CN109188703A - 一种人工智能影像诊断系统 - Google Patents

Abstract

本发明公开了一种人工智能影像诊断系统，包括触控遥控器、采像X光机以及机头传感检测组件，所述机头传感检测组件胶粘固定在采像X光机的前表面，且机头传感检测组件主要由主控单元、电源模块、测距传感器、光线强度传感器、陀螺仪、加速度传感器以及蓝牙通讯模块构成，本发明在实际操作过程中，利用各个辅助组件可以快速的对采像造成的干扰因素进行清理，整体做到了角度快速调节，光线强度以及光线检测端的清洁度的快速调整，从而降低了识别过程中的不确定度，因此提高了识别准确性；同时使用边缘区域的对比度信息对局部阈值进行自适应计算，能够在抑制噪音的同时保留较低对比度的前景信息；对低质图像能进行有效处理。

Description

一种人工智能影像诊断系统

技术领域

本发明涉及影像学领域，尤其是涉及一种人工智能影像诊断系统。

背景技术

影像学不仅扩大了人体的检查范围，提高了诊断水平，而且可以对某引些疾病进行治疗。这样，就大大地扩展了本学科的工作内容，并成为医疗工作中的重要支柱。自伦琴1895年发现X线以后不久，在医学上，X线就被用于对人体检查，进行疾病诊断，形成了放射诊断学的新学科，并奠定了医学影像学的基础。至今放射诊断学仍是医学影像学中的主要内容，应用普遍。

对于目前的X光影像设备来说，采像的清晰度不仅仅是X光机的性能，周边的环境也也影响了实际的采像内容，但是在实际调整时却需要更加专业的人员进行调节，因此整体使用带来了诸多不便。

发明内容

本发明为克服上述情况不足，旨在提供一种能解决上述问题的技术方案。

一种人工智能影像诊断系统，包括触控遥控器、采像X光机以及机头传感检测组件，所述机头传感检测组件胶粘固定在采像X光机的前表面，且机头传感检测组件主要由主控单元、电源模块、测距传感器、光线强度传感器、陀螺仪、加速度传感器以及蓝牙通讯模块构成；

触控遥控器由显示与用户交互模块以及蓝牙通讯模块构成；

所述主控单元通过电源模块供电，所述测距传感器、光线强度传感器、陀螺仪、加速度传感器均连接主控单元，测距传感器、光线强度传感器、陀螺仪、加速度传感器的检测信号经主控单元处理后再通过蓝牙通讯模块与显示与用户交互模块通讯；光线强度传感器、陀螺仪、加速度传感器主要用于检测采像X光机的实际放置姿态以及所处环境的光线信息，同时这些信息经蓝牙通讯模块的传输显示在触控遥控器的显示屏上，测距传感器用于测量机头传感检测组件与触控遥控器之间的距离；主控单元主要用于协调各个传感器之间的工作，以及处理相关的信息，同时通过引入机器学习算法可以实现基础数据引入、获取数据以及获取数据判断；所述显示与用户交互模块还包括声光报警模块，声光报警模块起到声光报警的作用；所述采像X光机的上表面采用螺丝固定安装有补光灯，且当光线强度传感器检测到光线强度交底时，利用声光报警模块的作用提示使用者开启补光灯；所述采像X光机固定在安装底板上，安装底板上胶粘固定有竖直设置的滑轨，滑轨的前表面开设有竖直设置的T型滑槽，其中T型滑槽的前侧设有水平设置的滑杆，滑杆的一端一体成型有T型滑块，T型滑块滑动嵌入至T型滑槽内，此时滑杆在T型滑块的作用下实现上下线性滑动，所述滑杆的内表面上胶粘固定有橡胶刮条，橡胶刮条滑动贴合在机头传感检测组件的外壳前表面上，此时通过上下滑动滑杆可以实现对机头传感检测组件的外壳前表面进行快速清洁，这样可以提高光线强度传感器的检测准确度。

作为本发明进一步的方案：所述安装底板上采用胶粘的形式固定安装有条式水平仪，当陀螺仪、加速度传感器检测到采像X光机并不是采用平放时，在条式水平仪的指示作用下可以提高设备的调节速度。

