一种乳腺癌图像信息识别与标记方法与系统与流程

本发明提出了一种乳腺癌图像信息识别与标记方法与系统，属于图像识别。

背景技术：

1、乳腺癌是一种常见的恶性肿瘤，医学影像学常用于乳腺癌的早期检测和诊断。乳腺x射线摄影(乳腺x光照射术或乳腺x线成像)和乳腺超声成像是常见的检测手段，而乳腺核磁共振成像(mri)和乳腺钼靶摄影则用于更详细的评估。医学影像处理技术用于从医学图像中提取有关疾病或异常情况的信息。这包括图像增强、分割、特征提取和分类等操作，用于帮助医生识别疾病迹象。然而，现有技术中的图像信息识别效率较低且准确性较差的问题。

技术实现思路

1、本发明提供了一种乳腺癌图像信息识别与标记方法与系统，用以解决现有技术中的图像信息识别效率较低且准确性较差的问题，所采取的技术方案如下：

2、一种乳腺癌图像信息识别与标记方法，所述乳腺癌图像信息识别与标记方法包括：

3、实时采集乳腺图像数据，并对所述乳腺图像数据进行预处理，获得处理后的乳腺图像；

4、利用阈值分割方法对所述乳腺图像进行分割，获得乳腺异常区域，并对所述乳腺异常区域进行分割，获得异常区域分割结果；

5、将分割结果在原始图像上进行可视化展示和标记，分析进行可视化展示和标记后的图像与原始图像的区别，控制原始图像是否进行保留，其具体步骤包括，

6、步骤a1：利用公式(1)得到进行可视化展示和标记后的图像与原始图像的区别像素点个数

7、

8、其中m表示进行可视化展示和标记后的图像与原始图像的区别像素点个数；[r(a),g(a),b(a)]表示进行可视化展示和标记后的图像中第a个像素点的rgb值；[r(a),g(a),b(a)]表示原始图像中第a个像素点的rgb值；z[]表示归一化函数，若括号内的数值不为0则函数值为1，若括号内的数值为0则函数值为0；n表示图像中像素点的总个数；||表示求取绝对值；

9、步骤a2：利用公式(2)得到进行可视化展示和标记后的图像与原始图像的像素差异最大颜色总值

10、

11、其中dy表示进行可视化展示和标记后的图像与原始图像的像素差异最大颜色总值；max[,,]表示求取括号内逗号隔开的三个值中的最大值；

12、步骤a3：利用公式(3)根据进行可视化展示和标记后的图像与原始图像的区别像素点个数以及像素区别总值控制原始图像是否进行保留

13、

14、其中e表示原始图像是否进行保留的控制值；表示将a的值从1取值到n代入到括号内得到括号内的最大值；∨表示逻辑或；∧表示逻辑且；

15、若e＝1，则表示原始图像需要保留，防止可视化展示和标记后的图像遮挡太严重影像了原始图像；

16、若e＝0，则表示原始图像不需要保留。

17、进一步地，实时采集乳腺图像数据并对所述乳腺图像数据进行预处理，获得处理后的乳腺图像，包括：

18、实时采集乳腺图像数据；

19、对所述乳腺图像数据进行预处理，获得处理后的乳腺图像；其中，所述预处理包括去噪处理、增强处理和直方图均衡化处理。

20、进一步地，利用阈值分割方法对所述乳腺图像进行分割，获得乳腺异常区域，并对所述乳腺异常区域进行分割，获得异常区域分割结果，包括：

21、设置用于进行乳腺异常区域的全局阈值；

22、依次遍历所述乳腺图像的每个像素，将每个像素的灰度值依次与所述全局阈值进行比较；

23、当所述像素的灰度值大于预设的全局阈值时，则将所述灰度值大于所述全局阈值的像素归类为正常组织类别，并将归类为正常组织类别的像素的灰度值调整为第一目标灰度值；

24、当所述像素的灰度值小于或等于预设的全局阈值时，将所述灰度值小于或等于所述全局阈值的像素归类为异常组织类别，并将所述归类为异常组织类别的像素的灰度调整为第二目标灰度；

