骨科脊柱用数据信息处理方法及其装置与流程

本发明涉及医疗保健信息处理，尤其涉及一种骨科脊柱用数据信息处理方法及其装置。

背景技术：

1、随着老龄化程度的变化以及人们生活方式的改变，脊柱问题也随着逐年增加。在对于脊柱状况的获取中，脊柱x线片的准确测量具有重要意义。然而脊柱x线片的测量对于骨科专家来说是一件极具的事情。

2、在现实的实际脊柱外科专业程度较高，对于相关的x线测量方法需要有较深的专业背景知识才能掌握；同时，测量参数众多，记忆困难，许多缺乏相关知识和实践经验的专业人员仅了解一些基本参数的测量，对于诸如骨盆参数这些近年来研究认为对脊柱骨科相关研究有更加深入指导意义的参数并不了解，更无法进一步提供相关的指导；在实际的x线片分析过程中，脊柱x线片的测量过程较为复杂繁琐，对于经过系统训练的技术人员，进行完整地测量一个案例的具体的情况需占用大量的工作时间，而且时常存在难以避免的人为误差。

技术实现思路

1、本发明为解决上述技术问题，提出了一种骨科脊柱用数据信息处理方法及其装置，以解决至少一个上述技术问题。

2、本发明提供一种骨科脊柱用数据信息处理方法，包括以下步骤：

3、步骤s1：获取目标生命体的生理体征数据以及病理影像数据，其中生理体征数据包括身体功能数据、痛觉数据、生物标志物数据以及病情历史数据；

4、步骤s2：对生理体征数据进行数据预处理，从而获得预处理生理数据；

5、步骤s3：根据预处理生理数据进行年龄特征提取，从而获得年龄特征数据并根据病理影像数据进行骨架形态特征提取，从而获得骨架形态特征数据；

6、步骤s4：根据年龄特征数据通过年龄骨架基础形变识别模型进行识别，以生成年龄骨架基础形变数据，并通过骨架形态识别模型对骨架形态特征数据进行识别，生成骨架形态数据；

7、步骤s5：根据年龄骨架基础形变数据以及骨架形态数据生成年龄形态关联信息集，以传输至骨科脊柱用电子设备。

8、本实施例综合了生理体征数据和病理影像数据，从而提供了关于目标生命体的更全面和准确的信息，通过数据预处理，以确保生理体征数据的准确性和可靠性，通过年龄特征提取和骨架形态特征提取，以生成有关目标生命体的重要信息，通过年龄骨架基础形变识别模型和骨架形态识别模型识别生成年龄骨架基础形变数据和骨架形态数据，从而提供关于目标生命体的详细信息，降低人为误差，生成了年龄形态关联信息集，以提供关于目标生命体的深度信息，保证了及时反馈。

9、在本说明书的一个实施例中，步骤s1具体为：

10、步骤s11：控制前置摄像头对医疗公共场所进行图像采集，从而获取医疗场所图像数据；

11、步骤s12：对医疗场所图像数据进行人脸检测计算，从而获取人脸检测指数；

12、步骤s13：判断人脸检测指数大于或等于预设的存在人脸指数；

13、步骤s14：确定人脸检测指数大于或等于预设的存在人脸指数时，控制虹膜扫描仪对生命体进行虹膜扫描提取，从而生成虹膜图像数据；

14、步骤s15：确定人脸检测指数小于预设的存在人脸指数时，则返回至步骤s12；

15、步骤s16：对虹膜图像数据进行去噪处理，从而生成骨科生命体关联虹膜数据；

16、步骤s17：根据骨科生命体关联虹膜数据进行虹膜纹理提取，从而生成多维虹膜纹理特征数据，其中多维虹膜纹理特征数据包括虹膜斑点特征数据、虹膜边缘特征数据以及虹膜角点特征数据；