作为本发明进一步的方案：所述安装底板采用工程塑料制成。

作为本发明进一步的方案：人工智能影像诊断系统的图像处理方法，具体包括图像边缘提取、局部阈值计算以及图像二值化，其中图像边缘提取具体包括以下步骤：

S1、高对比度区域获取：首先对图像进行中值滤波；其次遍历图像的所有像素点，在3*3大小的窗口中，使用式(1)计算每一个像素的对比度，得到一幅对比度图像；最后使用Otsu方法对该对比度图进行二值化处理，得到一幅高对比度图IMGhc；

S2、低对比度区域获取：通过在原图上迭代执行灰度形态学闭操作以及开操作得到背景。原图减去背景图像，得到低对比度图，在该图上执行Canny方法，得到低对比度边缘图IMGCanny；

S3、高、低对比度区域融合：直接将原图上得到的Canny边缘和高对比度图IMGhc取交集，得到的边缘图像在滤除背景噪音的同时也滤除了低对比度部分；

局部阈值计算：如式(3)所示：

式(3)中，D(x,y)代表像素点的对比度值，基于式(2)计算得到；

其中T表示当前像素的局部阈值，m和s分别表示当前邻域范围内像素的灰度均值和标准差，k是一个调节系数，用于控制算法对图像对比度的响应，R是对灰度标准差的一个调节，和图像的灰度阶数有关，对于8位灰度图像，该值为128；

e(x,y)代表像素点是否是边缘点，如果是边缘点则该值为1，否则该值为0，Ne代表当前像素点邻域范围内的边缘点的数目；通过式(3)计算得到的k值，将式(3)带入式(1)得到新的局部阈值计算公式：

图像二值化：图像二值化方法如式(5)所示：

g(x,y)代表当前像素点的灰度值，T为使用式(4)计算得到的局部阈值，Ne代表当前像素点邻域范围内的边缘点的数目；仅当该像素点的灰度值小于其局部阈值，且该像素点邻域范围内边缘像素的数目大于邻域直径时(即当前点在边缘附近)，判定该像素点为前景像素，否则该像素点为背景像素；遍历图像上的所有点，计算局部阈值并统计邻域范围中边缘点的数目，使用式(5)完成图像的二值化。

本发明的有益效果：本发明在实际操作过程中，利用各个辅助组件可以快速的对采像造成的干扰因素进行清理，整体做到了角度快速调节，光线强度以及光线检测端的清洁度的快速调整，从而降低了识别过程中的不确定度，因此提高了识别准确性，同时使用边缘区域的对比度信息对局部阈值进行自适应计算，能够在抑制噪音的同时保留较低对比度的前景信息；对低质图像能进行有效处理。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的局部系统框图。

图2是本发明的结构示意图。

图3是本发明的局部结构示意图。

图中：1-采像X光机、2-补光灯、3-机头传感检测组件、4-安装底板、5-条式水平仪、6-滑轨、7-T型滑槽、8-滑杆、9-橡胶刮条、10-T型滑块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1～3，本发明实施例中，一种人工智能影像诊断系统，包括触控遥控器、采像X光机1以及机头传感检测组件3，所述机头传感检测组件3胶粘固定在采像X光机1的前表面，且机头传感检测组件3主要由主控单元、电源模块、测距传感器、光线强度传感器、陀螺仪、加速度传感器以及蓝牙通讯模块构成；

