一种基于影像的病理分析系统及方法与流程

本发明涉及医疗影像领域，特别涉及一种基于影像的病理分析系统，还涉及一种基于影像的病理分析方法。

背景技术：

我国是人口大国，而且已经步入老龄化社会，看病难是困扰我国医疗行业的首要难题。

看病难的原因主要是医疗资源的分布不均，患者就诊都希望去大医院找专家，而专家的数量和精力有限，每天只能就诊一定数量的患者，导致很多需要就诊的患者无法及时得到医治，延误了确诊和治疗的最佳时机。

虽然我国一直致力于医疗领域的改革，但专家的数量有限，而且专家的就诊医院固定，无法从根本上实现患者对医疗资源的公平分配。

随着数字化、互联网以及大数据技术的飞速发展，如何搭乘信息化的快车，将医疗资源通过信息化的方式实现合理分布，是目前我国医疗领域亟待解决的问题。

技术实现要素：

本发明提出一种基于影像的病理分析系统及方法，将影像学与医疗相结合，实现了病灶的智能诊断和专家资源的有效分配。

本发明的技术方案是这样实现的：

一种基于影像的病理分析系统，包括影像摄取模块、影像处理模块、图像识别模块和病理库；

影像摄取模块通过运载装置搭载并输送至人体内的检测位置，实时拍摄病灶位置的病灶影像；

影像处理模块接收影像摄取模块拍摄的病灶影像，对病灶影像进行图像处理，首先，提取每毫秒影像资料中的随机一帧图像，将病灶影像转换为病灶图像；然后，对病灶图像进行相似度筛选，删除相似度超过90％的图像；接下来，对保留的病灶图像进行灰度处理，根据rgb和yuv颜色空间的变化关系建立亮度y与r、g、b三个颜色分量的对应关系：y＝0.3r+0.59g+0.11b，以这个亮度值表达图像的灰度值，得到最终的病灶图像并发送给图像识别模块；

病理库中存储有相应病灶的病理图像和健康图像；

图像识别模块将影像处理模块输出的病灶图像与病理库中的病理图像和健康图像进行图像识别，系统根据图像识别结果给出病理诊断结果。

可选地，所述病理库中的病理图像和健康图像为经过预处理的图像，预处理过程为：将病理图像和健康图像拆分成多个大区域，大区域根据该种病灶易患病位置进行划分，每个大区域又按顺序划分成多份小区域，病理图像和健康图像所有小区域都有一个序列号；

所述图像识别模块接收影像处理模块传送的病灶图像，根据与病理库中病理图像和健康图像相同的拆分原理将病灶图像划分成多份小区域，所有小区域都有一个序列号；

所述图像识别模块将病灶图像与健康图像相同序列号的小区域进行比对。

可选地，所述图像识别模块将病灶图像与健康图像相同序列号的小区域进行比对，如果比对结果中，相似度达标的小区域数量没有高于标准值，则认为该病灶图像为病理样本；接下来，该病理样本再与不同的病理图像相比较，当比较结果中相似度达标的小区域数量高于标准值，则认为该病灶图像为该病理。

