本发明属于图像处理技术领域，尤其涉及一种ect图像数据采集、图像重建及评估系统。
背景技术：
目前，业内常用的现有技术是这样的：
ect发射型计算机断层扫描仪。是一种利用放射性核素的检查方法。ect成像的基本原理：放射性药物引入人体，经代谢后在脏器内ect外或病变部位和正常组织之间形成放射性浓度差异，将探测到这些差异，通过计算机处理再成像。ect成像是一种具有较高特异性的功能显像和分子显像，除显示结构外，着重提供脏器与端正变组织的功能信息。然而，现有ect图像数据处理过程中对图像高亮部位通过降低该像素的亮度或明度的修正处理，效果差；同时由于不同工作人员水平不一，不能准确的对图像进分析，不利于患者治疗效果。
曾有学者运用静态贝叶斯网络、神经网络对放射性药物在人体不同器官浓度进行量化评估，但其缺乏对信息的时效性分析，不能反映危险在不同时刻的变化规律。
离散动态贝叶斯网络是一种对动态不确定事件进行建模和推理的工具，近几年正日益应用于众多领域。
综上所述，现有技术存在的问题是：
现有ect图像数据处理过程中对图像高亮部位通过降低该像素的亮度或明度的修正处理，效果差；同时由于不同工作人员水平不一，不能准确的对图像进分析，不利于患者治疗效果。
现有的放射性药物在人体不同器官浓度指数评估方法有效性、实用性和准确性不够高的问题。
技术实现要素：
针对现有技术存在的问题，本发明提供了一种ect图像数据采集、图像重建及评估系统。
本发明是这样实现的，一种ect图像数据采集、图像重建及评估系统，包括：
数据采集模块，与模数转换模块连接，用于通过探测核射线的探头获取放射性药物在人体不同器官浓度图像数据；数据采集模块利用集成的感知设备在独立的采样周期内对目标信号x(t)进行采集，并用a/d方式对信号进行数字量化；然后，对量化后的信号x(i)进行降维；最后，对降维后的信号进行重构；其中t为采样时刻，i为量化后的信号排序；对量化后的信号进行降维，具体是对量化后的信号通过有限脉冲响应滤波器的差分方程
则观测
如果信号在变换基矩阵ψ上具有稀疏性，则通过求解
数据处理模块，与数据采集模块、图像处理模块、数据存储模块、专家评估模块、显示模块连接，用于对模数转换模块传输的数据进行处理生成图像数据；
数据处理模块将采集的放射性药物在人体不同器官浓度图像数据按照划分的量化等级进行量化处理，并建立观测证据表；
利用专家知识或经验建立状态间的条件概率转移矩阵，确定时间片段间的状态转移矩阵；
建立危险等级与放射性药物因素和浓度间的离散动态贝叶斯网络模型；
利用建立的观测证据表、条件转移概率表和状态转移概率表，运用隐马尔科夫推理算法计算出最终的放射性药物在人体不同器官浓度危险等级；
所述离散动态贝叶斯网络模型是由观测节点和状态节点构成的有向无环图，放射性药物因素和浓度构成离散状态节点，危险等级为观测节点；
所述建立的观测证据表、条件转移概率表和状态转移概率表，结合所建立的离散动态贝叶斯网络模型，确定最终的危险等级即为贝叶斯推理过程依据大量状态节点数据推理出观测节点最大可能取值的概率；
数据处理模块数据处理中，具体包括：系统参数λ和观测序列y，前向-后向算法推理出概率p(y|λ)的过程如下：
前向算法，定义前向变量αt(i)＝p(y1,y2,...,yt,xt＝i|λ)
初始化：α1(i)＝πibi(y1),1≤i≤n
递归运算：
结果：
后向算法，定义后向变量βt(i)＝p(yt+1,yt+2,...,yt|xt＝i,λ)
初始化：βt(i)＝1,1≤i≤n
递归运算：
结果：
将前向算法、后向算法结合起来构成前向-后向算法：