触控遥控器由显示与用户交互模块以及蓝牙通讯模块构成；

所述主控单元通过电源模块供电，所述测距传感器、光线强度传感器、陀螺仪、加速度传感器均连接主控单元，测距传感器、光线强度传感器、陀螺仪、加速度传感器的检测信号经主控单元处理后再通过蓝牙通讯模块与显示与用户交互模块通讯；光线强度传感器、陀螺仪、加速度传感器主要用于检测采像X光机1的实际放置姿态以及所处环境的光线信息，同时这些信息经蓝牙通讯模块的传输显示在触控遥控器的显示屏上，测距传感器用于测量机头传感检测组件3与触控遥控器之间的距离；主控单元主要用于协调各个传感器之间的工作，以及处理相关的信息，同时通过引入机器学习算法可以实现基础数据引入、获取数据以及获取数据判断；所述显示与用户交互模块还包括声光报警模块，声光报警模块起到声光报警的作用；所述采像X光机1的上表面采用螺丝固定安装有补光灯2，且当光线强度传感器检测到光线强度交底时，利用声光报警模块的作用提示使用者开启补光灯2；所述采像X光机1固定在安装底板4上，安装底板4上胶粘固定有竖直设置的滑轨6，滑轨6的前表面开设有竖直设置的T型滑槽7，其中T型滑槽7的前侧设有水平设置的滑杆8，滑杆8的一端一体成型有T型滑块10，T型滑块10滑动嵌入至T型滑槽7内，此时滑杆8在T型滑块10的作用下实现上下线性滑动，所述滑杆8的内表面上胶粘固定有橡胶刮条9，橡胶刮条9滑动贴合在机头传感检测组件3的外壳前表面上，此时通过上下滑动滑杆8可以实现对机头传感检测组件3的外壳前表面进行快速清洁，这样可以提高光线强度传感器的检测准确度。

所述安装底板4上采用胶粘的形式固定安装有条式水平仪5，当陀螺仪、加速度传感器检测到采像X光机1并不是采用平放时，在条式水平仪5的指示作用下可以提高设备的调节速度。

所述安装底板4采用工程塑料制成。

人工智能影像诊断系统的图像处理方法，具体包括图像边缘提取、局部阈值计算以及图像二值化，其中图像边缘提取具体包括以下步骤：

S1、高对比度区域获取：首先对图像进行中值滤波；其次遍历图像的所有像素点，在3*3大小的窗口中，使用式(1)计算每一个像素的对比度，得到一幅对比度图像；最后使用Otsu方法对该对比度图进行二值化处理，得到一幅高对比度图IMGhc；

S2、低对比度区域获取：通过在原图上迭代执行灰度形态学闭操作以及开操作得到背景。原图减去背景图像，得到低对比度图，在该图上执行Canny方法，得到低对比度边缘图IMGCanny；

S3、高、低对比度区域融合：直接将原图上得到的Canny边缘和高对比度图IMGhc取交集，得到的边缘图像在滤除背景噪音的同时也滤除了低对比度部分；

局部阈值计算：如式(3)所示：

式(3)中，D(x,y)代表像素点的对比度值，基于式(2)计算得到；

其中T表示当前像素的局部阈值，m和s分别表示当前邻域范围内像素的灰度均值和标准差，k是一个调节系数，用于控制算法对图像对比度的响应，R是对灰度标准差的一个调节，和图像的灰度阶数有关，对于8位灰度图像，该值为128；

e(x,y)代表像素点是否是边缘点，如果是边缘点则该值为1，否则该值为0，Ne代表当前像素点邻域范围内的边缘点的数目；通过式(3)计算得到的k值，将式(3)带入式(1)得到新的局部阈值计算公式：

图像二值化：图像二值化方法如式(5)所示：

g(x,y)代表当前像素点的灰度值，T为使用式(4)计算得到的局部阈值，Ne代表当前像素点邻域范围内的边缘点的数目；仅当该像素点的灰度值小于其局部阈值，且该像素点邻域范围内边缘像素的数目大于邻域直径时(即当前点在边缘附近)，判定该像素点为前景像素，否则该像素点为背景像素；遍历图像上的所有点，计算局部阈值并统计邻域范围中边缘点的数目，使用式(5)完成图像的二值化。

本发明的工作原理是：实际采像时，开启设备并对机头传感检测组件3进行供电，此时测距传感器、光线强度传感器、陀螺仪、加速度传感器开始进行环境数据检测，测距传感器用于测量机头传感检测组件3与触控遥控器之间的距离，当距离过远时会造成采像不清楚，此时在触控遥控器的显示屏显示相应的信息以及声光报警，从而做到调节；当光线强度传感器过低时，则提醒使用者对机头传感检测组件3的外壳前表面进行擦拭以及打开补光灯2，而陀螺仪、加速度传感器则用于检测采像X光机1的放置姿态，利用条式水平仪5实现辅助调节，同时使用边缘区域的对比度信息对局部阈值进行自适应计算，能够在抑制噪音的同时保留较低对比度的前景信息；对低质图像能进行有效处理。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (4)