25、将所述第一目标灰度和第二目标灰度的图像区域进行分割，则获得异常区域分割结果。

26、进一步地，设置用于进行乳腺异常区域的全局阈值，包括：

27、从数据库中调取乳腺癌图像数据；

28、对所述乳腺癌图像数据进行直方图分析，获得乳腺癌图像数据对应的直方图，其中，所述直方图为乳腺癌图像数据中的每个灰度级别像素数量的表格；

29、对所述直方图进行分析，获得所述直方图中一个或多个峰值信息；

30、当所述峰值信息为一个时，则利用所述峰值信息将所述全局阈值设置为0.77p，其中，p表示所述峰值信息对应的数值；

31、当所述峰值信息为多个时，则利用多个所述峰值信息将所述全局阈值设置为0.68×1/n×(p1+p2+……+pn)；其中，n表示所述峰值信息的个数，p1、p1……pn分别表示多个所述峰值信息对应的具体数值。

32、进一步地，所述第一目标灰度值和第二目标灰度值的设置过程包括：

33、从数据库中调取乳腺癌图像数据；

34、对所述乳腺癌图像数据进行直方图分析，获得乳腺癌图像数据对应的直方图，其中，所述直方图为乳腺癌图像数据中的每个灰度级别像素数量的表格；

35、对所述直方图进行分析，获得所述直方图中一个或多个峰值信息，和，一个或多个谷值信息；

36、当所述峰值信息为一个时，则利用所述第二目标灰度将所述全局阈值设置为0.36p，其中，p表示所述峰值信息对应的数值；

37、当所述峰值信息为多个时，则利用多个所述峰值信息将所述第二目标灰度设置为0.34×1/n×(p1+p2+……+pn)；其中，n表示所述峰值信息的个数，p1、p1……pn分别表示多个所述峰值信息对应的具体数值；

38、当所述谷值信息为一个时，则利用所述第一目标灰度将所述全局阈值设置为0.15g，其中，g表示所述谷值信息对应的数值；

39、当所述谷值信息为多个时，则利用多个所述谷值信息将所述第一目标灰度设置为0.17×1/m×(g1+g2+……+gm)；其中，m表示所述谷值信息的个数，g1、g1……gn分别表示多个所述谷值信息对应的具体数值。

40、一种乳腺癌图像信息识别与标记系统，所述乳腺癌图像信息识别与标记系统包括：

41、实时采集模块，用于实时采集乳腺图像数据，并对所述乳腺图像数据进行预处理，获得处理后的乳腺图像；

42、分割模块，用于利用阈值分割方法对所述乳腺图像进行分割，获得乳腺异常区域，并对所述乳腺异常区域进行分割，获得异常区域分割结果；

43、标记及展示模块，用于将分割结果在原始图像上进行可视化展示和标记，分析进行可视化展示和标记后的图像与原始图像的区别，控制原始图像是否进行保留，其具体步骤包括，

44、步骤a1：利用公式(1)得到进行可视化展示和标记后的图像与原始图像的区别像素点个数

45、

46、其中m表示进行可视化展示和标记后的图像与原始图像的区别像素点个数；[r(a),g(a),b(a)]表示进行可视化展示和标记后的图像中第a个像素点的rgb值；[r(a),g(a),b(a)]表示原始图像中第a个像素点的rgb值；z[]表示归一化函数，若括号内的数值不为0则函数值为1，若括号内的数值为0则函数值为0；n表示图像中像素点的总个数；||表示求取绝对值；