可选地，所述对病灶图像、健康图像、病理图像的拆分过程具体为：

步骤(a)，对图像进行网格划分，一级网格划分大区域，二级网格划分小区域；

步骤(b)，创建一个小区域节点集合，和一个数据区域，所述数据区域用于存放每个小区域节点的地址；

步骤(c)，每个小区域节点的地址对应一个单独的像素存放区域，用于存放该小区域所有像素数据；

步骤(d)，按照序列号依次遍历每一个小区域，将小区域中每一个像素点vi(xi,yi,zi)存放到该小区域对应的像素存放区域，当完成遍历后，该张图像拆分完成。

可选地，所述图像识别模块将病灶图像与健康图像或者病理图像进行比对的过程，具体为：

步骤(e)，将不同图像相同序列号的小区域进行比对，如果像素匹配度达到标准值，则认为该序列号的两个小区域为相似；

步骤(f)，大区域中，相似小区域的数量达到标准值，则认为该序列号相同的两个大区域为相似；

步骤(g)，如果大区域相似的数量达到标准值，则认为两张图像匹配。

本发明还提出了一种基于影像的病理分析方法，包括以下步骤：

步骤一，拍摄病灶位置的病灶影像；

步骤二，对病灶影像进行图像处理，首先，提取每毫秒影像资料中的随机一帧图像，将病灶影像转换为病灶图像；然后，对病灶图像进行相似度筛选，删除相似度超过90％的图像；接下来，对保留的病灶图像进行灰度处理，根据rgb和yuv颜色空间的变化关系建立亮度y与r、g、b三个颜色分量的对应关系：y＝0.3r+0.59g+0.11b，以这个亮度值表达图像的灰度值，得到最终的病灶图像；

步骤三，将病灶图像与病理库中的病理图像和健康图像进行图像识别，并根据图像识别结果给出病理诊断结果。

可选地，所述病理库中的病理图像和健康图像为经过预处理的图像，预处理过程为：将病理图像和健康图像拆分成多个大区域，大区域根据该种病灶易患病位置进行划分，每个大区域又按顺序划分成多份小区域，病理图像和健康图像所有小区域都有一个序列号；

根据与病理库中病理图像和健康图像相同的拆分原理将所述病灶图像划分成多份小区域，所有小区域都有一个序列号；

将病灶图像与健康图像相同序列号的小区域进行比对。

可选地，将病灶图像与健康图像相同序列号的小区域进行比对，如果比对结果中，相似度达标的小区域数量没有高于标准值，则认为该病灶图像为病理样本；接下来，该病理样本再与不同的病理图像相比较，当比较结果中相似度达标的小区域数量高于标准值，则认为该病灶图像为该病理。

可选地，对病灶图像、健康图像、病理图像的拆分过程具体为：

步骤(a)，对图像进行网格划分，一级网格划分大区域，二级网格划分小区域；

步骤(b)，创建一个小区域节点集合，和一个数据区域，所述数据区域用于存放每个小区域节点的地址；

步骤(c)，每个小区域节点的地址对应一个单独的像素存放区域，用于存放该小区域所有像素数据；

步骤(d)，按照序列号依次遍历每一个小区域，将小区域中每一个像素点vi(xi,yi,zi)存放到该小区域对应的像素存放区域，当完成遍历后，该张图像拆分完成；

可选地，将病灶图像与健康图像或者病理图像进行比对的过程，具体为：

步骤(e)，将不同图像相同序列号的小区域进行比对，如果像素匹配度达到标准值，则认为该序列号的两个小区域为相似；

步骤(f)，大区域中，相似小区域的数量达到标准值，则认为该序列号相同的两个大区域为相似；

步骤(g)，如果大区域相似的数量达到标准值，则认为两张图像匹配。

本发明的有益效果是：

(1)将影像学技术与医疗相结合，通过图像识别模块和病理库对分散在各地医院的图像采集设备采集的病灶图像进行分析判断，及时应对患者病情；

(2)对于无法通过数字化技术判断的情况，通过互联专家电脑端实现专家会诊，进而实现了医疗资源的有效分配，使患者能够得到专家的远程会诊；

(3)将大多数易于判断的病情通过病理库进行分析并给出结果，同时给出相应的治疗方案，对于病理库无法判断的病情，由专家通过人工诊断，节省了医疗专家的时间，并实现的优质医疗资源的最优分配。

附图说明

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一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明一种基于影像的病理分析系统的控制框图；

图2为本发明对病灶图像、健康图像、病理图像进行拆分过程的流程图；

图3为本发明的图像识别模块将病灶图像与健康图像或者病理图像进行比对过程的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。

如图1所示，本发明提出了一种数字化病理分析系统，包括：影像摄取模块、影像处理模块、图像识别模块和病理库。

本发明的数字化病理分析系统分布在各个医院，通过该系统实现医疗不发达地区对疑难或者恶性疾病的诊断。

影像摄取模块可以是摄像头，摄像头通过运载装置搭载并输送至人体内的检测位置，用于拍摄病灶位置的病灶图像。这样，分布在全国各地的患者就能在当地就诊，实现图像就近采集，大大方便了患者就医。

