一种辅助肿瘤诊断的图像处理方法、系统及存储介质

1.本发明属于医学图像处理技术领域，具体涉及一种辅助肿瘤诊断的图像处理方法、系统及存储介质。


背景技术：

2.肿瘤发病率近些年不断提高，诊断过程中，肿瘤图像的精确分割是疾病筛查等实际应用的主要依据。但对肿瘤图像的分割很大程度上依赖于医师的专业经验和鉴别水平，主观性较强，由于医师的鉴别水平不一样，会造成对同一病灶的鉴别结果存在差异。随着科学技术的不断进步，医学图像自动分割技术取得了很大进展，以计算机图像处理技术为核心的计算机辅助鉴别系统是未来精准医疗发展的重要方向。
3.现有技术中，比如中国专利cn116030971a，公开了一种用于肝脏肿瘤良恶性分类的智能辅助系统，在放缩预处理单元、数据扩增预处理单元对超声图像进行预处理后，通过预先构建的超声图像特征提取器对预处理后的超声图像进行分析计算，其中，超声图像特征提取器是利用深度学习结合大数据集训练得到卷积神经网络模型。在该系统中，通过使用神经网络的特征提取方法存在计算量大、计算时间长的问题。再比如中国专利cn113420826b，公开了一种人工智能辅助肝脏病灶图像处理系统及图像处理方法，图像信息处理模块将图像传输给算法服务器进行计算，算法服务器再将结果传回给信息处理模块；在算法服务器中执行两阶段病灶识别和独立病灶识别融合的肝脏病灶图像处理算法，算法框架采用u-net架构，首先将肝脏部分提取出来，再识别该肝脏区域内的病变部分。该方法，通过卷积神经网络进行目标识别，同样存在计算量大、计算时间长的问题。
4.因此，提供一种辅助肿瘤诊断的图像处理方法、系统及存储介质，以提高图像分割的效率和准确度，同时减少计算量，是亟待解决的问题。


技术实现要素：

5.针对上述提出的技术问题，本发明提供一种辅助肿瘤诊断的图像处理方法、系统及存储介质。
6.第一方面，本发明提供了一种辅助肿瘤诊断的图像处理方法，该方法包括：
7.步骤1、获取肿瘤诊断图像的灰度图像，将灰度图像划分为k个图像块，其中，k为大于等于2的正整数，图像块为矩形块；
8.步骤2、以任一图像块的任一顶点为起始位置，以任一顶点的对角顶点为终结位置，构建任一图像块的累加像素数表；
9.步骤3、从灰度图像中获取检测图像块，计算检测图像块的图像特征值，其中，检测图像块为矩形块；
10.步骤4、基于图像特征值判定检测图像块中是否包含检测目标，其中，检测目标为肿瘤图像；
11.步骤5、当检测图像块中包含检测目标时，判断检测目标与基准特征图像的相似
度；
12.步骤6、当相似度大于等于第一阈值时，从肿瘤诊断图像中截取检测图像块对应的第二图像，并对第二图像进行分析。
13.具体地，以第i个图像块中与第i-1个图像块的起始位置或终结位置相邻的顶点作为第i个图像块的起始位置，以第i个图像块的起始位置为原点建立坐标系，构建第i个图像块的累加像素数表，其中，i为2-n的正整数。
14.具体地，步骤2包括：
15.步骤211、将最左侧的图像块作为第一图像块，将紧邻第一图像块的右侧的图像块作为第二图像块，以第一图像块的右上角顶点作为第一图像块的起始位置，以第一图像块的左下角顶点作为第一图像块的终结位置；
16.步骤212、将第一图像块的起始位置作为原点，分别将第一图像块的原点处第一图像块的两条边作为坐标系的横坐标正半轴和纵坐标正半轴，计算第一图像块各个坐标点的累加像素值，并构建第一图像块的第一累加像素数表；
17.第一累加像素数表是基于坐标(x
1i
,y
1j
)和坐标(x
1i
,y
1j
)处的累加像素值ii(x
1i
,y
1j
)建立的数表，其中，1i为1-m1的正整数，m1为横坐标正半轴上坐标值的总数，1j为1-m2的正整数，m2为纵坐标正半轴上坐标值的总数，累加像素值ii(x
1i
,y
1j
)为第一图像块中坐标(x
1i
,y
1j
)右上角方向上的矩形块中所有像素值的和；
18.步骤213、以第二图像块的左上角顶点作为第二图像块的起始位置，以第二图像块的右下角顶点作为第二图像块的终结位置；
