CN110767293B - 一种脑部辅助诊断系统 - Google Patents

Abstract

本发明涉及一种脑部辅助诊断系统。其有效辅助基层医生诊断专科化的脑部疾病，包括：医学影像浏览模块，负责存储并显示脑部CT图像文件，并提供画笔工具，用于医生标注疑似病灶点区域；数据预处理模块，负责拼接建立该像文件的唯一的特征指纹，同时将标注区域的坐标点；网络中转模块，负责将相似数据集C发送给医学影像浏览模块；数据解析模块，负责对接收到的信息载体进行解析，获得疑似病变文件指纹指令及坐标指令；匹配模型模块，负责建立特征指纹数据库、医学信息数据库及影像图像数据库，计算相似度，确定相似目标集B；数据库查找映射模块，获得病情数据和图像文件，确定相对B的相似目标集C；并将C作为网络中转模块的输入。

Description

一种脑部辅助诊断系统

技术领域

本发明涉及一种医疗设备，尤其涉及一种脑部辅助诊断系统。

背景技术

随着电子计算机技术，特别是可视化技术的不断发展，现代医学已越来越离不开医学图像的信息，医学图像的存储和传送也有了进一步的提高，在临床诊断、医学科研等方面正发挥着极其重要的作用，基层影像科医生在使用影像诊断软件时，对于某些脑部病变的图像，基于自身所掌握的知识和信息有限，尤其是偏远地区的基层医生，从而不能准确判断该脑部疾病。

所以亟待出现一种脑部辅助诊断系统，提升医生工作效率。

现有技术中，有使用AI深度学习的解决方案来对病患图片的疑似病灶点进行智能判断标注，但当前的系统大多利用公开数据集或者单中心数据集进行训练，模型的泛化性和鲁棒性需要检验，而且数据质量参差不齐等等，要解决这些问题前期会增加了投入成本，同时该方案对机器算法依赖性太强，一旦机器出现问题，不能进行正确识别，或者发生错误识别点，将会产生医疗事故。其次，即使机器学习的算法识别率很高，但也会让医生对机器产生依赖，无法从医生自身提高专业技能。

发明内容

本发明就是针对现有技术存在的缺陷，提供一种脑部辅助诊断系统，其主要目的是基于医生在图像上标注的区域，针对脑部的出血，钙化，肿瘤等疾病，通过本系统的算法进行查找类似的病变图片，推荐给医生做参考，帮助医生进一步进行判断，有效辅助基层医生诊断专科化的脑部疾病，扩展医生所掌握的医学资源，提升医生自身的素养。

为实现上述目的，本发明采用如下技术方案，包括：

医学影像浏览模块(医学影像浏览器)，负责存储并显示脑部CT图像文件，并提供画笔工具，用于医生标注疑似病灶点区域；

数据预处理模块，负责将所述图像文件的灰度值，分为4-16等分；(基于物理硬件的考虑，目前暂做4等分考虑，记为X1,X2,X3,X4；)按照转换算法，获取各个等分区域的字符串指纹，再拼接建立该文件的唯一的特征指纹finger_print，同时将标注区域的坐标点，一并记录下来，输出源医学信息载体；

网络中转模块，负责将源医学信息载体发送给后台及负责将相似数据集C发送给医学影像浏览模块；

数据解析模块，负责对接收到的信息载体进行解析，获得疑似病变文件指纹指令及坐标指令；

匹配模型模块，负责建立特征指纹数据库、医学信息数据库及影像图像数据库，(按照相似匹配算法，)计算源文件特征指纹和目标特征指纹之间的汉明距离，从而计算相似度，单一等分大于95％，整体大于80％则认为相似，确定相似目标集，称为A；再基于坐标指令对A进行二次匹配，整体大于95％的文件，确定相似目标集，称为B；

数据库查找映射模块，按照数据库的映射关系，通过特性指纹数据库，查找其他数据库，获得病情数据和图像文件，确定相对B的相似目标集，输出该数据集，称为C；并将C作为网络中转模块的输入。

