本发明属于医学图像处理,尤其涉及一种早期病灶图像识别系统、终端、设备及介质。
背景技术:
1、目前,利用内窥设备进行鼻咽喉等区域图像的获取,有助于为医生提供良好的诊断支撑,现在的医疗环境下,产生了很多内窥图像检测方法,通过这些技术手段能得到很多精准且具备诊疗条件的鼻咽喉图像,从而进行更深入的病理分析。但是现有技术通常是获取图像之后,依靠临床医生的个人经验进行诊断,不仅主观性强,且肉眼识别难度大,容易造成遗漏。
2、通过上述分析,现有技术存在的问题及缺陷为:现有技术不能进行病灶图像的识别,且现有技术主观依赖强,不能自主、智能进行识别,且识别难度大,识别结果不准确。
技术实现思路
1、针对现有技术存在的问题,本发明提供了一种早期病灶图像识别系统、终端、设备及介质。
2、本发明是这样实现的,一种早期病灶图像识别系统,所述早期病灶图像识别系统包括:
3、图像分析模块,与中央控制模块连接,用于基于预处理后的鼻咽喉内窥图像进行智能分析;
4、特征提取模块,与中央控制模块连接,用于基于智能分析结果提取预处理后的鼻咽喉内窥图像的特征;
5、模型构建模块,与中央控制模块连接,用于构建图像识别的学习型ai;
6、特征对比模块,与中央控制模块连接,用于利用构建的学习型ai将提取鼻咽喉内窥图像的特征与临床数据库存储的特征图像进行对比,得到特征分析结果;
7、判断模块,与中央控制模块连接,用于判断得到的特征分析结果是否符合实际数据;
8、病灶图像识别模块,与中央控制模块连接,用于基于判断结果输出病灶图像识别结果。
9、进一步,所述早期病灶图像识别系统还包括:
10、图像采集模块,与中央控制模块连接,用于利用影像设备获取鼻咽喉内窥图像;
11、图像预处理模块,与中央控制模块连接,用于对获取的鼻咽喉内窥图像进行预处理;
12、中央控制模块连接,与图像采集模块、图像预处理模块、图像分析模块、特征提取模块、模型构建模块、特征对比模块、判断模块、病灶图像识别模块、存储模块以及输出模块连接,用于利用单片机、微处理器或控制器控制各个模块正常工作;
13、存储模块,与中央控制模块连接,用于存储采集的图像、图像特征提取结果以及病灶识别结果;
14、输出模块,与中央控制模块连接,用于将采集的图像、提取的图像特征以及病灶识别结果进行输出。
15、进一步,所述图像预处理模块对获取的鼻咽喉内窥图像进行预处理包括:
16、基于加权l0梯度最小化进行鼻咽喉内窥图像的平滑处理:
17、
18、
19、
20、其中,i表示鼻咽喉原始内窥图像,s表示平滑后鼻咽喉内窥图像,和分别表示平滑后鼻咽喉内窥图像s沿着水平和竖直方向的偏导数,cx(s)表示水平方向的l0梯度;cy(s)表示竖直方向的l0梯度;p表示鼻咽喉原始内窥图像的像素;λ和γ为非负参数,用于分别控制i在水平和竖直方向被平滑的权重;hp和vp表示辅助变量,hp表示原图沿着水平方向的梯度估计值vp表示原图沿着竖直方向的梯度估计值α,β是超参数,分别约束hp和vp与对应原图像梯度和的相似性。
21、进一步,所述特征提取模块基于智能分析结果提取预处理后的鼻咽喉内窥图像的特征包括:
22、首先,获取预处理后的鼻咽喉内窥图像,并将预处理后的鼻咽喉内窥图像进行灰度化处理;
23、其次,对灰度化处理的鼻咽喉内窥图像进行边缘增强处理,并根据增强后的鼻咽喉内窥图像的灰度值进行初步分区;
24、再者,并根据初步分区结果对各块鼻咽喉内窥图像进行颜色矩特征提取,得到鼻咽喉内窥图像的一阶矩、二阶矩和三阶矩;
25、然后,根据初步分区结果提取各个分区图像的面积参数;再根据鼻咽喉内窥图像的位置进行鼻咽喉内窥图像的二次分块处理;
26、最后,根据二次分块处理进行纹理特征提取,基于所述各个分区图像的面积参数、颜色与纹理特征提取得到鼻咽喉内窥图像的特征。
27、进一步,所述根据二次分块处理进行纹理特征提取包括:
28、构建鼻咽喉内窥图像灰度共生矩阵特征,利用鼻咽喉内窥图像灰度共生矩阵特征通过能量、对比度、相关性、熵和逆差矩表征鼻咽喉内窥图像纹理特征。
29、进一步,所述特征对比模块利用构建的学习型ai将提取鼻咽喉内窥图像的特征与临床数据库存储的特征图像进行对比,得到特征分析结果包括:
30、首先,确定提取的鼻咽喉内窥图像的特征,将所述鼻咽喉内窥图像的特征中的各个分区图像与临床数据库中对应分区图像以及图像标签进行对比,确定各个分区对应的结构名称;
31、其次,根据所述各个分区对应的结构名称以及提取的特征中的面积参数与临床数据库中对应结构的尺寸参数进行对比,确定腺样体或其他结构的尺寸对比结果;
32、再者,利用学习型ai构建的根据各个分区对应的结构名称以及临床数据库存储的图像基于鼻咽喉特征图像提取结构判断所述鼻咽喉内窥图像中是否存在异物;
33、然后,利用学习型ai根据鼻咽喉内窥图像的特征与临床数据库存储的病灶特征图像进行对比,判断是否存在病灶;
34、最后,根据尺寸对比结果、分区对应的结构名称、异物识别结果、血管特征分析结果以及病灶识别结果得到特征分析结果。
35、进一步,所述根据尺寸对比结果、分区对应的结构名称、异物识别结果、血管特征分析结果以及病灶识别结果得到特征分析结果之前还需进行:
36、鼻咽喉内窥图像的特征提取结果结合鼻咽喉内窥图像进行黏膜下斑点状血管识别,并对识别的黏膜下斑点状血管进行特征分析,得到血管特征分析结果。
37、本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器实现所述早期病灶图像识别系统。
38、本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器实现所述早期病灶图像识别系统。
39、本发明的另一目的在于提供一种信息数据处理终端,所述信息数据处理终端用于实现所述早期病灶图像识别系统。
40、结合上述的技术方案和解决的技术问题,本发明所要保护的技术方案所具备的优点及积极效果为:
41、第一、针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果。具体描述如下:
42、本发明能够对于肉眼无法看到或不易看清的鼻咽喉内部图像进行有效的处理以及特征提取,通过分析内部结构的尺寸、颜色、纹理特征,进行异常的判断与识别,并结合病灶特征图像进行部分病灶特征的图像识别,最终输出病灶图像识别结果,有助于得到准确、全面、客观的识别结果,且提升了对病灶的特殊部位以及微小变化区域的捕获能力,在临床上有非常广阔的应用前景。
43、第二,把技术方案看做一个整体或者从产品的角度,本发明所要保护的技术方案具备的技术效果和优点,具体描述如下:
44、本发明利用学习型ai进行病灶图像识别,能够为医生提供辅助判断和治疗依据,能够获得较为准确的病灶图像识别结果,帮助医生确定病灶位置,分析病灶产生原因以及具体的病症判断。