买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院苏州生物医学工程技术研究所;苏州大学附属儿童医院申请的专利腹部DR图像处理方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114445352B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210016162.9，技术领域涉及：G06T7/00；该发明授权腹部DR图像处理方法及系统是由周志勇;戴亚康;黄顺根;郭万亮;钱旭升;耿辰设计研发完成，并于2022-01-07向国家知识产权局提交的专利申请。

本腹部DR图像处理方法及系统在说明书摘要公布了：本发明公开了一种腹部DR图像处理方法及系统，该方法包括以下步骤：1图像预处理：对腹部DR图像进行ROI标注、二值化处理、重采样处理和边界生成获得边界二值图像；2统计形状分析：对步骤1获得的边界二值图像进行中心线提取、目标宽度计算、统计形状计算，得到若干个统计形状参数；3图像分类：基于步骤2得到的干个统计形状参数进行图像分类。本发明提出了一种结基于统计形状的DR图像肠道形态分析方法及系统，相比于现有的几何形态分析方案，本发明对于肠道形态变化、肠道重叠现象、患者体位变化等特点肠道DR图像的具有更好的稳定性，本发明获得的统计形态参数用于图像分类具有更好的分类准确性。

本发明授权腹部DR图像处理方法及系统在权利要求书中公布了：1.一种腹部DR图像处理方法，其特征在于，包括以下步骤： 1图像预处理：对腹部DR图像进行ROI标注、二值化处理、重采样处理和边界生成获得边界二值图像； 2统计形状分析：对步骤1获得的边界二值图像进行中心线提取、目标宽度计算、统计形状计算，得到若干个统计形状参数； 3图像分类：基于步骤2得到的若干个统计形状参数进行图像分类； 所述步骤1具体包括： 1-1ROI标注：通过对腹部DR图像进行手动区域标注、阈值分割标注、连通域分析、空洞填充和基于图像梯度变化的曲线勾画标注获得感兴趣区域ROI； 1-2二值化处理：通过二值化处理将获得的感兴趣区域ROI重新生成一个与原图像大小及空间分辨率相同的二值图像，其中感兴趣区域ROI为非零值，背景区域为零值； 1-3重采样处理：将原图像和对应的二值图像按照设定参数，重新采样成指定的大小和空间分辨率； 1-4边界生成：将步骤1-3得到的二值图像生成为包括目标边界的二值图像，记为边界二值图像； 其中，边界二值图像的边界使用离散的单像素曲线表示，即边界宽度为1个像素宽度；边界对应的像素值为非0，其余为0值；边界为闭合曲线，该闭合曲线内部为原先标注的组织目标，外部为原先的背景区域； 所述步骤2中的中心线提取具体包括： 2-1-1输入边界二值图像：输入步骤1-4得到的边界二值图像，记作IE；其边界记作E，其位于边界上的任一像素记作ei，i≤边界的像素总数量； 2-1-2使用骨架线算法提取中心线： Ⅰ、提取步骤2-1-1输入的边界二值图像； Ⅱ、输出通过骨架线算法产生的同输入的边界二值图像相同大小和空间分辨率的中心线图像； 其中，该中心线图像满足： a、中心线图像为二值离散图像，中心线使用离散的像素点表示，像素值为非0值，其余为0； b、非0值像素组成的中心线宽度为1像素； c、中心线连续，即除首尾像素外，任意表示中心线的像素的8邻域范围内都存在2个像素； d、中心线图像记作IC；其中心线记作C，位于中心线上的任一像素记作cj，j≤中心线的像素总数量； e、中心线C为有向曲线，位于中心线的像素的排列顺序是有顺序的：即给定任一位于中心线的像素位置，可以顺序或逆序遍历其他任一像素； 2-1-3离散化中心线； 所述步骤2中的目标宽度计算具体包括： 2-2-1使用Hilditch's算法计算中心线对应的标注组织宽度集合，该宽度集合记作W，每一个位于中心线上的像素cj对应一个宽度值，宽度值记作wj； 2-2-2提取有效中心线： 从肠道顶端向底端遍历组成中心线的像素，其最大宽度记作wmax，其对应的像素记作pmax；从pmax向肠道底端遍历，直至ROI末端，所有位于中心线的像素组成有效中心线； 其中，有效中心线为中心线的子集，其余特性与中心线一致； 2-2-3提取有效宽度集合：将有效中心线中像素对应的ROI宽度，记作有效宽度集合，记作Wval，Wval集合中的每一个元素记作wk； 所述步骤2中的计算的统计形状参数包括19个，具体为： 1能量： 2总能量： 3熵： 4最大值：maximum＝maxWval； 5最小值：minimum＝minWval； 610％位点值：Wval中的元素从小到大排序，正序10％位置上的宽度值； 790％位点值：Wval中的元素从小到大排序，正序90％位置上的宽度值； 8均值： 9中位值：Wval中的元素从小到大排序，正序50％位置上的宽度值； 10四分位距：P75-P25； 11最大差异：最大值-最小值； 12平均绝对偏差： 13鲁棒平均绝对偏差：rMAD； 14均方差： 15标准差： 16歪斜度： 17峰度： 18方差： 19一致性： 其中，c为偏移量，c取0或正值；Np为集合中宽度值离散化之后的最大差异；Nw为Wval集合中的元素数量；Pt为Wval中的元素从小到大排序，正序t％位置上的宽度值；pwk为Wval集合中wk对应取值区间的概率，Nh为取值区间的数量；ε为预先设定的一个常数； 步骤3包括： 3-1特征归一化：将步骤2得到的19个统计形状参数作为特征，并进行特征归一化处理； 3-2特征筛选：采用t检验方法、Pearson相关性检验方法、最大相关最小冗余方法中的一种或多种方法的组合对经步骤3-1处理后的19个特征进行筛选，经过筛选后的特征集合记作Fsel； 3-3构建机器学习分类模型，将Fsel输入到机器学习分类模型中，机器学习分类模型输出对应的分类结果及对应的置信度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院苏州生物医学工程技术研究所;苏州大学附属儿童医院，其通讯地址为：215163 江苏省苏州市高新区科技城科灵路88号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。