最终，根据确立的观测证据表、条件转移概率表和状态转移概率表，结合前向-后向算法推理出放射性药物在人体不同器官浓度危险等级；
图像处理模块，与数据处理模块连接，用于对图像数据进行修正、加工处理操作；
图像处理模块在灰度处理图像中,窗口wi的邻域内alpha值满足局部线性条件，使用移动最小二乘法求解局部线性关系，表示如下：
公式(1)中权值ω，ωi是邻域wk中的权值；式(1)表示为以下矩阵的形式:
对于每个邻域wk,gk定义为‖wk‖×2矩阵；gk每行包括向量(ii,1)，wk是每行向量对应的权值ωi组成的向量，gk’为gk的wk加权，对应的每行向量表示为(wk.ii,wk)，
系数ak,bk解得如下所示：
令
δi,j是kroneckerdelta函数，μk和σ2分别是小窗口wk内的基于wk的加权均值和方差，‖wk‖是窗口内像素的个数,l为移动拉氏抠图矩阵；
引入权值ωi，应用至彩色模型，彩色模型下的移动最小二乘抠图方法如下：
用下式表示彩色图像各通道间的线性关系：
c为彩色图像的通道数,在考虑各个通道信息后，式(1)转化为下式:
对式(2)进行化简后，解得彩色模型下移动拉氏矩阵如下式所示：
j(α)＝αlαt；
在(3)式中，i为小邻域内所有像素对应3*1颜色向量组成的矩阵，μk为i的wk加权平均,σk是i在wk加权下的协方差矩阵。
进一步，所述ect图像数据采集、图像重建及评估系统还包括：
模数转换模块，与数据采集模块、数据处理模块连接，用于将采集的模拟数据转换数字数据；
进一步，所述ect图像数据采集、图像重建及评估系统还包括：
数据存储模块，与数据处理模块连接，用于存储数据；
专家评估模块，与数据处理模块连接，用于在线专家网对采集的图像数据进行分析评估；
显示模块，与专家评估模块连接，用于显示采集的图像数据。
进一步，所述图像处理模块包括：强度值计算模块、修正模块；
强度值计算模块，用于对各个像素计算出表示该像素的颜色成分与所检测出的所述规定部位中的主要颜色成分的接近程度的强度值；
修正模块，用于其根据所述强度值以及输入的图像的各个像素的亮度或明度，对各个像素实施降低其亮度或明度的图像修正。
进一步，所述数据采集模块采集方法还包括：
在采集程序控制下，探头收集到从靶器官发射出来的γ射线，经晶体光放大导向光电倍增管p.m.t的阴极，转变成电脉冲信号，按位置译码器指定位置输送到计算机，计算机将信号经模数转换成数字存贮起来。
本发明的优点及积极效果为：
本发明通过图像处理模块能够只对在需要降低亮度的特定的部位所产生的高亮度部分进行修正，去除或降低局部反光。对于具有高亮度或高明度的像素，不是单纯地实施降低该像素的亮度或明度的修正处理，而是检测出被摄体的规定部位(例如面部、眼睛和口等)，根据该检测结果(规定部位的位置和颜色等)决定对各个像素的修正程度。因此，对于不需要降低亮度或明度的部位，可维持其高亮度或明度，而只对需要降低亮度的部位(例如出现了皮肤的局部反光的部位等)实施图像修正；同时通过专家评估模块可以集合在线不同专家对采集的图像进行分析，可以获取更加准确的分析信息，有利患者治疗效果。
本发明提出的基于离散动态贝叶斯网络的放射性药物在人体不同器官浓度危险度综合评估方法，实现了连续观测值和离散动态贝叶斯网络的有机结合，将所有可观测的与危险度相关的重要因子综合起来进行判断推理，建立了适用于危险度推理的离散动态贝叶斯网络模型(见图2)，并结合hmm推理算法推理出危险程度的概率分布；使评估的有效性、实用性和准确性大大提升；与静态贝叶斯网络相比，离散动态贝叶斯网络由于利用了临近时间段的节点信息，因此推理结果准确性更高，且当数据存在异常或不确定情况下，离散动态贝叶斯网络仍能够推理出较为正确的危险等级。此方法可以进一步推广到态势评定和目标类型估计等诸多领域，具有较大的应用前景。
