本发明涉及医疗器械,具体为一种脑部医学影像分类方法及装置。
背景技术:
1、脑部疾病是颅内组织器官的炎症、血管病、肿瘤、变性、畸形、遗传病、免疫性疾病、营养代谢性疾病、中毒、外伤、寄生虫病的总称,在现在的治疗过程中,脑部疾病通常需要结合脑部医学影像进行分析判断,这时通常需要使用到脑部医学影像分类方法及装置,现有的脑部医学影像分类方法及装置在进行使用时,大多采用图像叠加对比的方式来实现分类,对比完成后装置不具备学习优化的功能,从而导致现有的装置在进行使用时,整体的对比精度较差,适用范围小,装置的实用性和功能性不佳。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足,本发明提供了一种脑部医学影像分类方法及装置,解决了现有的方法及装置在进行使用时,分析对比精度差,整体的稳定性和使用效果不佳,工作效率不高,整体的适用范围较小,实用性不强的问题。
3、(二)技术方案
4、为实现以上目的,本发明通过以下技术方案予以实现:一种脑部医学影像分类方法及装置,包括数据采集模块,所述数据采集模块连接有上位机,所述上位机连接有数据处理模块;
5、所述数据处理模块连接有数据分析模块,所述数据分析模块连接有病情诊断模块,所述上位机和病情诊断模块之间双向连接。
6、优选的,所述数据采集模块包括影像采集模块和模型建立模块,所述影像采集模块连接有ct扫描仪和核磁共振机,所述模型建立模块连接有withinmedical软件。
7、优选的,所述数据处理模块包括图像标记模块和图像分割模块,所述图像标记模块和图像分割模块连接有tensorflow系统。
8、优选的,所述数据分析模块包括分类分析模块和反馈学习模块,所述反馈学习模块连接有深度学习方法、概率统计方法和稀疏数据重构方法。
9、优选的,所述分类分析模块连接有特征提取模块和特征对比模块,所述特征提取模块连接有pyradiomics软件,所述特征对比模块连接有diffimg软件,所述pyradiomics软件和diffimg软件连接有数据库。
10、优选的,所述病情诊断模块包括医师管理模块和患者信息采集模块,所述患者信息采集模块连接有患者身份信息和患者既往病史及病历。
11、优选的,所述医师管理模块连接有诊疗方案查询、检测报告查询和用药信息查询。
12、一种脑部医学影像分类方法,其特征在于,具体包括以下步骤:
13、s1.数据采集
14、通过ct扫描仪或核磁共振机对患者脑部医学影像进行扫描,扫描后的医学影像可通过withinmedical软件进行三维模型建立;
15、s2.数据处理
16、采集到的影像数据可通过传输器传输到上位机,数据通过上位机传输至数据处理模块,数据处理模块通过tensorflow系统对患者的脑部影像进行子孔径图像提取,并对图像中的每个目标分区进行标记确定,采用增强差分演化方法,求取每张图像的最佳分块大小,将图像进行分割,每部分只保留一个目标分区;
17、s3.数据分析
18、将标记分割完成的图像传输到数据分析模块中,通过pyradiomics软件,将分割后的每张图像各部分通过图像清晰度评价函数进行求值,并将每张多聚焦图像中函数值最高的部分进行标记提取,通过diffimg软件,建立图像的mask掩模图像,通过mask掩模图像对每幅图像进行高斯金字塔建立和拉普拉斯金字塔建立,将高斯金字塔和拉普拉斯金字塔进行差分后叠加,得到关键特征图,与数据库图像进行对比,确定病灶;
19、s4.病情诊断
20、病灶部位确定后,数据将传输到病情诊断模块,由医师结合患者各项信息以及建立的患者脑部三维模型对患者病情进行综合判断,确定患者的诊疗方案,出具检测报告和用药信息;
21、s5.反馈学习
22、将多次不同的分类分析结构进行储存并输入到反馈学习模块,通过深度学习方法和概率统计方法结合稀疏数据重构方法,使反馈学习模块进行深度学习,实现该装置后续使用时的分类分析效果。
23、(三)有益效果
24、本发明提供了一种脑部医学影像分类方法及装置。具备以下有益效果:
25、1、本发明提供了一种脑部医学影像分类方法及装置,相较于现有的脑部医学影像分类方法及装置,该分类方法及装置通过在其上位机内设置有数据处理模块,数据处理模块通过tensorflow系统对患者的脑部图像进行分区标定,并将图像各目标分区进行切割,便于后续对采集的图像进行对比,确定病灶,提升该方法及装置的工作效率,提高该装置的使用效果。
26、2、本发明提供了一种脑部医学影像分类方法及装置,相较于现有的脑部医学影像分类方法及装置,该分类方法及装置通过在其上位机内设置有数据分析模块,数据分析模块通过pyradiomics软件和diffimg软件对图像中的数据进行提取,并通过上位机内置的数据库,对数据特征进行对比,提升该方法及装置在进行使用时的对比精度,提升该装置的稳定性。
27、3、本发明提供了一种脑部医学影像分类方法及装置,相较于现有的脑部医学影像分类方法及装置,该分类方法及装置通过在其内部设置有反馈学习模块,装置在使用完成后可以将数据导入到反馈学习模块中,通过深度学习方法和概率统计方法结合稀疏数据重构方法,使反馈学习模块进行深度学习,提升该装置在使用多次后的功能性,增大该装置的适用范围,提升装置的实用性。
1.一种脑部医学影像分类装置,包括数据采集模块(1),其特征在于:所述数据采集模块(1)连接有上位机(2),所述上位机(2)连接有数据处理模块(3);
2.根据权利要求1所述的一种脑部医学影像分类装置,其特征在于:所述数据采集模块(1)包括影像采集模块(101)和模型建立模块(104),所述影像采集模块(101)连接有ct扫描仪(102)和核磁共振机(103),所述模型建立模块(104)连接有withinmedical软件(105)。
3.根据权利要求1所述的一种脑部医学影像分类装置,其特征在于:所述数据处理模块(3)包括图像标记模块(301)和图像分割模块(302),所述图像标记模块(301)和图像分割模块(302)连接有tensorflow系统(303)。
4.根据权利要求1所述的一种脑部医学影像分类装置,其特征在于:所述数据分析模块(4)包括分类分析模块(401)和反馈学习模块(407),所述反馈学习模块(407)连接有深度学习方法(408)、概率统计方法(409)和稀疏数据重构方法(410)。
5.根据权利要求4所述的一种脑部医学影像分类装置,其特征在于:所述分类分析模块(401)连接有特征提取模块(402)和特征对比模块(404),所述特征提取模块(402)连接有pyradiomics软件(403),所述特征对比模块(404)连接有diffimg软件(405),所述pyradiomics软件(403)和diffimg软件(405)连接有数据库(406)。
6.根据权利要求1所述的一种脑部医学影像分类装置,其特征在于:所述病情诊断模块(5)包括医师管理模块(501)和患者信息采集模块(505),所述患者信息采集模块(505)连接有患者身份信息(506)和患者既往病史及病历(507)。
7.根据权利要求6所述的一种脑部医学影像分类装置,其特征在于:所述医师管理模块(501)连接有诊疗方案查询(502)、检测报告查询(503)和用药信息查询(504)。
8.一种脑部医学影像分类方法,其特征在于,具体包括以下步骤: