本發(fā)明涉及醫(yī)學(xué)圖像識別技術(shù)領(lǐng)域，尤其涉及一種去背景干擾的醫(yī)學(xué)圖像文字識別增強(qiáng)方法。

背景技術(shù)：

電子計(jì)算機(jī)斷層掃描，即ct（computedtomography），是利用精確準(zhǔn)直的x線束、γ射線、超聲波等，與靈敏度極高的探測器一同圍繞人體的某一部位作連續(xù)的斷面掃描。磁共振成像，即mri（magneticresonanceimaging），也是斷層成像的一種，它利用磁共振現(xiàn)象從人體中獲得電磁信號,并重建出人體信息。

在實(shí)踐中，大部分ct、mri不能將文字信息分層儲存，系統(tǒng)將其標(biāo)識在醫(yī)學(xué)圖像的四個角落，部分疊加在圖像上，影響文字信息的準(zhǔn)確提取，從而影響到醫(yī)學(xué)影像的分類。所述文字信息包括但不限于患者姓名、年齡、性別、檢查號、就診號、時(shí)間、拍攝設(shè)備、ct值、窗寬窗位、fov、kv、mas、矩陣等。為了準(zhǔn)確提取這些文字信息，需要盡量的減少圖像的干擾。

基于ct、mri斷層掃描的連續(xù)性，每次檢查都包含一個或多個序列的圖像，而每個序列都有數(shù)十張或數(shù)百張醫(yī)學(xué)圖像，包含圖像的數(shù)量與醫(yī)生拍攝時(shí)設(shè)置的層厚/層距。其中，層厚指掃描層的厚度，層距指兩層中心之間的距離，一般層厚設(shè)置在2-5mm，層距是連續(xù)的，所以相鄰兩張重建出來的圖像間距在0-10mm之間。ct、mri都是利用人體組織密度的變化或含水量的變化來形成影像的，而人體組織的密度或含水量的變化也是連續(xù)的。因此兩個連續(xù)的掃描層的外形以及內(nèi)部影像有較大的相似度，層厚越薄、層距越小相似度越高。

鑒于ct、mri這種斷層醫(yī)學(xué)圖像的特性：同序列的圖片標(biāo)注的檢查號、就診號、姓名、年齡、性別這類都是相同的，且絕對位置及單幅圖像的尺寸及這些信息的顏色值是固定的。本發(fā)明方法提出了通過反相疊加相減去除斷層醫(yī)學(xué)圖像的背景干擾，來提高醫(yī)學(xué)文字信息的識別率。

技術(shù)實(shí)現(xiàn)要素：

為解決上述問題，本發(fā)明提出了一種去背景干擾的醫(yī)學(xué)圖像文字識別增強(qiáng)方法，通過去除斷層醫(yī)學(xué)圖像的背景干擾，大大地提高了醫(yī)學(xué)圖像文字信息的識別。

本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)了一種去背景干擾的醫(yī)學(xué)圖像文字識別增強(qiáng)方法，其包括：

按照預(yù)先設(shè)定的規(guī)則在同一序列中選取兩張相鄰且相似的原醫(yī)學(xué)圖像；

對一張醫(yī)學(xué)圖像rgb顏色進(jìn)行反相處理，生成新的醫(yī)學(xué)圖像；

并與另一張?jiān)t(yī)學(xué)圖像進(jìn)行相減取絕對值；

進(jìn)行二值化處理，得到文字識別增強(qiáng)的醫(yī)學(xué)圖像；

所述反相處理是指將醫(yī)學(xué)圖像的顏色色相反轉(zhuǎn)。

進(jìn)一步地，所述預(yù)先設(shè)定的規(guī)則指依照拍攝部位的特性，選取兩張相似的醫(yī)學(xué)圖像。

本發(fā)明通過反相疊加相減去除斷層醫(yī)學(xué)圖像的背景干擾，得到高質(zhì)量的醫(yī)學(xué)文字信息，從而便于醫(yī)學(xué)影像的分類，患者、醫(yī)生的識別。

附圖說明

圖1：實(shí)施例一的顱腦ct圖。

圖2：實(shí)施例二的縱隔窗ct圖。

具體實(shí)施方式

下面結(jié)合實(shí)施例及附圖對本發(fā)明做進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限于此。