19.步骤214、将第二图像块的起始位置作为原点，分别将第二图像块的原点处第二图像块的两条边作为坐标系的横坐标正半轴和纵坐标正半轴，计算第二图像块各个坐标点的累加像素值，并构建第二图像块的第二累加像素数表；
20.第二累加像素数表是基于坐标(x
2i
,y
2j
)和坐标(x
2i
,y
2j
)处的累加像素值ii(x
2i
,y
2j
)建立的数表，其中，2i为1-n1的正整数，n1为横坐标正半轴上坐标值的总数，2j为1-n2的正整数，n2为纵坐标正半轴上坐标值的总数，累加像素值ii(x
2i
,y
2j
)为第二图像块中坐标(x
2i
,y
2j
)左上角方向上的矩形块中所有像素值的和；
21.步骤215、遍历完k个图像块，构建每个图像块的累加像素数表；
22.步骤216、将k个图像块的累加像素数表与k个图像块的标识符相对应地存储在像素表存储单元。
23.具体地，步骤2之后还包括，构建灰度图像的累加像素数表，包括如下步骤：
24.步骤221、以灰度图像的左上角顶点作为灰度图像的起始位置，以灰度图像的右下角顶点作为灰度图像的终结位置；
25.步骤222、以灰度图像的起始位置作为坐标原点，分别将灰度图像的坐标原点处的两条边作为坐标系的横坐标正半轴和纵坐标正半轴，计算灰度图像各个坐标点的累加像素值，并构建灰度图像的图像累加像素数表；
26.步骤223、将图像累加像素数表与灰度图像的标识符相对应地存储在像素表存储单元。
27.具体地，步骤3包括：
28.步骤31、判断检测图像块所属的图像块；
29.步骤32、当检测图像块覆盖第一图像块左侧的边以及其他3条边中任意一条以上的边时，基于检测图像块的四个顶点的坐标从图像累加像素数表中提取用于计算图像特征值的累加像素值；否则，进入步骤33；
30.步骤33、当检测图像块属于第j1个图像块时，基于四个顶点的坐标，从第j1个图像块对应的累加像素数表中提取用于计算图像特征值的累加像素值，其中，j1为1-n的正整数；
31.当检测图像块属于第j2个图像块和第j2+1个图像块时，基于四个顶点的坐标，分别从第j2个图像块和第j2+1个图像块对应的累加像素数表中提取用于计算图像特征值的累加像素值，其中，j2为1-(n-1)的正整数；
32.步骤34、基于提取的累加像素值计算检测图像块的图像特征值，其中，图像特征值为检测图像块中所有像素值的总和。
33.具体地，步骤4包括：当图像特征值与预设图像特征值的差值小于等于第二阈值时，判定检测图像块中包含检测目标。
34.具体地，步骤5包括：
35.步骤51、从检测图像块中提取检测目标的第一边线，计算第一边线的检测目标特征值；
36.步骤52、从基准图像中提取基准特征图像的第二边线，计算第二边线的基准图像特征值；
37.步骤53、基于检测目标特征值和基准图像特征值计算相似度。
38.第二方面，本发明还提供了一种辅助肿瘤诊断的图像处理系统，用于实现上述任一项的辅助肿瘤诊断的图像处理方法，该系统包括：图像获取模块、像素数表构建模块、图像特征值计算模块、判断模块、分析模块；
39.图像获取模块，用于获取肿瘤诊断图像的灰度图像，将灰度图像划分为k个图像块，其中，k为大于等于2的正整数，图像块为矩形块；
40.像素数表构建模块，用于以任一图像块的顶点为起始位置构建任一图像块的累加像素数表；
41.图像特征值计算模块，用于从灰度图像中获取检测图像块，计算检测图像块的图像特征值，其中，检测图像块为矩形块；
42.判断模块，用于基于图像特征值判定检测图像块中是否包含检测目标，其中，检测目标为肿瘤图像；当检测图像块中包含检测目标时，判断检测目标与基准特征图像的相似度；
43.分析模块，当相似度大于等于第一阈值时，从肿瘤诊断图像中截取检测图像块对应的第二图像，并对第二图像进行分析。
44.第三方面，本发明提供了一种计算机存储介质，计算机存储介质存储有程序指令，其中，在程序指令运行时控制计算机存储介质所在设备执行上述任意一项的辅助肿瘤诊断的图像处理方法。