17、步骤s18：根据多维虹膜纹理特征数据通过虹膜生命体识别模型进行识别，从而获得生命体唯一标识数据；

18、步骤s19：根据生命体唯一标识数据进行数据关联查询，从而获取目标生命体的生理体征数据；

19、步骤s110：接收x光设备返回的对特定区域的采样数据，从而获得病理影像数据。

20、本实施例通过虹膜图像的采集、处理和识别，可以准确识别生命体，保证系统的安全性和可靠性，通过数据关联查询，可以获取目标生命体的生理体征数据，对于后续处理做好前提准备，减少人工数据输入操作，通过自动化的流程，可以大大提高效率，减少人工干预，提高系统的可靠性，通过生命体识别，保证数据的唯一性，从而可以确保系统的安全性，避免非法访问。

21、在本说明书的一个实施例中，去噪处理通过去噪处理计算公式进行计算处理，其中去噪处理计算公式具体为：

22、为骨科生命体关联虹膜数据，为虹膜图像数据中进行去噪后的第个图像数据的权重系数，为虹膜图像数据中的第个图像数据，为骨科病理造成的误差调整项，为历史影像数据中的噪声变化率，为微分符号，为根据当前第个图像数据与第个图像数据生成的平滑调整项，为骨科生命体关联虹膜数据的修正系数。

23、本实施例提供一种去噪处理计算公式，该公式充分考虑了虹膜图像数据中进行去噪后的第个图像数据的权重系数、虹膜图像数据中的第个图像数据、骨科病理造成的误差调整项、历史影像数据中的噪声变化率、根据当前第个图像数据与第个图像数据生成的平滑调整项以及相互之间的作用关系，其中通过获取图像噪音变化相对比较稳定，通过历史噪声的不断拟合生成的噪声变化率进行去噪作业，提高数据的准确度，通过骨科病理造成的误差调整项进行误差修正，降低骨科生命体自身由于骨科脊柱病理情况带来的误差信息，结合当前图像数据中的具体像素之间的平滑过度的调整，以形成函数关系，通过骨科生命体关联虹膜数据的修正系数进行修正，从而提供准确可靠的数据支持。

24、在本说明书的一个实施例中，步骤s2具体为：

25、步骤s21：根据生理体征数据进行数据质量判断，从而获得数据质量报告；

26、步骤s22：确定数据质量报告为合格数据质量报告时，则将生理体征数据以及病理影像数据确定为预处理生理数据；

27、步骤s23：确定数据质量报告为存疑数据质量报告时，则根据数据质量报告对生理体征数据进行数据清洗作业，从而生成预处理生理数据；

28、其中数据清洗作业具体为：

29、确定数据质量报告为包括数据不一致的数据质量报告时，根据生理体征数据进行数据标准转换，从而获得预处理生理数据；

30、确定数据质量报告为包括数据异常的数据质量报告时，将生理体征数据中的异常生理体征数据进行数据删除并进行数据增强，从而获取预处理生理数据；

31、其中数据增强的步骤具体为：

32、步骤s201：根据生理体征数据进行通过多元线性回归进行成长特性回归计算，从而获得合理数据范围；

33、步骤s202：根据合理数据范围进行随机生成，生成随机生理数据；

34、步骤s203：根据随机生理数据进行历史数据拟合，从而获得预处理生理数据。

35、本实施例通过对生理体征数据进行数据质量判断，可以获得数据质量报告，从而确定数据质量的合格情况，对于存疑数据质量报告，通过数据清洗作业可以生成预处理生理数据，从而提高数据的质量和准确性，数据清洗作业内容根据数据质量报告的内容的不同而不同，通过数据增强的步骤，通过多元线性回归制约后续随机数据，提高数据的可靠性，生成随机生理数据，从而提高数据的完整性和丰富性。

