本发明涉及红外成像技术领域,具体涉及一种基于医学影像增强的健康信息分析系统。
背景技术:
现有技术中医护人员对医学红外热成像进行评估时,十分依赖红外热成像仪的检测结果,但由于使用的红外热成像仪的不同,通常医护人员给出的诊断结果也不尽相同,且现有的红外热成像仪往往没有对所得图像进行处理,对于细微的差别,依靠医护人员的肉眼往往不能做出准确的判断,导致不能到用户当前的身体健康情况准确反映,降低了医护人员的工作效率。
技术实现要素:
针对上述问题,本发明旨在提供一种基于医学影像增强的健康信息分析系统。
本发明的目的采用以下技术方案来实现:
一种基于医学影像增强的健康信息分析系统,包括用户信息输入模块、医学红外热成像模块、存储模块、红外图像映射模块、健康分析模块和健康报告生成模块,所述医学红外热成像模块用于对用户的人体红外热成像能量图进行采集,得到人体热量图;所述存储模块用于对人体热量图进行存储;所述红外图像映射模块预存有标准的人体切面图像,用于将人体切面图像对存储模块中的人体热量图进行映射,得到人体各部位热量分布信息图;所述健康分析模块用于对人体各部位热量分布信息图进行分析,得到人体健康分析结果;所述健康报告生成模块根据人体健康分析结果生成用户的健康报告。
本发明的有益效果为:本发明可快速、准确、及时地让用户对自己的身体健康状况进行了解,同时在医护人员将其用于对病人的身体健康状态进行检测时,提高医护人员的工作效率。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的框架结构图;
图2是本发明的医学红外热成像模块的框架结构图。
附图标记:
用户信息输入模块1、医学红外热成像模块2、存储模块3、红外图像映射模块4、健康分析模块5、健康报告生成模块6、红外热成像采集器21、红外热图像处理器22、图像预处理单元221、图像结构处理单元222和图像合成单元223。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1,包括用户信息输入模块1、医学红外热成像模块2、存储模块3、红外图像映射模块4、健康分析模块5和健康报告生成模块6,所述医学红外热成像模块1与所述存储模块3为无线网络连接,用于对用户的人体红外热成像能量图进行采集,得到人体热量图;所述存储模块3与所述红外图像映射模块4为有线网络连接,用于对人体热量图进行存储;所述红外图像映射模块4与所述健康分析模块5为有线网络连接,所述红外图像映射模块4中预存有标准的人体切面图像,用于将人体切面图像对存储模块中的人体热量图进行映射,得到人体各部位热量分布信息图;所述健康分析模块5与所述健康报告生成模块6为有线网络连接,用于对人体各部位热量分布信息图进行分析,得到人体健康分析结果;所述健康报告生成模块6根据人体健康分析结果生成用户的健康报告。
优选地,所述用户信息输入模块输入的信息包括用户姓名、性别、年龄、身高和体重。
优选地,所述健康报告生成模块生成的用户健康报告内容包括体质评估结果和治疗或调养建议。
本发明上述实施例,可快速、准确、及时地让用户对自己的身体健康状况进行了解,同时在医护人员将其用于对病人的身体健康状态进行检测时,提高医护人员的工作效率。
优选地,如图2所示,所述医学红外热成像模块包括红外热成像采集器和红外热图像处理器,所述医学红外热成像模块包括红外热成像采集器和红外热图像处理器,所述红外热成像采集器为非致冷焦平面阵列型红外热成像仪,用于采集用户的人体红外热成像能量图,得到初始人体热量图;
所述红外热图像处理器与所述红外热成像采集器有线网络连接,所述红外热图像处理器包括图像预处理单元、图像结构处理单元和图像合成单元,用于对初始人体热量图像进行增强处理,得到人体热量图;
所述图像预处理单元首先对初始人体热量图进行压缩,然后消除初始人体热量图中亮度变化,具体为:
(1)采用自定义压缩函数实现初始人体热量图压缩,提高初始人体热量图局部对比度,具体为:
式中,
(2)将经过压缩后的初始人体热量图的每个像素点与其临近的像素点的亮度值进行加权平均来消除照度变化,具体为:
式中,tx(j,k)表示坐标位置(j,k)第x个颜色谱段的亮度值,γl为初始人体热量图第l个尺度尺度对应的权重值,且权重值满足归一化条件
本发明上述实施例,采用自定义压缩函数来对初始人体热量图进行压缩,利用非线性s形传输函数与对数函数结合能够大大提高图像预处理单元对初始人体热量图在的压缩能力,并保证被压缩后的初始人体热量图与压缩前并无较大的差别,避免了初始人体热量图的局部颜色失真导致对用户的身体健康状况判断失误。
优选地,,所述图像结构处理单元对预处理后的初始人体热量图的灰度级进行直方图构造,并筛选出直方图中的最大灰度级和直方图中不为0的灰度级总数,采用灰度级变换函数对初始人体热量图的灰度级进行变换处理,以增强初始人体热量图的全局结构对比度,保证初始人体热量图中信息的完整度,具体为
m(1)=1
式中,m(x)为第x个颜色谱段的灰度级,βx为第x个颜色谱段出现的概率,g(x)为灰度级变换函数,int(·)为取整函数,dmax为初始人体热量图灰度级的直方图中最大灰度级,dsum为初始人体热量图灰度级的直方图中不为0的灰度级总数。
本发明上述实施例,通过构造直方图和灰度级变换的方法来对初始人体热量图进行整体结构的增强,拉伸初始人体热量图的对比度,有利于健康分析模块根据人体热量图进行分析时能够做出更加快速、准确的分析判断,同时避免初始人体热量图细节被平滑化,保证了初始人体热量图原有的灰度分辨率。
优选地,所述图像合成单元首先对初始人体热量图进行细节增强,然后进行图像合成,得到人体热量图,具体为:
(1)根据初始人体热量图亮度的变化快慢或细节的丰富程度,将一幅初始人体热量图分成细节区域、高对比度边缘区域和平滑区域,为实现较大地增益初始人体热量图细节区域,较小地增益高对比度区域和平滑区域的边缘,采用自定义空间变化增益函数对初始人体热量图细节进行处理,采用的自定义空间变化增益函数为:
式中,
(2)将经过红外图像结构处理单元处理后的初始人体热量图预经过细节增强处理后的初始人体热量图进行合成,得到人体热量图。
本发明上述实施例,采用的自定义空间变化增益函数对初始人体热量图的进行细节增强处理,避免了在图像预处理单元与图像结构处理单元时可能造成的图像细节平滑化,保证了人体热量图具有良好的结构特征同时也拥有良好的细节特征,而将图像分成细节区域、高对比度边缘区域和平滑区域,并进行不同处理,有利于对噪声的抑制。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。