚线、图例、文字和number at risk表格干扰缺乏专门约束。简单图像分割程序虽然可以提取部分像素,但容易把坐标轴、网格线、图例、文字、表格或参考线误识别为曲线,也难以区分多条颜色相近或灰度相近的曲线。
3、对于生存曲线图像,现有技术至少存在以下不足:
4、1.对曲线绘图区roi的定位和调整不够灵活,容易将标题、图例、坐标轴外文字或下方风险表纳入处理范围。
5、2.对坐标轴、非曲线文字、图例、表格线、全局参考线等干扰结构缺乏针对性抑制。
6、3.对彩色曲线、灰度曲线、浅色曲线、虚线和断裂线段的兼容性不足。
7、4.对多条曲线的分离多依赖单一颜色阈值,面对颜色接近、线条重叠或曲线局部贴近时容易漏检或重复识别。
8、5.输出结果常停留在归一化坐标或像素坐标层面,未强制进行真实坐标轴映射,导致后续数据使用时还需要二次换算。
9、6.缺少可视化叠加验证、质量评分、调试中间结果和复核机制,难以判断输出是否可信。
10、因此,需要一种面向生存曲线图像特点的半自动曲线坐标提取方法,在人工确认绘图区和真实坐标轴范围的基础上,通过图像处理、曲线跟踪、质量控制和结果可视化,提高生存曲线图像数字化的效率和一致性。
技术实现思路
1、为了解决现有生存曲线图像数字化过程中人工操作繁琐、曲线误检漏检、坐标映射不可靠、输出结果难以复核的问题;本发明提出一种生存曲线图像原始数据提取方法,可自动抑制图像干扰、精准分离多条生存曲线并完成坐标换算,结合质量评价与可视化复核,大幅提升生存曲线数据提取的效率与准确性。
2、为实现上述目的,所采取的技术方案是:
3、本发明提供一种生存曲线图像原始数据提取方法,包括以下步骤:
4、s1:获取待处理的生存曲线图像,并在图像中确定绘图区roi;
5、s2:接收用户输入的真实坐标轴范围,所述真实坐标轴范围包括x轴最小值、x轴最大值、y轴最小值和y轴最大值;
6、s3:对绘图区roi进行图像预处理,提取初始墨迹掩膜;
7、s4:对所述初始墨迹掩膜进行非曲线结构抑制处理,得到曲线基础掩膜;
8、s5:根据预期曲线数量,对所述曲线基础掩膜中的曲线像素进行多曲线分离,得到多条单曲线掩膜;
9、s6:对所述单曲线掩膜进行骨架化和有序跟踪,生成每条曲线的有序轨迹点集,所述轨迹点集包含像素坐标;
10、s7:将所述像素坐标映射为绘图区roi内归一化坐标,并根据所述真实坐标轴范围将所述归一化坐标转换为真实坐标;
11、s8:输出每条曲线的真实坐标数据、可视化复核图像以及质量评价报告。
12、根据本发明生存曲线图像原始数据提取方法,进一步地,步骤s3具体包括:
13、将绘图区roi转换为灰度图和rgb图并执行高斯平滑;
14、对灰度图使用亮度阈值提取暗色墨迹区域,同时在hsv颜色空间中利用饱和度与明度条件补充彩色或浅色曲线像素;
15、对提取结果进行面积开运算去除噪声点,生成初始墨迹掩膜。
16、根据本发明生存曲线图像原始数据提取方法,进一步地,步骤s4具体包括:
17、采用水平与垂直方向的形态学开运算检测坐标轴候选结构,并根据长度、位置、面积及方向特征筛选出横轴与纵轴掩膜,从初始墨迹掩膜中扣除;
18、基于连通域的面积、宽高比、填充率及所在位置特征,过滤文字块、图例块、表格和参考线;
19、对绘图区roi的顶部边界和左侧边界进行边界重叠恢复,保留与坐标轴重叠的有效像素。
20、根据本发明生存曲线图像原始数据提取方法,进一步地,步骤s5中多曲线分离具体包括:对于彩色曲线,在rgb、hsv或lab颜色空间中分析曲线候选像素,采用k-means聚类、高斯混合模型或谱聚类方法,根据预期曲线数量分离不同颜色的曲线;对于灰度曲线,以图像列维度像素分布特征划分曲线层级,依托稳定参考列构建曲线初始分类基准,结合像素垂直位置关联与局部连通特征完成像素归类,得到各灰度曲线对应的单曲线掩膜。
21、根据本发明生存曲线图像原始数据提取方法,进一步地,步骤s6中,对骨架化后的单像素曲线进行有序跟踪时,沿图像横向坐标递增方向对曲线骨架进行扫描以生成轨迹点集,轨迹生成规则包括:
22、基于局部支撑判断,选取邻域内具有足够曲线支撑的候选点;
23、引入与上一有效轨迹点的位置接近度约束,选取距离最近的候选点;
24、引入纵向跳变约束机制,抑制相邻列y方向像素坐标大幅突变;
25、设置缺口容忍范围,当相邻有效跟踪点间距不超过预设像素阈值时,兼容该像素缺口并沿曲线走向继续扫描跟踪,维持单条曲线轨迹的连续性;