36、在本说明书的一个实施例中，步骤s3具体为：

37、步骤s31：根据预处理生理数据进行年龄特征提取，从而获得年龄特征数据；

38、步骤s32：根据病理影像数据进行图像处理，从而获得校正影像图像；

39、步骤s33：根据校正影像图像通过影像图像降噪计算公式进行降噪计算，从而得到处理影像数据；

40、步骤s34：根据处理影像数据进行图像分割，从而获得分割影像数据；

41、步骤s35：构建优化代价算子，并根据优化代价算子对分割影像数据进行边缘提取，从而获得骨骼影像数据；

42、步骤s36：根据骨骼影像数据进行骨骼特征提取，生成骨骼长度数据、骨骼宽度数据以及骨骼厚度数据；

43、步骤s37：根据骨骼长度数据、骨骼宽度数据以及骨骼厚度数据进行三维仿真计算，从而获得三维骨骼影像数据；

44、步骤s38：根据三维骨骼影像数据通过骨骼形态特征提取，从而获得骨骼形态特征数据；

45、其中影像图像降噪计算公式具体为：

46、为处理影像数据的第个像素数据，为骨科影像数据的历史误差调整值，为病理影像数据中第个像素数据的权重系数，为病理影像数据中第个像素数据，为病理影像数据中第个像素数据的权重系数，为病理影像数据中第个像素数据，为基于病理影像数据生成的调整项，为历史骨科影像数据中的噪音平均变化率，为微分符号，为处理影像数据中的骨科像素误差修正项，为处理影像数据的灰度值参数调整项，为处理影像数据的第个像素数据的修正系数。

47、本实施例通过对病理影像数据进行影像图像降噪计算公式进行图像处理，可以获得更清晰、更准确的影像数据，通过分割影像图像，为后续骨骼特征提取提供可靠的数据支撑，通过骨骼特征提取，为评估骨骼形态提供深度可靠的数据，根据多维的骨骼特征进行三维仿真计算，以实现升维的数据处理，增加数据处理的丰富度，以充分反映骨骼形态的复杂架构，更好地发现数据隐含的深度信息。

48、本实施例提供一种影像图像降噪计算公式，该公式充分考虑了骨科影像数据的历史误差调整值、病理影像数据中第个像素数据的权重系数、病理影像数据中第个像素数据、病理影像数据中第个像素数据的权重系数、病理影像数据中第个像素数据、基于病理影像数据生成的调整项、历史骨科影像数据中的噪音平均变化率、处理影像数据中的骨科像素误差修正项、处理影像数据的灰度值参数调整项以及相互之间的作用关系，其中通过前后项的像素数据进行协同，避免降噪作业带来的误差，通过权重系数的调整，权重系数的生成可以根据历史数据进行自主生成，降低降噪过程中关联度不高的像素带来的偏差过高的情况，通过历史噪音的修正，从而形成函数关系，并通过调整项以及修正项的调整修正后，从而为后续步骤提供准确可靠的数据支撑。

49、在本说明书的一个实施例中，图像分割通过图像分割模型进行分割，其中图像分割模型的构建步骤包括以下步骤：

50、步骤s331：获取标准处理影像数据以及相应的分割区域信息；

51、步骤s332：将标准处理影像数据进行矩阵转化，从而生成影像矩阵数据；

52、步骤s333：根据影像矩阵数据进行标准化处理，从而获得标准矩阵数据；

53、步骤s334：根据标准矩阵数据进行纹理特征提取以及形状特征提取，从而获得矩阵纹理特征数据以及矩阵形状特征数据；

54、步骤s335：将矩阵纹理特征数据以及矩阵形状特征数据进行特征组合，从而获得矩阵特征向量数据；

55、步骤s336：根据矩阵特征向量数据进行降维计算，从而获得降维特征向量数据；

56、步骤s337：根据降维特征向量数据进行归一化计算，从而获得归一化特征向量数据；

57、步骤s338：根据归一化特征向量数据通过聚类计算，从而获得分类数据集；

58、步骤s339：根据分类数据集进行图像重建，获得分类图像数据集；

59、步骤s3310：根据分割区域信息对分类图像数据集进行迭代评估，从而构建图像分割模型。

60、本实施例通过对图像特征进行组合、降维和归一化计算，可以提高图像分割的精确性，图像分割模型的构建通过多次迭代评估，可以保证图像分割的高效性，图像分割模型的构建基于标准处理影像数据和分割区域信息，可以保证图像分割的可靠性，通过聚类计算对数据的深度分析，比起传统的图像分割提供更加准确的数据支撑。