45.本发明公开一种辅助肿瘤诊断的图像处理方法、系统及存储介质，将肿瘤诊断图像的灰度图像进行分区，划分为多个图像块，并为每个图像块构建累加像素数表，计算检测图像块的图像特征值时，从相对应的累加图像数表中获取计算上述图像特征值的累加像素
值，可减少数据读取次数，提高识别效率，当检测图像块中包含有检测目标时，再计算检测图像块中的检测目标与基准特征图像的相似度，基于所述相似度判定是否需要对上述检测图像块中的检测目标进行分析，提高了肿瘤图像识别的准确度，减少了进行图像分析的任务量。
附图说明
46.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
47.图1为本发明的一种辅助肿瘤诊断的图像处理方法的流程图；
48.图2为本发明的实施例中图像块和检测图像块的示意图；
49.图3为本发明的一种辅助肿瘤诊断的图像处理系统的结构示意图。
具体实施方式
50.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明经行进一步的详细说明。显然，此处所描述的具体实施例仅仅用于解释本发明，是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术普通人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
51.需要说明，若本发明实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
52.为便于对本发明实施例的理解，下面先对几个概念进行简单介绍：
53.目标区域：原始数据上的局部区域，本发明实施例中表示2d矩形区域，指确定的病灶区域。
54.病灶：机体上发生病变的部分。
55.灰度值：表示灰度图像单个像素点的亮度值，值越大，像素点越亮，反之越暗，可以用于描述图像中具体像素的亮度值。
56.需要说明的是，本发明实例中图像处理方法可以由终端设备执行，例如相应的医疗设备，也可以由服务器执行，终端设备与服务器之间可以通过互联网相连，实现相互之间的通信，服务器可以认为是提供相应网络服务的后台服务器，对此，本发明实施例中并不进行限制。
57.图1所示是本发明提供的一种辅助肿瘤诊断的图像处理方法的一个实施例的流程图，该流程图具体包括：
58.步骤1、获取肿瘤诊断图像的灰度图像，将灰度图像划分为k个图像块，其中，k为大于等于2的正整数，图像块为矩形块。
59.其中，肿瘤诊断图像为人体的器官或组织等。
60.需要说明的是，由于不同肿瘤区域的形状大小均不相同，一般的肿瘤图像是由医生手动截取的，最终的肿瘤图像差别会很大，因此，进行图像处理前需要对肿瘤图像进行缩放，生成标注尺寸的肿瘤诊断图像。随后，确定肿瘤诊断图像中全部像素的灰度值，生成灰度图像。
61.根据要诊断的检测目标的大小和位置等将灰度图像划分为k个图像块，各个图像块的大小可以相同，也可以不相同；图像块可以是竖向排放的k个图像块，可以是横向排列的k个图像块，也可以是以田字形排列的k个图像块。k值大小根据本领域技术人员的经验或可以根据实际应用场景进行设置，本技术实施例对此并不限定。
62.步骤2、以任一图像块的任一顶点为起始位置，以任一顶点的对角顶点为终结位置，构建任一图像块的累加像素数表。
63.具体地，以第i个图像块中与第i-1个图像块的起始位置或终结位置相邻的顶点作为第i个图像块的起始位置，以第i个图像块的起始位置为原点建立坐标系，构建第i个图像块的累加像素数表，其中，i为2-n的正整数。
64.示例性地，以2个竖向排列的图像块为例对本发明技术方案进行说明。2个竖向排列的图像块依次为第1图像块和第2图像块。将第1个图像块的左上角顶点作为起始位置，将右下角顶点作为终点位置，并以左上角顶点作为坐标系原点建立第1个图像块的坐标系，构建第1个图像块的累加像素数表；将第2个图像块的左下角顶点作为起始位置，将右上角顶点作为终点位置，并以左下角顶点作为坐标系原点建立第2个图像块的坐标系，构建第2个图像块的累加像素数表。
