一种医学影像计算机辅助分析方法与流程

本发明涉及医学影像数据处理领域，具体涉及一种医学影像计算机辅助分析方法。

背景技术：

医学影像的计算机辅助分析是利用先进的计算机软硬件系统分析处理数字放射图像，以发现并检出病变特征，其结果作为“第二个意见”供诊断医师参考，帮助放射医师提高病灶检出率，可以提高诊断准确性并改良诊断的再现性，缩短读片时间，提高工作效率。

现有技术中，用于医学超声成像系统中的传统的计算机辅助测量(cam)和计算机辅助诊断(cad)技术有许多问题和局限性，其检测结果是片面的、非直观的，无法真正意义上实现对内脏情况全面精确分析。

技术实现要素：

为解决上述问题，本发明提供了一种一种医学影像计算机辅助分析方法，可以提高病灶区域的识别的准确性，并实现了病灶区域的全方位测量评估。

为实现上述目的，本发明采取的技术方案为：

一种医学影像计算机辅助分析方法，包括如下步骤：

s1、通过医学成像设备进行医学影像的采集，同时通过图像采集模块实现患者姿态图像的采集；

s2、基于患者姿态图像实现患者姿态信息的获取，并基于患者的姿态信息实现医学影像偏转角度的调整；

s3、完成医学影像的去噪处理，并采用otsu算法对完成去噪处理的图像进行自动阈值分割，得到二值图像；

s4、基于fasterr-cnn模型实现二值图像中病灶区的定位识别，输出对应的病灶区域诊断结果；

s5、根据调整后的医学影像数据以及病灶区域诊断结果实现人体器官三维模型的重建；

s6、基于连通分量外接矩形的长宽比实现病灶区形状、尺寸数据的获取；

s7、将所得的病灶区域诊断结果以及对应的病灶区形状、尺寸数据填入预制的模板内，生成诊断报告。

进一步地，所述步骤s2中，首先通过kinect深度传感器数据进行人体深度信息以及骨骼信息获取，消除所得骨骼信息的抖动和噪声干扰，并获取所有骨骼对的角度旋转移动so3矩阵信息；然后将所得的角度旋转移动so3矩阵信息输入预设的支持向量机实现患者姿态信息的获取。

进一步地，所述步骤s3中，采用小波分解和中值滤波结合的图像去噪方式，首先将医学影像进行小波分解，然后对各频带的子图像采用不同的阀值进行中值滤波处理。

进一步地，所述步骤s5中，首先根据调整后的医学影像数据以及病灶区诊断结果实现人体器官三维模型的重建，然后根据病灶区诊断结果在三维模型上圈定病灶区域。

进一步地，还包括：基于fasterr-cnn模型实现二值图像中病灶区相邻区域的识别，输出对应的病灶区相邻区域识别结果。

进一步地，首先根据病灶区域诊断结果在二值图上圈定病灶区域，然后根据圈定的病灶区域的位置基于数据挖掘模块挖取病灶区域左侧、右侧、上侧、下侧相邻区域的二值图；然后基于fasterr-cnn模型实现二值图像中病灶区相邻区域的识别，输出对应的病灶区相邻区域识别结果。

进一步地，所述步骤s2中，基于标准的姿态信息与当前患者姿态信息的差值实现医学影像偏转角度的调整。

本发明具有以下有益效果：

1）基于fasterr-cnn模型实现医学影像中病灶区域以及病灶区域周围图像的自动识别，在可以提高病灶区域识别精确度的同时，实现了病灶区域周围环境的识别，可以大大提高病灶区域识别的效率和全面性。