61、在本说明书的一个实施例中，步骤s32具体为：

62、步骤s321：根据病理影像数据进行历史偏差去噪，从而获得去噪影像数据；

63、步骤s322：获取标准影像数据，并根据去噪影像数据与标准影像数据，生成对比度调整值；

64、步骤s323：根据对比度调整值对去噪印象数据进行对比度增强，从而获得增强影像数据；

65、步骤s324：根据对比度调整值对去噪印象数据进行对比度增强，从而获得增强影像数据；

66、步骤s325：判断图像灰度变化数据是否小于或等于预设的图像灰度变化阈值；

67、步骤s326：确定图像灰度变化数据小于或等于预设的图像灰度变化阈值时，则根据增强影像数据通过最小代价双三次插值法进行插值计算，从而获得重采样影像数据；

68、步骤s327：确定图像灰度变化数据大于预设的图像灰度变化阈值时，则根据增强影像数据通过最小代价双线性插值法进行插值计算，从而获得重采样影像数据；

69、步骤s328：根据重采样影像数据进行光学校正，从而获得校正影像图像。

70、本实施例通过图像处理，可以提高图像的清晰度和对比度，使得图像更加清晰，更易于提取信息，通过提高图像质量，可以更好地诊断疾病，提高诊断准确性，通过图像处理，可以缩短诊断时间，提高工作效率，通过图像灰度变化数据进行阈值判断，从而进行相应的图像插值作业，当图像灰度变化数据过大时，判断为图像细节多，需要采用最小代价双线性插值法进行计算，提供足够准确的图像处理，当图像灰度变化数据小于预设的范围内时，判断为图像轮廓分明，采用最小代价双三次插值法进行计算，降低计算量以及对计算硬件的负荷。

71、在本说明书的一个实施例中，其中最小代价双三次插值法的步骤包括以下步骤：

72、步骤s301：根据预设的目标分辨率数据进行影像初始化生成，生成目标影像数据；

73、步骤s302：根据增强影像数据以及目标影像数据进行像素映射，从而获得映射影像数据；

74、步骤s303：根据图像灰度变化数据以及增强影像数据生成双三次插值最小化代价函数；

75、步骤s304：根据双三次插值最小化代价函数对映射影像数据进行数据插值计算，从而获得重采样影像数据。

76、本实施例通过最小代价双三次插值最小化代价函数可以精细地重建影像，使得影像分辨率更高，双三次插值法考虑了图像灰度变化，可以更好地抵抗噪声对影像质量的影响的同时降低计算量，通过像素映射和插值计算，可以生成更加精细的重采样影像数据，从而提高影像质量。

77、在本说明书的一个实施例中，其中最小代价双线性插值法的步骤包括以下步骤：

78、步骤s305：根据图像灰度变化数据生成最小代价双线性代价函数；

79、步骤s306：根据预设的目标分辨率数据，生成目标影像数据；

80、步骤s307：根据增强影像数据通过最小代价双线性代价函数对目标影像数据进行生成映射计算，从而获得重采样影像数据。

81、本实施例通过最小代价双线性插值法获得的重采样影像数据具有更高的质量和分辨率。通过生成最小代价双线性代价函数并对目标影像数据进行生成映射计算，可以使得重采样影像数据在保持原始数据的重要信息的同时，具有更高的分辨率。

82、本发明提供一种骨科脊柱用数据信息处理装置，所述装置包括：

83、至少一个处理器；以及，

84、与所述至少一个处理器通信连接的存储器；其中，

85、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任意一项所述的一种骨科脊柱用数据信息处理方法。

86、本技术的有益效果在于：本发明根据生理体征数据和病理影像数据进行特征提取，能够更加精细地识别出目标生命体的生理状况和骨架形态，通过年龄骨架基础形变识别模型和骨架形态识别模型识别生理数据，可以生成准确的年龄骨架基础形变数据和骨架形态数据，根据年龄骨架基础形变数据和骨架形态数据生成的年龄形态关联信息集可以帮助骨科脊柱用电子设备更好地评估和目标生命体的骨科颈柱情况，对中间产生的影像图像进行数据清洗、降噪、增强以及深度识别，从而提供基于高维数据分析的深度数据，保障了数据的可靠性的同时，减少传统图像数据处理带来的误差。