进一步地，基于脑部辅助诊断系统的辅助判断过程步骤包括：

步骤1、通过医学影像浏览器，获取标有疑似病灶点的影像文件；

步骤2、按照解析算法，解析源文件得到文件四到十六等分指纹，以及标准区域信息；并发送到中台；

步骤3、按照相似匹配算法，用源文件的相应等分指纹去特征指纹库检索目标文件，依据源文件和目标文件的汉明距离大小，第一次匹配中，每部分相似度大于95％，整体相似度大于80％，获得相似数据集A；

步骤4、根据标注区域信息坐标点，获得该区域的灰度值指纹，对相似数据集A二次匹配，整体相似度大于95％的，获得相似级B；

步骤5、根据相似集B中包含的每张图像的特征指纹，通过数据库查找映射模块。获得相似数据集C；并发送给前台医学影像浏览器展示浏览，供医生参考判断。

与现有技术相比本发明有益效果。

本发明是基于医生在图像上标注的区域，针对脑部的出血、钙化、肿瘤等疾病，查找类似的病变图片，推荐给医生做参考，帮助医生进一步进行判断。

本发明不仅帮助医生对图像怀疑区域辅助诊断，同时解决了偏远地区的基层医生获取资料有限的问题，形成了专科化的脑部辅助诊断，帮助医生正确解读脑部图像。

附图说明

下面结合附图和具体实施方式对本发明做进一步说明。本发明保护范围不仅局限于以下内容的表述。

图1是本发明辅助系统模块图。

图2是本发明辅助系统流程图。

图3是本发明数据库映射查找模块流程图。

图4是实施例中CT影像文件。

图5-1是区域坐标点图。

图5-2是数据预处理模块示意图。

图6是匹配算法流程图。

图7-8是出血性脑梗死在影像数据库存放的图像文件。

图9是查找映射单元连接框图。

具体实施方式

符号说明：babel_print：标注区域指纹；finger_print：图像文件的特征指纹；X1,X2,X3,X4：源文件四等分时各个部分的灰度值数据集。

如图1-9所示，作为一种具体的实施例，本发明一种脑部辅助诊断系统的处理过程如下.

1、基层医生使用医学影像浏览器浏览患者脑部CT影像文件，进行诊断处理，对疑似病灶点进行操作。

2、数据预处理模块：主要用于CT图像文件进行降噪和归一化处理，特征提取值更精准；针对某一CT影像文件，比如反色，调节窗宽窗位，标注等，进行病变标注和分割；如图4所示。

采用高斯滤波的方式，消除图像在数字化过程中产生或者混入的噪声，以提取有效组织区域，设定模糊半径为1，σ＝1.5，对像素点的灰度值进行高斯滤波计算，获得过滤后的图像灰度值，公式如下：

其中G(x,y)是中心点的高斯滤波值；使用高斯滤波计算属于成熟的预处理技术，不做过多解释。

3、指纹提取：按照解析算法，解析源文件得到文件四等分指纹X1,X2,X3,X4，以及标注区域信息，具体操作如下：

3.1、获取经过预处理的的灰度值信息，以200x200像素点的图像文件说明为例，灰度值为由0-256数组成的长度为40000的一个源文件数组，称为I，表示如：

I＝[200，230，4，100....254]，长度为40000；

3.2、为了提高计算速度，平均分为四个部分，以第一部分100x100进行说明，该区域的灰度值可以根据坐标点(100,100)对I进行截取，称为A11，表示如：

A11＝[200，230，4，100....154]，长度为10000；

3.3、对A11计算灰度值的平均值avg，表示如：

3.4、对A11中的灰度值进行遍历，大于平均值的设定为1，小于平均值的设为0，这样就组成了一个由1和0组成的长度为100的字符串，称为该区域的特征指纹X1，如‘10011000111...’