47、步骤a2：利用公式(2)得到进行可视化展示和标记后的图像与原始图像的像素差异最大颜色总值

48、

49、其中dy表示进行可视化展示和标记后的图像与原始图像的像素差异最大颜色总值；max[,,]表示求取括号内逗号隔开的三个值中的最大值；

50、步骤a3：利用公式(3)根据进行可视化展示和标记后的图像与原始图像的区别像素点个数以及像素区别总值控制原始图像是否进行保留

51、

52、其中e表示原始图像是否进行保留的控制值；表示将a的值从1取值到n代入到括号内得到括号内的最大值；∨表示逻辑或；∧表示逻辑且；

53、若e＝1，则表示原始图像需要保留，防止可视化展示和标记后的图像遮挡太严重影像了原始图像；

54、若e＝0，则表示原始图像不需要保留。

55、进一步地，所述实时采集模块包括：

56、数据采集模块，用于实时采集乳腺图像数据；

57、预处理模块，用于对所述乳腺图像数据进行预处理，获得处理后的乳腺图像；其中，所述预处理包括去噪处理、增强处理和直方图均衡化处理。

58、进一步地，所述分割模块包括：

59、全局阈值设置模块，用于设置用于进行乳腺异常区域的全局阈值；

60、比较模块，用于依次遍历所述乳腺图像的每个像素，将每个像素的灰度值依次与所述全局阈值进行比较；

61、正常区域获取模块，用于当所述像素的灰度值大于预设的全局阈值时，则将所述灰度值大于所述全局阈值的像素归类为正常组织类别，并将归类为正常组织类别的像素的灰度值调整为第一目标灰度值；

62、异常区域获取模块，用于当所述像素的灰度值小于或等于预设的全局阈值时，将所述灰度值小于或等于所述全局阈值的像素归类为异常组织类别，并将所述归类为异常组织类别的像素的灰度调整为第二目标灰度；

63、区域分割模块，用于将所述第一目标灰度和第二目标灰度的图像区域进行分割，则获得异常区域分割结果。

64、进一步地，所述全局阈值设置模块包括：

65、调取模块，用于从数据库中调取乳腺癌图像数据；

66、直方图获取模块，用于对所述乳腺癌图像数据进行直方图分析，获得乳腺癌图像数据对应的直方图，其中，所述直方图为乳腺癌图像数据中的每个灰度级别像素数量的表格；

67、直方图分析模块，用于对所述直方图进行分析，获得所述直方图中一个或多个峰值信息；

68、第一设置模块，用于当所述峰值信息为一个时，则利用所述峰值信息将所述全局阈值设置为0.77p，其中，p表示所述峰值信息对应的数值；

69、第二设置模块，用于当所述峰值信息为多个时，则利用多个所述峰值信息将所述全局阈值设置为0.68×1/n×(p1+p2+……+pn)；其中，n表示所述峰值信息的个数，p1、p1……pn分别表示多个所述峰值信息对应的具体数值。

70、进一步地，所述第一目标灰度值和第二目标灰度值的设置过程包括：

71、步骤1、从数据库中调取乳腺癌图像数据；

72、步骤2、对所述乳腺癌图像数据进行直方图分析，获得乳腺癌图像数据对应的直方图，其中，所述直方图为乳腺癌图像数据中的每个灰度级别像素数量的表格；

73、步骤3、对所述直方图进行分析，获得所述直方图中一个或多个峰值信息，和，一个或多个谷值信息；

74、步骤4、当所述峰值信息为一个时，则利用所述第二目标灰度将所述全局阈值设置为0.36p，其中，p表示所述峰值信息对应的数值；

75、步骤5、当所述峰值信息为多个时，则利用多个所述峰值信息将所述第二目标灰度设置为0.34×1/n×(p1+p2+……+pn)；其中，n表示所述峰值信息的个数，p1、p1……pn分别表示多个所述峰值信息对应的具体数值；

76、步骤6、当所述谷值信息为一个时，则利用所述第一目标灰度将所述全局阈值设置为0.15g，其中，g表示所述谷值信息对应的数值；

77、步骤7、当所述谷值信息为多个时，则利用多个所述谷值信息将所述第一目标灰度设置为0.17×1/m×(g1+g2+……+gm)；其中，m表示所述谷值信息的个数，g1、g1……gn分别表示多个所述谷值信息对应的具体数值。

78、本发明有益效果：

79、本发明提出了一种乳腺癌图像信息识别与标记方法和系统通过阈值分割方法，该方法能够自动识别和分割乳腺图像中的异常区域，减轻了医生的工作负担，提高了分析的效率。将分割结果可视化展示在原始图像上，有助于医生或分析人员更容易地识别和标记潜在的乳腺癌区域。通过自动分割和可视化标记，该方法有助于早期发现乳腺癌或其他异常，提高了乳腺癌筛查的准确性和及时性。