65.作为本发明的一个优选技术方案，以第i个图像块中与第i-1个图像块的起始位置相同位置的顶点作为第i个图像块的起始位置，以第i个图像块的起始位置为原点建立坐标系，构建第i个图像块的累加像素数表，其中，i为2-n的正整数。
66.示例性地，以2个竖向排列的图像块为例对本发明技术方案进行说明。2个竖向排列的图像块依次为第1图像块和第2图像块。将第1个图像块的左上角顶点作为起始位置，将右下角顶点作为终点位置，并以左上角顶点作为坐标系原点建立第1个图像块的坐标系，构建第1个图像块的累加像素数表；将第2个图像块的左上角顶点作为起始位置，将右下角顶点作为终点位置，并以左上角顶点作为坐标系原点建立第2个图像块的坐标系，构建第2个图像块的累加像素数表。
67.具体地，步骤2包括：
68.步骤211、将最左侧的图像块作为第一图像块，将紧邻第一图像块的右侧的图像块作为第二图像块，以第一图像块的右上角顶点作为第一图像块的起始位置，以第一图像块的左下角顶点作为第一图像块的终结位置。
69.步骤212、将第一图像块的起始位置作为原点，分别将第一图像块的原点处第一图像块的两条边作为坐标系的横坐标正半轴和纵坐标正半轴，计算第一图像块各个坐标点的累加像素值，并构建第一图像块的第一累加像素数表；
70.第一累加像素数表是基于坐标(x
1i
,y
1j
)和坐标(x
1i
,y
1j
)处的累加像素值ii(x
1i
,y
1j
)建立的数表，其中，1i为1-m1的正整数，m1为横坐标正半轴上坐标值的总数，1j为1-m2的正整数，m2为纵坐标正半轴上坐标值的总数，累加像素值ii(x
1i
,y
1j
)为第一图像块中坐标
(x
1i
,y
1j
)右上角方向上的矩形块中所有像素值的和。
71.步骤213、以第二图像块的左上角顶点作为第二图像块的起始位置，以第二图像块的右下角顶点作为第二图像块的终结位置。
72.步骤214、将第二图像块的起始位置作为原点，分别将第二图像块的原点处第二图像块的两条边作为坐标系的横坐标正半轴和纵坐标正半轴，计算第二图像块各个坐标点的累加像素值，并构建第二图像块的第二累加像素数表；
73.第二累加像素数表是基于坐标(x
2i
,y
2j
)和坐标(x
2i
,y
2j
)处的累加像素值ii(x
2i
,y
2j
)建立的数表，其中，2i为1-n1的正整数，n1为横坐标正半轴上坐标值的总数，2j为1-n2的正整数，n2为纵坐标正半轴上坐标值的总数，累加像素值ii(x
2i
,y
2j
)为第二图像块中坐标(x
2i
,y
2j
)左上角方向上的矩形块中所有像素值的和。
74.步骤215、遍历完k个图像块，构建每个图像块的累加像素数表。
75.步骤216、将k个图像块的累加像素数表与k个图像块的标识符相对应地存储在像素表存储单元。
76.示例性地，以2个竖向排列的图像块为例对本发明技术方案进行说明。2个竖向排列的图像块依次为第一图像块和第二图像块。以第一图像块的右上角顶点作为第一图像块的起始位置，将第一图像块的起始位置为坐标系原点，以向左的方向为横坐标轴的正半轴，以向下的方向为纵坐标轴的正半轴建立坐标系。第一图像块包含3行3列9个坐标像素点，各个坐标像素点的像素值为((1，2，3)，(2，3，4)，(3，4，5))，则第一图块的累加像素数表为((1，3，6)，(3，8，15)，(6，15，27))，其中，累加像素数表中的各个元素分别为各个坐标像素点的累加像素值，比如，坐标像素点(2，2)处的累加像素值为坐标像素点(2，2)右上角方向上的矩形块中所有像素值的和：1+2+2+3＝8。以第二图像块的左上角顶点作为第二图像块的起始位置，将第二图像块的起始位置为坐标系原点，以向左右的方向为横坐标轴的正半轴，以向下的方向为纵坐标轴的正半轴建立坐标系。第二图像块包含3行3列9个坐标像素点，各个坐标像素点的像素值为((1，2，3)，(2，3，4)，(3，4，5))，则第二图块的累加像素数表为((1，3，6)，(3，8，15)，(6，15，27))，其中，累加像素数表中的各个元素分别为各个坐标像素点的累加像素值，比如坐标像素点(2，2)处的累加像素值为坐标像素点(2，2)左上角方向上的矩形块中所有像素值的和：1+2+2+3＝8。