数据采集模块利用集成的感知设备在独立的采样周期内对目标信号x(t)进行采集，并用a/d方式对信号进行数字量化；然后，对量化后的信号x(i)进行降维；最后，对降维后的信号进行重构；其中t为采样时刻，i为量化后的信号排序；可获得准确的数据信息。
图像处理模块，与数据处理模块连接，用于对图像数据进行修正、加工处理操作；在有复杂的前景和前景区域，以及前景和背景复杂混合的区域，都能取得较好的效果。本发明的使用移动最小二乘法的拉普拉斯抠图矩阵方法，根据矩阵求解alpha图,从而可以对复杂背景下的图像进行前景抠图处理,相比以前的方法更为有效，可以求解出更为精确的alpha图，并在图中前背景复杂的区域，特别是在前景和背景颜色混合区域，以及局部会出现空洞的区域，变化较大的区域，都能取得良好的效果。
附图说明
图1是本发明实施例提供的ect图像数据采集、图像重建及评估系统结构框图。
图中：1、数据采集模块；2、模数转换模块；3、数据处理模块；4、图像处理模块；5、数据存储模块；6、专家评估模块；7、显示模块。
图2是本发明实施例提供的危险度评估模型。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
如图1所示，本发明实施例提供ect图像数据采集、图像重建及评估系统包括：数据采集模块1、模数转换模块2、数据处理模块3、图像处理模块4、数据存储模块5、专家评估模块6、显示模块7。
数据采集模块1，与模数转换模块2连接，用于通过探测核射线的探头获取放射性药物在人体不同器官浓度图像数据；
模数转换模块2，与数据采集模块1、数据处理模块3连接，用于将采集的模拟数据转换数字数据；
数据处理模块3，与数据采集模块1、模数转换模块2、图像处理模块4、数据存储模块5、专家评估模块6、显示模块7连接，用于对模数转换模块2传输的数据进行处理生成图像数据；
图像处理模块4，与数据处理模块3连接，用于对图像数据进行修正、加工处理操作；
数据存储模块5，与数据处理模块3连接，用于存储数据；
专家评估模块6，与数据处理模块3连接，用于在线专家网对采集的图像数据进行分析评估；
显示模块7，与专家评估模块6连接，用于显示采集的图像数据。
本发明提供的图像处理模块4包括：强度值计算模块、修正模块；
强度值计算模块，用于对各个像素计算出表示该像素的颜色成分与所检测出的所述规定部位中的主要颜色成分的接近程度的强度值；
修正模块，用于其根据所述强度值以及输入的图像的各个像素的亮度或明度，对各个像素实施降低其亮度或明度的图像修正。
本发明提供的数据采集模块1采集方法如下：
在采集程序控制下，探头收集到从靶器官发射出来的γ射线，经晶体光放大(变成可见光)导向光电倍增管(p.m.t)的阴极(矩阵排列于晶体表面的光导面上，常有50～107支)，转变成电脉冲信号，按位置译码器指定位置输送到计算机，计算机将信号经模/数(a/d)转换成数字存贮起来。
本发明工作时，通过数据采集模块1根据探测核射线的探头获取放射性药物在人体不同器官浓度图像数据；接着，通过模数转换模块2将采集的模拟数据转换数字数据；通过数据处理模块3对模数转换模块2传输的数据进行处理生成图像数据；接着，通过图像处理模块4对图像数据进行修正、加工处理操作；然后，通过数据存储模块5存储数据；通过专家评估模块6对采集的图像数据进行分析评估；最后，通过显示模块7显示采集的图像数据。