1.一种人工智能影像诊断系统，包括触控遥控器、采像X光机以及机头传感检测组件，所述机头传感检测组件胶粘固定在采像X光机的前表面，且机头传感检测组件主要由主控单元、电源模块、测距传感器、光线强度传感器、陀螺仪、加速度传感器以及蓝牙通讯模块构成；

触控遥控器由显示与用户交互模块以及蓝牙通讯模块构成；

所述主控单元通过电源模块供电，所述测距传感器、光线强度传感器、陀螺仪、加速度传感器均连接主控单元，测距传感器、光线强度传感器、陀螺仪、加速度传感器的检测信号经主控单元处理后再通过蓝牙通讯模块与显示与用户交互模块通讯，测距传感器用于测量机头传感检测组件与触控遥控器之间的距离；所述显示与用户交互模块还包括声光报警模块；所述采像X光机的上表面采用螺丝固定安装有补光灯，其特征在于，所述采像X光机固定在安装底板上，安装底板上胶粘固定有竖直设置的滑轨，滑轨的前表面开设有竖直设置的T型滑槽，其中T型滑槽的前侧设有水平设置的滑杆，滑杆的一端一体成型有T型滑块，T型滑块滑动嵌入至T型滑槽内，所述滑杆的内表面上胶粘固定有橡胶刮条，橡胶刮条滑动贴合在机头传感检测组件的外壳前表面上。

2.根据权利要求1所述的人工智能影像诊断系统，其特征在于，所述安装底板上采用胶粘的形式固定安装有条式水平仪。

3.根据权利要求1所述的人工智能影像诊断系统，其特征在于，所述安装底板采用工程塑料制成。

4.根据权利要求1所述的人工智能影像诊断系统的图像处理方法，其特征在于，具体包括图像边缘提取、局部阈值计算以及图像二值化，其中图像边缘提取具体包括以下步骤：

S1、高对比度区域获取：首先对图像进行中值滤波；其次遍历图像的所有像素点，在3*3大小的窗口中，使用式(1)计算每一个像素的对比度，得到一幅对比度图像；最后使用Otsu方法对该对比度图进行二值化处理，得到一幅高对比度图IMGhc；

S2、低对比度区域获取：通过在原图上迭代执行灰度形态学闭操作以及开操作得到背景。原图减去背景图像，得到低对比度图，在该图上执行Canny方法，得到低对比度边缘图IMGCanny；

S3、高、低对比度区域融合：直接将原图上得到的Canny边缘和高对比度图IMGhc取交集，得到的边缘图像在滤除背景噪音的同时也滤除了低对比度部分；

局部阈值计算：如式(3)所示：

式(3)中，D(x,y)代表像素点的对比度值，基于式(2)计算得到；

其中T表示当前像素的局部阈值，m和s分别表示当前邻域范围内像素的灰度均值和标准差，k是一个调节系数，用于控制算法对图像对比度的响应，R是对灰度标准差的一个调节，和图像的灰度阶数有关，对于8位灰度图像，该值为128；

e(x,y)代表像素点是否是边缘点，如果是边缘点则该值为1，否则该值为0，Ne代表当前像素点邻域范围内的边缘点的数目；通过式(3)计算得到的k值，将式(3)带入式(1)得到新的局部阈值计算公式：

图像二值化：图像二值化方法如式(5)所示：

g(x,y)代表当前像素点的灰度值，T为使用式(4)计算得到的局部阈值，Ne代表当前像素点邻域范围内的边缘点的数目；仅当该像素点的灰度值小于其局部阈值，且该像素点邻域范围内边缘像素的数目大于邻域直径时(即当前点在边缘附近)，判定该像素点为前景像素，否则该像素点为背景像素；遍历图像上的所有点，计算局部阈值并统计邻域范围中边缘点的数目，使用式(5)完成图像的二值化。