77.具体地，步骤2之后还包括，构建灰度图像的累加像素数表，包括如下步骤：
78.步骤221、以灰度图像的左上角顶点作为灰度图像的起始位置，以灰度图像的右下角顶点作为灰度图像的终结位置。
79.步骤222、以灰度图像的起始位置作为坐标原点，分别将灰度图像的坐标原点处的两条边作为坐标系的横坐标正半轴和纵坐标正半轴，计算灰度图像各个坐标点的累加像素值，并构建灰度图像的图像累加像素数表。
80.步骤223、将图像累加像素数表与灰度图像的标识符相对应地存储在像素表存储单元。
81.以灰度图像的左上角顶点作为坐标系的原点，以向右方向作为横坐标轴的正半轴，以向下方向作为纵坐标轴的正半轴建立坐标系，构建灰度图像的图像累加像素数表。
82.步骤3、从灰度图像中获取检测图像块，计算检测图像块的图像特征值，其中，检测图像块为矩形块。
83.优选地，检测图像块可以有多个，是灰度图像中可能包含检测目标的目标区域。
84.具体地，步骤3包括：
85.步骤31、判断检测图像块所属的图像块。
86.步骤32、当检测图像块覆盖第一图像块左侧的边以及其他3条边中任意一条以上的边时，基于检测图像块的四个顶点的坐标从图像累加像素数表中提取用于计算图像特征值的累加像素值；否则，进入步骤33。
87.步骤33、当检测图像块属于第j1个图像块时，基于四个顶点的坐标，从第j1个图像块对应的累加像素数表中提取用于计算图像特征值的累加像素值，其中，j1为1-n的正整数；
88.当检测图像块属于第j2个图像块和第j2+1个图像块时，基于四个顶点的坐标，分别从第j2个图像块和第j2+1个图像块对应的累加像素数表中提取用于计算图像特征值的累加像素值，其中，j2为1-(n-1)的正整数。
89.步骤34、基于提取的累加像素值计算检测图像块的图像特征值，其中，图像特征值为检测图像块中所有像素值的总和。
90.图2所示为本发明的图像块和检测图像块的一个实施例的示意图，以图2为例对本发明技术方案进行说明。当检测图像块为a+b+c的图像块时，该检测图像块覆盖了第一图像块的3条边，且检测图像块的一个顶点与构建图像累加像素数表时的坐标原点重合，此时，基于检测图像块的右下角坐标从像素表存储单元的图像累加像素数表中提取一次数据即可获得检测图像块的图像特征值；若要基于第一图像块的累加像素数表和第二图像块的累加像素数表计算检测图像块的图像特征值，则需要基于检测图像块左下角坐标从第一图像块的累加像素数表提取一次数据，再基于检测图像块右下角坐标从第二图像块的累加像素数表提取一次数据，共计提取两次数据来计算检测图像块的图像特征值。基于图像累加像素数表提取数据计算检测图像块的图像特征值，减少了数据提取次数。当检测图像块为d时，则基于检测图像块d的左下角坐标和左上角坐标从第一图像块对应的累加像素数表中提取两次数据就可以计算得到检测图像块的图像特征值；若要基于图像累加像素数表中的元素计算检测图像块的图像特征值，则要获取检测图像块的左上角、左下角、右上角、右下角的四个累加像素值，需要提取四次数据。当检测图像块为e时，则基于检测图像块e的右下角坐标和右上角坐标从第二图像块对应的累加像素数表中提取两次数据就可以计算得到检测图像块的图像特征值；若要基于图像累加像素数表中的元素计算检测图像块的图像特征值，则要获取检测图像块的左上角、左下角、右上角、右下角的四个累加像素值，需要提取四次数据。
91.对灰度图像进行分区，计算检测图像块的图像特征值时，从相对应的累加图像数表中获取计算上述图像特征值的累加像素值，可减少数据读取次数，减少计算量。
