(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210856483.X (22)申请日 2022.07.20 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 蒲恬　余雪晴　郭璐　蒲红　 彭真明　彭胜坤　 (74)专利代理 机构 成都正煜知识产权代理事务 所(普通合伙) 51312 专利代理师 袁宇霞 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06T 7/00(2017.01) (54)发明名称 一种用于肺部CT影像的纤维化区域的特征 提取方法 (57)摘要 本发明公开了一种用于肺部CT影像的纤维 化区域的特征提取方法， 属于机器视觉及图像处 理应用领域， 解决现有技术采用未针对CT影像和 纤维化区域进行分析的特征， 使训练后得到的分 类器提取的结果敏感性和精确率低的问题。 本发 明获取多张包含纤维化肺部的CT影像， 并建立其 纤维化角点 分布先验； 基于CT影像提取肺部区域 掩模， 得到肺部区域； 基于连通域分析和形态学 操作对CT影像和肺部区域进行处理， 得到候选区 域； 基于候选区域和CT影像的纤维化角点 分布先 验构造统计 特征f1、 形状特征f2和分形特征f3； 级 联统计特征f1、 形状特征f2和分形特征f3构建纤 维化特征模型f。 本发明用于肺部CT影像的纤维 化区域的特 征提取。 权利要求书4页 说明书10页 附图4页 CN 115049850 A 2022.09.13 CN 115049850 A 1.一种用于肺部 CT影像的纤维化区域的特 征提取方法， 其特 征在于， 包括如下步骤： 步骤1： 获取多张包 含纤维化肺部的CT影 像， 并建立 其纤维化角点分布先验； 步骤2： 基于 CT影像提取肺部区域掩 模， 得到肺部区域； 步骤3： 基于连通 域分析和形态学操作对CT影 像和肺部区域进行处 理， 得到候选区域； 步骤4： 基于候选区域和CT影像的纤维化角点分布先验构造统计特征f1、 形状特征f2和 分形特征f3； 步骤5： 级联统计特 征f1、 形状特征f2和分形特征f3构建纤维化特 征模型f。 2.根据权利要求1所述的一种用于肺部CT影像的纤维化区域的特征提取方法， 其特征 在于， 所述 步骤1具体步骤为： 步骤1.1： 获取多张包 含纤维化肺部的CT影 像； 步骤1.2： 人为对比分析包含纤维化肺部的CT影像和健康肺部的CT影像， 观察得到灰度 值变化较大的纤维化区域和纤维化区域的多 条边缘， 将纤维化区域按32 ×32大小的局部窗 口进行划分， 划分后， 得到根据多条边缘中的像素在 对应的局部窗口中的角点数量， 并根据 各局部窗口的角点数量建立纤维化角点分布先验， 其中， 先验具体表现为纤维化区域的像 素在32×32局部窗口内存在的角点数量比健康区域角点数量多， 纤维化区域的角点数量是 同等大小的健康 区域角点数量的4.5倍， 纤维化区域的灰度值方差是同等大小的健康 区域 灰度值方差的4 倍。 3.根据权利要求2所述的一种用于肺部CT影像的纤维化区域的特征提取方法， 其特征 在于， 所述 步骤2具体步骤为： 步骤2.1： 将CT图像的窗宽窗位固定为(16 00，‑400)， 得到8位格式的CT影 像I； 步骤2.2： 利用改进后的U ‑Net网络将步骤2.1得到的CT影像中的肺部区域进行分割， 分 割后提取 得到肺部区域掩 模， 即得到 CT影像I对应的肺部区域 lmask。 4.