摄像头的取样位置及取样频率根据病灶的发病位置设置，例如发病频率高的位置取样频率高，发病频率低的位置取样频率低。或者，病灶的取样由医生人工采集完成，当发现病灶时取样，未发现病灶时不取样。

影像处理模块接收摄像头拍摄的病灶影像，对病灶影像进行图像处理，首先，提取每毫秒影像资料中的随机一帧图像，将病灶影像转换为病灶图像；然后，对病灶图像进行相似度筛选，删除相似度超过90％的图像；接下来，对保留的病灶图像进行灰度处理，根据rgb和yuv颜色空间的变化关系建立亮度y与r、g、b三个颜色分量的对应关系：y＝0.3r+0.59g+0.11b，以这个亮度值表达图像的灰度值，得到最终的病灶图像并发送给图像识别模块。

病理库中存储有相应病灶的病理图像和健康图像。

图像识别模块将影像处理模块输出的病灶图像与病理库中的病理图像和健康图像进行图像识别，并给出相比较的两张图像的相似度，系统根据图像识别结果给出病理诊断结果，如果两张图像的相似度高于标准值，则确诊为该病理。

病理库中存储有各种病症的病理图像和健康图像，由于各病症的图像已经进行了分类存储，因此，通过选择分类可以初步锁定病理库中该种病灶的所有病理图像和健康图像。

病理库中的病理图像和健康图像为经过预处理的图像，预处理过程为：将病理图像和健康图像拆分成多个大区域，大区域根据病灶易患病位置进行划分，每个大区域又按顺序划分成多份小区域，这样病理图像和健康图像所有小区域都分配有一个序列号。

图像识别模块接收影像处理模块传送的病灶图像，根据病理图像和健康图像相同的拆分原理将摄像头拍摄的病灶图像划分成多份小区域，所有小区域都有一个序列号。

图像识别模块将病灶图像与健康图像相同序列号的小区域进行比对，如果比对结果中，相似度达标的小区域数量没有高于标准值，则认为该病灶图像为病理样本，接下来，该病理样本再与不同的病理图像相比较，当比较结果中相似度达标的小区域数量高于标准值，则认为该病理图像为该病理。如果病理库中所有病理图像都与上传的病灶图像不匹配，则将病灶图像分发到领域专家电脑端，由该领域专家人工给出病理判断和治理方法。

如图2所示，对微观图像、健康图像、病理图像的拆分过程具体为：

步骤(a)，对图像(微观图像或者健康图像或者病理图像)进行网格划分，一级网格划分大区域，二级网格划分小区域；一级网格并不是固定大小，也不是固定的形状，由于大区域是根据该种病灶易患病位置进行划分，因此，一级网格根据易患病位置将病灶图像划分为多个大区域，病灶被圈定在一级网格中，然后再在一级网格中用二级网格划分小区域；

步骤(b)，创建一个小区域节点集合，和一个数据区域，所述数据区域用于存放每个小区域节点的地址；

步骤(c)，每个小区域节点的地址对应一个单独的像素存放区域，用于存放该小区域所有像素数据；

步骤(d)，按照序列号依次遍历每一个小区域，将小区域中每一个像素点vi(xi,yi,zi)存放到该小区域对应的像素存放区域，当完成遍历后，该张图像拆分完成。

如图3所示，接下来，图像识别模块将病理图像与健康图像或者病理图像进行比对的过程，具体为：

步骤(e)，将不同图像相同序列号的小区域进行比对，如果像素匹配度达到标准值，则认为该序列号的两个小区域为相似；

步骤(f)，大区域中，相似小区域的数量达到标准值，则认为该序列号相同的两个大区域为相似；

步骤(g)，如果大区域相似的数量达到标准值，则认为两张图像匹配。

通过上述比对过程，可以精确的判断两张图像的相似度，根据相似度判断病灶图像是健康还是病理，如果是病理，则可以匹配出哪种病理，进而给出治理方法或寻求专家人工判断。

本发明的基于影像的病理分析系统，将影像学与医疗相结合，实现了病灶的智能诊断和专家资源的有效分配，实现了边远地区或者医疗不发达地区的疑难病症或者恶性病症的诊断。

本发明还提出了一种数字化病理分析方法，其分析原理与上述分析系统相同，这里不再赘述。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。