92.步骤4、基于图像特征值判定检测图像块中是否包含检测目标，其中，检测目标为肿瘤图像。
93.优选地，检测目标还可以为肿瘤细胞图像。
94.具体地，步骤4包括：当图像特征值与预设图像特征值的差值小于等于第二阈值时，判定检测图像块中包含检测目标。
95.使用检测图像块的图像特征值与提前设置的预设图像特征值进行比较，当检测图
像的图像特征值与预设图像特征值的差值小于等于第二阈值(即在预设范围内)时，检测图像块中包含要检测的检测目标。
96.步骤5、当检测图像块中包含检测目标时，判断检测目标与基准特征图像的相似度。
97.具体地，步骤5包括：
98.步骤51、从检测图像块中提取检测目标的第一边线，计算第一边线的检测目标特征值。
99.步骤52、从基准图像中提取基准特征图像的第二边线，计算第二边线的基准图像特征值。
100.步骤53、基于检测目标特征值和基准图像特征值计算上述相似度。
101.当检测图像块中包含检测目标时，基于检测图像块各个顶点的坐标，从灰度图像中获取检测图像块对应的图像区域，并从该图像区域中提取检测目标图像。
102.基于第一边线和第二边线的相似度判断检测目标与基准特征图像间的相似度。具体地，基于从图像区域中提取的检测目标图像(比如肿瘤)，勾勒出检测目标图像的第一边线，第一边线为一闭合曲线，基于该第一边线计算第一边线的特征值，其中，第一边线的特征值指示第一边线的轮廓形状、边线长度和面积大小；基准图像是预先存储的用于对检测目标图像进行识别的图像，从基准图像中提取基准特征图像(比如肿瘤)，勾勒出基准特征图像的第二边线，第二边线为一闭合曲线，基于该第二边线计算第二边线的特征值，其中，第二边线的特征值指示第二边线的轮廓形状、边线长度和面积大小。
103.基于图像特征值判定检测图像块中是否包含检测目标，当包含检测目标时，该目标可能是伪检测目标。因此，针对性地根据基准图像再次对检测目标进一步进行确认，确认上述检测目标是否是要分析的目标。比如，如果只针恶性肿瘤图像进行分析，发病初期，恶性肿瘤图像和良性肿瘤图像差异较小，获取的检测目标可能是良性肿瘤图像，因此，在获取检测目标的基础上，进一步对检测目标进行判断，判断获取的检测目标是否是恶性肿瘤图像。
104.步骤6、当相似度大于等于第一阈值时，从肿瘤诊断图像中截取检测图像块对应的第二图像，并对第二图像进行分析。
105.当检测目标与基准特征图像的相似度大于等于第一阈值时，说明检测图像块中包含要进行分析的图像区域，则从肿瘤诊断图像中截取检测图像块对应的第二图像，将第二图像作为分析对象进行分析。
106.优选地，当相似度大于等于第一阈值时，从灰度图像中截取检测图像块对应的图像作为第二图像。
107.图3所示是本发明提供的一种辅助肿瘤诊断的图像处理系统的一个实施例的结构示意图。如图3所示，该系统包括：图像获取模块10、像素数表构建模块20、图像特征值计算模块30、判断模块40、分析模块50。
108.图像获取模块10，用于获取肿瘤诊断图像的灰度图像，将灰度图像划分为k个图像块，其中，k为大于等于2的正整数，图像块为矩形块。
109.像素数表构建模块20，用于以任一图像块的顶点为起始位置构建任一图像块的累加像素数表。
110.图像特征值计算模块30，用于从灰度图像中获取检测图像块，计算检测图像块的图像特征值，其中，检测图像块为矩形块。
111.判断模块40，用于基于图像特征值判定检测图像块中是否包含检测目标，其中，检测目标为肿瘤图像；当检测图像块中包含检测目标时，判断检测目标与基准特征图像的相似度。
112.分析模块50，当相似度大于等于第一阈值时，从肿瘤诊断图像中截取检测图像块对应的第二图像，并对第二图像进行分析。
113.根据本发明实施例的另一个方面，提供了一种计算机存储介质，计算机存储介质存储有程序指令，其中，在程序指令运行时控制计算机存储介质所在设备执行上述任意一项的辅助肿瘤诊断的图像处理方法。