根据权利要求3所述的一种用于肺部CT影像的纤维化区域的特征提取方法， 其特征 在于， 所述步骤2.2中改进后的U ‑Net网络包括依次相连接的编码 部分、 解码部分和1*1的卷 积层； 编码部分和解码部分各包含依次相连接的5个块， 每个块依次包含卷积层、 激活层、 批 量标准化层， 其中， 卷积层的尺寸是3 *3， 激活函数选用ReLu； 编码部分的各块之间通过2*2的max  pooling下采样进行 连接； 解码部分的各块之间通过2*2的反卷积上采样进行连接， 其中， 解码部分中的各块在解 码过程时， 需结合对应的编码部分中各块获得的特 征图； 改进后的U ‑Net网络的损失函数改进为 IOU损失与二 值交叉熵之和。 5.根据权利要求4所述的一种用于肺部CT影像的纤维化区域的特征提取方法， 其特征 在于： 所述 步骤3具体步骤为： 步骤3.1： 对CT影 像I进行二阶微分锐化， 得到图像Il； 步骤3.2： 根据步骤3.1得到的图像Il， 将图像Il按3×3的大小划分成块， 并在每个3 ×3 的块中计算图像Il的水平和 竖直方向的梯度Ix和Iy， 并计算图像Il在每个像素点处的响应 值R， 公式为：权　利　要　求　书 1/4 页 2 CN 115049850 A 2R＝det(M) ‑kt[trace(M)]2 其中， M是由图像Il在3×3的块中计算得到的水平梯度Ix和竖直梯度Iy组成的矩阵， kt 是控制角点数量的阈值， 经过大量筛选后取0.3， det(M)表示求矩阵M的行列式， trace(M)表 示求矩阵M的迹， 当R大于 设定的阈值并且是局部最大值时标记该像素点为角点， 否则， 该像 素点不是角点； 步骤3.3： 基于图像Il， 将角点的灰度置1， 余下的像素灰度置0， 建立标记图像Ilabel， 计 算标记图像Ilabel中每个像素点在32 ×32的邻域范围内的角点数量， 作为该像素的强度值， 得到图In： 其中， a表示邻域大小， 取16， c， r 表示像素点 坐标； 步骤3.4： 根据步骤3.3得到的图像In， 将其与步骤2.2得到的肺部区域lmask逻辑与， 得到 肺部区域约束后的图像Icon： Icon＝lmaskI In 其中， I表示逻辑与； 步骤3.5： 根据纤维化角点分布先验， 对步骤3.4得到 的图像Icon进行自适应阈值分割， 自适应阈值 为图像Icon平均灰度值的0.6倍， 得到二 值图像Ithreshold； 步骤3.6： 基于二 值图像Ithreshold得到候选区域 Ic。 6.根据权利要求5所述的一种用于肺部CT影像的纤维化区域的特征提取方法， 其特征 在于： 所述 步骤3.6的具体步骤为： 步骤3.61： 设T是和二 值图像Ithreshold同样大小的全0矩阵； 步骤3.62： 按从上到下、 从左向右的顺序， 找到二值图像Ithreshold中的第一个灰度值为 255的像素点， 设该点的坐标为(x， y)； 步骤3.63： 以(x， y)为种子点， 在 二值图像Ithreshol d中找到其对应的连通区域G， 在T中将 对应该连通区域的坐标 灰度值改为1； 步骤3.64： 在T中找到连通域G的外部轮廓， 将外部轮廓对应的像素点的灰度值标记为 2， 并将外 部轮廓记为p， 外 部轮廓像素点的定义式为： 其中， (x， y)表示二值图像Ithreshol d中连通区域G的外部轮廓像素点坐标， bil和bi2表示 给定的偏置， 取值范围为{ ‑1， 1}； 步骤3.65： 在外部轮廓p中进行区域生长， 即从p中任取一像素点pidx， 下标idx表示p中 第idx个像素点， 若在像素点pidx为中心的3 ×3邻域范围内， 所有像素点的灰度值相与等于0 或者1时， 将点pidx灰度值置 3， 并转到步骤3.6 6， 否则， 直接转到步骤3.6 6； 步骤3.66： 若二值图像Ithreshol d中的种子点都已遍历完， 转到步骤3.67， 否则， 转到步骤 3.63继续搜索二 值图像Ithreshold中下一个满足条件的种子点；权　利　要　求　书 2/4 页 3 CN 115049850 A 3