C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路

开发背景:

医生在实际使用PACS软件观察病灶时,经常会测量不规则病灶的周长和面积,使用画笔工具勾勒比较耗时且准度欠佳,

或者在标记人工智能训练样本时少则几百张,多则几千张,为极大减少耗时和极大提高工作效率,故开发此功能用来自动勾勒病灶范围并自动测量。

 

国际惯例,先看效果:

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第1张图片

 

思路流程概览:

①以鼠标按下作为漫水算法中心点向外扩散填充

②裁剪最大外接矩形,缩小计算范围

③灰度转换

④Canny算子或Sobel算子提取轮廓

⑤背景降噪

⑥提取边界轮廓

⑦设置容差范围

⑧可变多边形坐标转化

⑨缩放、平移、旋转后的坐标映射

 

准备一张样本并以手臂骨头作为假设病灶:

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第2张图片

 

 

①以鼠标按下作为漫水算法中心点向外扩散填充

通过给定指定的中心坐标,和指定染色的颜色值,向四周扩撒,遇到一样或近似值将其包含在范围内,网上源码很多,很容易实现。

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第3张图片

 

 

②裁剪最大外接矩形,缩小计算范围

将漫水填充范围的最大外接矩形裁剪出来,提高后续计算效率。

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第4张图片

 

 

③灰度转换

转换成灰度图,为后续计算做准备。

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第5张图片

 

④Canny算子或Sobel算子进行边缘检测

Canny算子和Sobel算子区别:

Canny算子:

在计算前先将图像进行高斯滤波转换,得到一个相对模糊的图像,使得噪点在平滑过度时的影响降到最低:

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第6张图片

 

根据算法原理得到如下结果:

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第7张图片C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第8张图片

 

Sobel算子:

根据算法原理得到如下结果:

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第9张图片C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第10张图片

 

其中直观区别是canny算子计算的结果清晰,但不连续,容易受噪点影响,而sobel算子线条相对柔和,连续性强。

 

⑤背景降噪

进行一次手动背景降噪,使得展现的无用边缘更少,结果更清晰:

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第11张图片C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第12张图片C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第13张图片

 

⑥提取边界轮廓

经过上面的计算后会得到一个边界坐标集合记为List list;

这些点是不连续的,不首尾相连的,我们需要将非边缘坐标删除,并将边缘坐标按顺时针或逆时针排序;

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第14张图片

 

 

此时虽然得到了边缘坐标,但他是非连续性的,当我们把这些点连起来的时候就会出现问题:

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第15张图片

 

 

所以我们将这些边缘坐标按逆时针或顺时针排序:

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第16张图片

 

⑦在界面上增加滑块控件并设置容差范围

当碰到边界不是很清晰的时候,我们需要调整容差范围,以影响漫水扩散时的范围准确性:

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第17张图片

 

 

观察容差范围1020的区别:

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第18张图片C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第19张图片

 

 

⑧可变多边形坐标转化

根据本系列教程的测量工具开发,在此基础上我们将标识的范围转化为可变多边形:

微调结果并显示周长和面积:

 

⑨缩放、平移、旋转后的坐标映射

当图像发生放大、平移、旋转时,要注意边缘坐标的映射以保证结果正确:

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第20张图片

 

配合色彩增强,食用效果更佳!

C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路_第21张图片

 

 

你可能感兴趣的:(C#处理医学影像(三):基于漫水边界自动选取病灶范围的实现思路)