114.以上上述的实施例仅表达了本发明的实施优选方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

技术特征：
1.一种辅助肿瘤诊断的图像处理方法，其特征在于，包括如下步骤：步骤1、获取肿瘤诊断图像的灰度图像，将所述灰度图像划分为k个图像块，其中，k为大于等于2的正整数，所述图像块为矩形块；步骤2、以任一图像块的任一顶点为起始位置，以所述任一顶点的对角顶点为终结位置，构建所述任一图像块的累加像素数表；步骤3、从所述灰度图像中获取检测图像块，计算所述检测图像块的图像特征值，其中，所述检测图像块为矩形块；步骤4、基于所述图像特征值判定所述检测图像块中是否包含检测目标，其中，所述检测目标为肿瘤图像；步骤5、当所述检测图像块中包含所述检测目标时，判断所述检测目标与基准特征图像的相似度；步骤6、当所述相似度大于等于第一阈值时，从所述肿瘤诊断图像中截取所述检测图像块对应的第二图像，并对所述第二图像进行分析。2.根据权利要求1所述的一种辅助肿瘤诊断的图像处理方法，其特征在于，以第i个图像块中与第i-1个图像块的起始位置或终结位置相邻的顶点作为所述第i个图像块的起始位置，以所述第i个图像块的起始位置为原点建立坐标系，构建所述第i个图像块的累加像素数表，其中，i为2-n的正整数。3.根据权利要求2所述的一种辅助肿瘤诊断的图像处理方法，其特征在于，所述步骤2包括：步骤211、将最左侧的图像块作为第一图像块，将紧邻所述第一图像块的右侧的图像块作为第二图像块，以所述第一图像块的右上角顶点作为所述第一图像块的起始位置，以所述第一图像块的左下角顶点作为所述第一图像块的终结位置；步骤212、将所述第一图像块的起始位置作为原点，分别将所述第一图像块的原点处所述第一图像块的两条边作为坐标系的横坐标正半轴和纵坐标正半轴，计算所述第一图像块各个坐标点的累加像素值，并构建所述第一图像块的第一累加像素数表；所述第一累加像素数表是基于坐标(x
1i
,y
1j
)和所述坐标(x
1i
,y
1j
)处的累加像素值ii(x
1i
,y
1j
)建立的数表，其中，1i为1-m1的正整数，m1为横坐标正半轴上坐标值的总数，1j为1-m2的正整数，m2为纵坐标正半轴上坐标值的总数，所述累加像素值ii(x
1i
,y
1j
)为所述第一图像块中坐标(x
1i
,y
1j
)右上角方向上的矩形块中所有像素值的和；步骤213、以所述第二图像块的左上角顶点作为所述第二图像块的起始位置，以所述第二图像块的右下角顶点作为所述第二图像块的终结位置；步骤214、将所述第二图像块的起始位置作为原点，分别将所述第二图像块的原点处所述第二图像块的两条边作为坐标系的横坐标正半轴和纵坐标正半轴，计算所述第二图像块各个坐标点的累加像素值，并构建所述第二图像块的第二累加像素数表；所述第二累加像素数表是基于坐标(x
2i
,y
2j
)和所述坐标(x
2i
,y
2j
)处的累加像素值ii(x
2i
,y
2j
)建立的数表，其中，2i为1-n1的正整数，n1为横坐标正半轴上坐标值的总数，2j为1-n2的正整数，n2为纵坐标正半轴上坐标值的总数，所述累加像素值ii(x
2i
,y
2j
)为所述第二图像块中坐标(x
2i
,y
2j
)左上角方向上的矩形块中所有像素值的和；步骤215、遍历完所述k个图像块，构建每个图像块的累加像素数表；