2）基于fasterr-cnn模型实现医学影像中病灶区域以及病灶区域周围图像的自动识别，从而可以实现后续重建三维模型的精确度。

3）基于患者姿态信息实现了医学影像偏转角度的校正，从而可以避免由于患者姿态信息的偏差带来的检测结果的误差。

4）基于连通分量外接矩形的长宽比实现了人体器官三维模型中病灶区形状、尺寸数据的获取，从而进一步提高了检测结果的全面性。

附图说明

图1为本发明实施例1一种医学影像计算机辅助分析方法的流程图。

图2为本发明实施例2一种医学影像计算机辅助分析方法的流程图。

具体实施方式

为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

如图1所示，本发明实施例提供了一种医学影像计算机辅助分析方法，包括如下步骤：

s1、通过医学成像设备进行医学影像的采集，同时通过图像采集模块实现患者姿态图像的采集；

s2、基于患者姿态图像实现患者姿态信息的获取，并基于患者的姿态信息实现医学影像偏转角度的调整；具体的，首先通过kinect深度传感器数据进行人体深度信息以及骨骼信息获取，消除所得骨骼信息的抖动和噪声干扰，并获取所有骨骼对的角度旋转移动so3矩阵信息；然后将所得的角度旋转移动so3矩阵信息输入预设的支持向量机实现患者姿态信息的获取；然后获取标准的姿态信息与当前患者姿态信息的差值，并基于该差值现医学影像偏转角度的调整；

s3、完成医学影像的去噪处理，并采用otsu算法对完成去噪处理的图像进行自动阈值分割，得到二值图像；具体的，首先将医学影像进行小波分解，然后对各频带的子图像采用不同的阀值进行中值滤波处理，然后采用otsu算法对完成去噪处理的图像进行自动阈值分割；

s4、基于fasterr-cnn模型实现二值图像中病灶区的定位识别，输出对应的病灶区域诊断结果；

s5、根据调整后的医学影像数据以及病灶区域诊断结果实现人体器官三维模型的重建；具体的，首先根据调整后的医学影像数据以及病灶区诊断结果实现人体器官三维模型的重建，然后根据病灶区诊断结果在三维模型上圈定病灶区域；

s6、基于连通分量外接矩形的长宽比实现病灶区形状、尺寸数据的获取；

s7、将所得的病灶区域诊断结果以及对应的病灶区形状、尺寸数据填入预制的模板内，生成诊断报告。

实施例2

如图2所示，本发明实施例提供了一种医学影像计算机辅助分析方法，包括如下步骤：

s1、通过医学成像设备进行医学影像的采集，同时通过图像采集模块实现患者姿态图像的采集；

s2、基于患者姿态图像实现患者姿态信息的获取，并基于患者的姿态信息实现医学影像偏转角度的调整；具体的，首先通过kinect深度传感器数据进行人体深度信息以及骨骼信息获取，消除所得骨骼信息的抖动和噪声干扰，并获取所有骨骼对的角度旋转移动so3矩阵信息；然后将所得的角度旋转移动so3矩阵信息输入预设的支持向量机实现患者姿态信息的获取；然后获取标准的姿态信息与当前患者姿态信息的差值，并基于该差值现医学影像偏转角度的调整；

s3、完成医学影像的去噪处理，并采用otsu算法对完成去噪处理的图像进行自动阈值分割，得到二值图像；具体的，首先将医学影像进行小波分解，然后对各频带的子图像采用不同的阀值进行中值滤波处理，然后采用otsu算法对完成去噪处理的图像进行自动阈值分割；

s4、基于fasterr-cnn模型实现二值图像中病灶区、病灶区相邻区域的识别，输出对应的病灶区域诊断结果、病灶区相邻区域识别结果；首先，基于fasterr-cnn模型实现二值图像中病灶区的定位识别，输出对应的病灶区域诊断结果；然后根据病灶区域诊断结果在二值图上圈定病灶区域，然后根据圈定的病灶区域的位置基于数据挖掘模块挖取病灶区域左侧、右侧、上侧、下侧相邻区域的二值图；然后基于fasterr-cnn模型实现二值图像中病灶区相邻区域的识别，输出对应的病灶区相邻区域识别结果；

s5、根据调整后的医学影像数据以及病灶区域诊断结果、病灶区相邻区域识别结果实现人体器官三维模型的重建；具体的，首先根据调整后的医学影像数据以及病灶区诊断结果实现人体器官三维模型的重建，然后根据病灶区诊断结果在三维模型上圈定病灶区域；

s6、基于连通分量外接矩形的长宽比实现病灶区形状、尺寸数据的获取；

s7、将所得的病灶区域诊断结果以及对应的病灶区形状、尺寸数据、病灶区相邻区域识别结果填入预制的模板内，生成诊断报告。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。