結(jié)合實(shí)施例一顱腦ct圖對本發(fā)明方法進(jìn)行詳述。其步驟包括：

（1）選取患者顱腦ct檢查的同一序列的兩張相鄰的醫(yī)學(xué)圖像，其選擇方法：基于頭顱是橢圓形的球體，其同一個序列的起始部分和結(jié)束部分截面積的變化較大，而本發(fā)明提供的方法是兩張圖片越相似效果越好，所以這時(shí)選取中間部分兩張連續(xù)的切片圖像比較優(yōu)。如圖1，選取了一個包含了25張圖像的顱腦ct序列的部分切片。其中a和b是起始部分的連續(xù)兩張，c和d是中間部分的連續(xù)兩張，e和f是結(jié)束部分的連續(xù)兩張。通過對比可以看出起始部分的a和b以及結(jié)束部分的e和f的相似度較低，而中間部分的c和d相似度較高。所以本方適合選取c和d作為處理對象。

（2）對一張醫(yī)學(xué)圖像rgb顏色進(jìn)行反相處理，生成新的醫(yī)學(xué)圖像。

（3）新醫(yī)學(xué)圖像與步驟（1）中另一張?jiān)t(yī)學(xué)圖像按相同坐標(biāo)的像素的rgb值進(jìn)行相減并取絕對值。

（4）將步驟（3）處理完成的圖像做二值化處理，閾值為255，小于255的置為0，得到文字識別增強(qiáng)的醫(yī)學(xué)圖像。

結(jié)合實(shí)施例二縱隔窗ct圖對本發(fā)明方法進(jìn)行詳述。其步驟包括：

（1）選取患者縱隔窗ct檢查的同一序列的兩張相鄰的醫(yī)學(xué)圖像，其選擇方法：基于縱膈窗的影像在起始部分變化較大，在靠近結(jié)束部分的變化較小，所以選取靠近結(jié)束部位的兩張連續(xù)的切片比較優(yōu)。如附圖2，選取了一個包含了65張圖像的肺部ct縱膈窗序列中的部分切片。其中a和b是起始部分的連續(xù)兩張，c和d是中間部分的連續(xù)兩張，e和f是結(jié)束部分的連續(xù)兩張。通過對比可以看出起始部分的a和b以及中間部分的c和d的相似度較低，而結(jié)束部分的e和f相似度較高。所以本方適合選取e和f作為處理對象。

（2）對一張醫(yī)學(xué)圖像rgb顏色進(jìn)行反相處理，生成新的醫(yī)學(xué)圖像。

（3）新醫(yī)學(xué)圖像與步驟（1）中另一張?jiān)t(yī)學(xué)圖像按相同坐標(biāo)的像素的rgb值進(jìn)行相減并取絕對值。

（4）將步驟（3）處理完成的圖像做二值化處理，閾值為255，小于255的置為0，得到文字識別增強(qiáng)的醫(yī)學(xué)圖像。

上所述，僅是本發(fā)明的較佳兩個實(shí)施例而已，并非對本發(fā)明作任何形式上的限制，雖然本發(fā)明已以較佳實(shí)施例揭示如上，然而并非用以限定本發(fā)明，任何本領(lǐng)域技術(shù)人員，在不脫離本發(fā)明技術(shù)方案范圍內(nèi)，當(dāng)可利用上述揭示的技術(shù)內(nèi)容做出些許更動或修飾為等同變化的等效實(shí)施例，但凡是未脫離本發(fā)明技術(shù)方案內(nèi)容，依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對以上實(shí)施例所作的任何簡介修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍。

技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明涉及一種去背景干擾的醫(yī)學(xué)圖像文字識別增強(qiáng)方法，其步驟包括：先按照預(yù)先設(shè)定的規(guī)則在同一序列中選取兩張相鄰且相似的原醫(yī)學(xué)圖像；然后對一張醫(yī)學(xué)圖像RGB顏色進(jìn)行反相處理，生成新的醫(yī)學(xué)圖像；再將新醫(yī)學(xué)圖像與另一張?jiān)t(yī)學(xué)圖像進(jìn)行相減取絕對值；最后通過二值化處理，得到文字識別增強(qiáng)的醫(yī)學(xué)圖像。本發(fā)明方法通過過反相疊加相減去除斷層醫(yī)學(xué)圖像的背景干擾，得到高質(zhì)量的醫(yī)學(xué)文字信息，從而便于醫(yī)學(xué)影像的分類，患者、醫(yī)生的識別。

技術(shù)研發(fā)人員：程國華;溫婷;代漢章;萬強(qiáng);季紅麗
受保護(hù)的技術(shù)使用者：杭州健培科技有限公司
技術(shù)研發(fā)日：2017.05.25
技術(shù)公布日：2017.09.29