步骤216、将所述k个图像块的累加像素数表与所述k个图像块的标识符相对应地存储在像素表存储单元。4.根据权利要求3所述的一种辅助肿瘤诊断的图像处理方法，其特征在于，所述步骤2之后还包括，构建所述灰度图像的累加像素数表，包括如下步骤：步骤221、以所述灰度图像的左上角顶点作为所述灰度图像的起始位置，以所述灰度图像的右下角顶点作为所述灰度图像的终结位置；步骤222、以所述灰度图像的起始位置作为坐标原点，分别将所述灰度图像的坐标原点处的两条边作为坐标系的横坐标正半轴和纵坐标正半轴，计算所述灰度图像各个坐标点的累加像素值，并构建所述灰度图像的图像累加像素数表；步骤223、将所述图像累加像素数表与所述灰度图像的标识符相对应地存储在所述像素表存储单元。5.根据权利要求4所述的一种辅助肿瘤诊断的图像处理方法，其特征在于，所述步骤3包括：步骤31、判断所述检测图像块所属的图像块；步骤32、当所述检测图像块覆盖所述第一图像块左侧的边以及其他3条边中任意一条以上的边时，基于所述检测图像块的四个顶点的坐标从所述图像累加像素数表中提取用于计算所述图像特征值的累加像素值；否则，进入步骤33；步骤33、当所述检测图像块属于第j1个图像块时，基于所述四个顶点的坐标，从所述第j1个图像块对应的累加像素数表中提取用于计算所述图像特征值的累加像素值，其中，j1为1-n的正整数；当所述检测图像块属于第j2个图像块和第j2+1个图像块时，基于所述四个顶点的坐标，分别从所述第j2个图像块和所述第j2+1个图像块对应的累加像素数表中提取用于计算所述图像特征值的累加像素值，其中，j2为1-(n-1)的正整数；步骤34、基于提取的累加像素值计算所述检测图像块的图像特征值，其中，所述图像特征值为所述检测图像块中所有像素值的总和。6.根据权利要求1所述的一种辅助肿瘤诊断的图像处理方法，其特征在于，所述步骤4包括：当所述图像特征值与预设图像特征值的差值小于等于第二阈值时，判定所述检测图像块中包含所述检测目标。7.根据权利要求1所述的一种辅助肿瘤诊断的图像处理方法，其特征在于，所述步骤5包括：步骤51、从所述检测图像块中提取所述检测目标的第一边线，计算所述第一边线的检测目标特征值；步骤52、从基准图像中提取所述基准特征图像的第二边线，计算所述第二边线的基准图像特征值；步骤53、基于所述检测目标特征值和所述基准图像特征值计算所述相似度。8.一种辅助肿瘤诊断的图像处理系统，用于实现如权利要求1-7任一项所述的辅助肿瘤诊断的图像处理方法，其特征在于，包括：图像获取模块、像素数表构建模块、图像特征值计算模块、判断模块、分析模块；所述图像获取模块，用于获取肿瘤诊断图像的灰度图像，将所述灰度图像划分为k个图
像块，其中，k为大于等于2的正整数，所述图像块为矩形块；所述像素数表构建模块，用于以任一图像块的顶点为起始位置构建所述任一图像块的累加像素数表；所述图像特征值计算模块，用于从所述灰度图像中获取检测图像块，计算所述检测图像块的图像特征值，其中，所述检测图像块为矩形块；所述判断模块，用于基于所述图像特征值判定所述检测图像块中是否包含检测目标，其中，所述检测目标为肿瘤图像；当所述检测图像块中包含所述检测目标时，判断所述检测目标与基准特征图像的相似度；所述分析模块，当所述相似度大于等于第一阈值时，从所述肿瘤诊断图像中截取所述检测图像块对应的第二图像，并对所述第二图像进行分析。9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有程序指令，其中，在所述程序指令运行时控制所述计算机存储介质所在设备执行权利要求1至7中任意一项所述的辅助肿瘤诊断的图像处理方法。

技术总结
本发明属于医学图像处理技术领域，公开了一种辅助肿瘤诊断的图像处理方法、系统及存储介质：获取肿瘤诊断图像的灰度图像，将灰度图像划分为K个图像块；构建任一图像块的累加像素数表；从灰度图像中获取检测图像块，计算检测图像块的图像特征值；基于图像特征值判定检测图像块中是否包含检测目标；当检测图像块中包含检测目标时，判断检测目标与基准特征图像的相似度；当相似度大于等于第一阈值时，从肿瘤诊断图像中截取检测图像块对应的第二图像，并对第二图像进行分析。本发明解决了对肿瘤诊断图像分割的效率低和计算量大的问题。断图像分割的效率低和计算量大的问题。断图像分割的效率低和计算量大的问题。


技术研发人员：朱晶晶
受保护的技术使用者：郑州大学第一附属医院
技术研发日：2023.05.17
技术公布日：2023/8/28