26、施加针对生存曲线形态的阶梯约束,使轨迹整体保持下降或持平的走向,并压缩水平运行段中的冗余点。
27、根据本发明生存曲线图像原始数据提取方法,进一步地,步骤s6之后还包括轨迹后处理与质量控制步骤:对所得轨迹执行去噪和修正处理;计算每条曲线的质量指标,该指标包括曲线横向跨度、纵向下降量、起点高度、局部支撑比例、异常上跳比例以及极端跳变情况;对过短轨迹、低支撑轨迹或顶部伪水平线进行过滤剔除;对两条曲线间的重复轨迹、同步异常跳变、共享伪平台及多次交叉进行成对检查,最终生成精修轨迹、质量分数与问题列表。
28、根据本发明生存曲线图像原始数据提取方法,进一步地,所述方法还包括救援模式:当默认提取模式下输出的曲线数量少于预期曲线数量,或存在浅色线、虚线、低饱和度曲线、细线漏检时,启用所述救援模式;救援模式放宽颜色与形态学过滤条件,从曲线基础掩膜中提取线状掩膜、颜色线条掩膜及分裂掩膜,基于各类掩膜生成候选轨迹;再按照曲线支撑度、横向跨度以及与已有轨迹的差异性对候选轨迹进行排序,筛选非重复轨迹以补足预期曲线数量。
29、根据本发明生存曲线图像原始数据提取方法,进一步地,步骤s8中输出的可视化复核图像包括:
30、原图叠加图,用于展示提取的有序轨迹与原始图像中曲线像素的贴合程度;
31、高对比叠加图,采用增强对比度显示方式提高复核可读性;
32、重绘图,根据归一化坐标或真实坐标重新绘制的阶梯状生存曲线;
33、以及调试中间图,包括绘图区roi、初始墨迹掩膜、曲线基础掩膜及分离后的单曲线掩膜。
34、根据本发明生存曲线图像原始数据提取方法,进一步地,所述方法通过桌面端图形用户界面实现,所述界面集成以下交互模块:
35、图像选择与显示模块,用于加载并展示原始图像;
36、roi交互框选模块,支持用户手动拖拽或使用自动检测结果确定绘图区roi;
37、参数输入模块,用于接收预期曲线数量及真实坐标轴范围;
38、提取控制模块,用于启动提取流程及救援模式;
39、结果展示模块,用于显示真实坐标数据、可视化复核图像及质量评价报告。
40、采用上述技术方案,所取得的有益效果是:
41、1、本发明采用人工框选与自动检测相结合的方式划定绘图区roi,可有效隔离图片标题、图例、风险统计表及图外空白区域,从源头减少无关元素对生存曲线识别工作造成的干扰。
42、2、本发明综合运用灰度阈值分割、hsv色彩空间像素补充、形态学坐标轴检测、连通域特征筛选以及边界重叠像素恢复等多重图像处理手段,最大程度保留有效曲线像素,显著降低坐标轴、文字、参考线等非曲线结构被误识别的概率。
43、3、依托lab颜色空间聚类、图像骨架化、列向轨迹跟踪以及生存曲线专属阶梯形态约束技术,能够兼容彩色曲线、灰度曲线、多条共存曲线、局部重叠曲线以及虚线、断线等各类线条形态,适用场景广泛。
44、4、提取流程中强制要求录入坐标轴真实数值范围,将像素坐标、归一化坐标自动转换为真实坐标,规避了后续人工二次换算产生的误差,直接输出可用于医学统计、数据分析的真实坐标表。
45、5、系统同步生成原图叠加图、高对比叠加图、曲线重绘图以及调试中间图,直观展示曲线提取结果与处理过程,方便工作人员开展人工复核,快速筛除提取质量不合格的图像数据。
46、6、配套完善的质量评分体系与问题标签机制,可精准识别过短轨迹、低支撑轨迹、重复轨迹、坐标异常跳变、共享伪平台等问题,提前预警数据缺陷,避免错误数据流入后续分析环节。
47、7、增设专用救援模式,针对浅色线条、虚线、低饱和度曲线、细线等常规模式难以识别的困难图像进行针对性优化处理,拓展了算法对复杂图像的适配能力与整体处理范围。
48、8、本方案统一规范输出目录结构、文件命名规则与数据字段格式,便于大批量数据的整理、交付、回溯复查,同时也能无缝对接其他应用程序开展后续自动化处理。
49、本方案已基于多张kaplan-meier生存曲线图像完成实例验证,形成o10-a、o12、o14、o17-a等多组测试样例。各样例均可稳定输出结构化坐标数据、曲线叠加图、重绘图及过程调试图。实践证明,本发明适配人工主导、程序辅助的生存曲线数据提取作业模式,能够大幅削减传统逐点手工描点的工作量,提升整体作业效率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com