下面结合具体具体分析对本发明作进一步描述。
数据采集模块利用集成的感知设备在独立的采样周期内对目标信号x(t)进行采集，并用a/d方式对信号进行数字量化；然后，对量化后的信号x(i)进行降维；最后，对降维后的信号进行重构；其中t为采样时刻，i为量化后的信号排序；对量化后的信号进行降维，具体是对量化后的信号通过有限脉冲响应滤波器的差分方程
则观测
如果信号在变换基矩阵ψ上具有稀疏性，则通过求解
数据处理模块，与数据采集模块、图像处理模块、数据存储模块、专家评估模块、显示模块连接，用于对模数转换模块传输的数据进行处理生成图像数据；
数据处理模块将采集的放射性药物在人体不同器官浓度图像数据按照划分的量化等级进行量化处理，并建立观测证据表；
利用专家知识或经验建立状态间的条件概率转移矩阵，确定时间片段间的状态转移矩阵；
建立危险等级与放射性药物因素和浓度间的离散动态贝叶斯网络模型；
利用建立的观测证据表、条件转移概率表和状态转移概率表，运用隐马尔科夫推理算法计算出最终的放射性药物在人体不同器官浓度危险等级；
所述离散动态贝叶斯网络模型是由观测节点和状态节点构成的有向无环图，放射性药物因素和浓度构成离散状态节点，危险等级为观测节点；
所述建立的观测证据表、条件转移概率表和状态转移概率表，结合所建立的离散动态贝叶斯网络模型，确定最终的危险等级即为贝叶斯推理过程依据大量状态节点数据推理出观测节点最大可能取值的概率；
数据处理模块数据处理中，具体包括：系统参数λ和观测序列y，前向-后向算法推理出概率p(y|λ)的过程如下：
前向算法，定义前向变量αt(i)＝p(y1,y2,...,yt,xt＝i|λ)
初始化：α1(i)＝πibi(y1),1≤i≤n
递归运算：
结果：
后向算法，定义后向变量βt(i)＝p(yt+1,yt+2,...,yt|xt＝i,λ)
初始化：βt(i)＝1,1≤i≤n
递归运算：
结果：
将前向算法、后向算法结合起来构成前向-后向算法：
最终，根据确立的观测证据表、条件转移概率表和状态转移概率表，结合前向-后向算法推理出放射性药物在人体不同器官浓度危险等级；
图像处理模块，与数据处理模块连接，用于对图像数据进行修正、加工处理操作；
图像处理模块在灰度处理图像中,窗口wi的邻域内alpha值满足局部线性条件，使用移动最小二乘法求解局部线性关系，表示如下：
公式(1)中权值ω，ωi是邻域wk中的权值；式(1)表示为以下矩阵的形式:
对于每个邻域wk,gk定义为‖wk‖×2矩阵；gk每行包括向量(ii,1)，wk是每行向量对应的权值ωi组成的向量，gk’为gk的wk加权，对应的每行向量表示为(wk.ii,wk)，
系数ak,bk解得如下所示：
令
δi,j是kroneckerdelta函数，μk和σ2分别是小窗口wk内的基于wk的加权均值和方差，‖wk‖是窗口内像素的个数,l为移动拉氏抠图矩阵；
引入权值ωi，应用至彩色模型，彩色模型下的移动最小二乘抠图方法如下：
用下式表示彩色图像各通道间的线性关系：
c为彩色图像的通道数,在考虑各个通道信息后，式(1)转化为下式:
对式(2)进行化简后，解得彩色模型下移动拉氏矩阵如下式所示：
j(α)＝αlαt；
在(3)式中，i为小邻域内所有像素对应3*1颜色向量组成的矩阵，μk为i的wk加权平均,σk是i在wk加权下的协方差矩阵。
图2是本发明实施例提供的危险度评估模型。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。