3.5、同理，如图5-1所示，对医生标注的区域进行计算，根据绘制区域的坐标点，截取灰度值数组，一般而言，医生对病灶区域的标注面积比病灶都大，通过双线性插值改变区域大小，减少计算量，得到更进一步的灰度值数据，公式如下；

其中P点为所求的点，f(Q₁₁)等几个点为P点4个近邻像素的灰度值

得到更进一步的病灶区域灰度值数据集，再按照上述算法计算，得到标注区域指纹babel_print。

4、按照形成特征指纹的算法过程，依次对其他区域进行计算，然后进行拼接，则建立了该图像文件的特征指纹finger_print，如‘10011000111...00001....11110111.....000000’；至此，如图5-2所示，该图像文件的特征指纹形成计算结束，获得该文件的四等分指纹，特征指纹和病变区域的特征指纹。

5、将特征指纹信息以JSON形式通过网络中转模块发送给数据解析模块，进行二次解析，获得指纹信息。

6、匹配模型模块，从网络中转模块获得的指纹信息作为输入信息，按照相似匹配算法，输出相似目标数据集。

在该模块中，建立有特征指纹数据库，存放的是海量的病灶图像指纹信息，比如：

‘1001111...111000111...111111....000000’

‘1001111...111000111...111111....000000’

‘1001111...111000111...111111....000000’

·······

‘1001111...111000111...111111....000000’

‘1001111...111000111...111111....000000’

‘1001111...111000111...111111....000000’

说明：录入的病灶图像指纹形成，参照如上解析算法。

通过计算源文件和目标文件汉明距离大小，确定相似度，每部分匹配的相似度大于95％，整体相似度大于80％，则匹配成功，放入相似数据集A。

说明：汉明距离--在信息论中，两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数n。

6.1依据汉明距离的定义，计算相似度。

6.2用源文件四等分指纹对目标文件的四等分指纹同时匹配，以第一等分100X100为例：

m为相似度，n为汉明距离。

匹配算法流程如图6所示。

6.3将单个等分相似度大于95％，整体相似度大于80％，匹配成功文件的特征指纹依次放入相似数据集A中，使用病变区域的特征指纹babel_print，按照同样的匹配算法进行二次匹配，依次放入数组，相似数据集B

6.4查找映射单元，按照数据库的对应关系，从B中获取的所有文件的特征指纹去依次查找医学信息库单元和影像数据库单元，医学信息库中存放的是以教科书，学术期刊等作为数据来源建立的数据库，获得相关信息，依次放入数组，形成相似数据集C，以出血性脑梗死疾病为例，数据格式大致如下：

{

“id”:“123456”,

“pathogenesis”:”脑动脉闭塞远侧血管壁因缺血收到损坏.....侧支循环建立形成再灌注......常位于皮层”,

“imagingPerformance”:“CT示低密度梗死区内斑片状高密度影.....MRI可为低信号”,

“imgUrl”:’https://www.xxx.com/dfefef333egeg’

“advice”:’以脱水降颅内压、调节和控制血压、血糖，清除自由基，维持水与电解质平衡’

}

以出血性脑梗死疾病为例，影像数据库单元存放的图像文件如7-8所示。查找映射单元连接如图9。

7将匹配模块的查找结果通过网络中转模块以json或者xml数据格式推送到脑部医学影像浏览器，浏览器进行数据显示，再结合患者病灶影像，进行辅助确诊。

本发明针对某一脑部疾病，医学信息库和影像数据库收录了大量权威的病灶词义信息和影像数据，免去了医生医学信息检索，同时基于患者病灶影像文件，精准匹配高达95％以上相似度的数据库文件，临床辅助价值高，而且该发明所需物理环境简单，不需要复杂配置。

以脑部CT图为例，临床医生在医学图像工作站上使用诊断软件浏览断层图像时，会根据病灶的特征及位置，使用一些标注工具或者其他操作，对图像上怀疑是病灶点的区域标注出来，然后选择脑部医学影像浏览器上的一键辅助按钮，系统将有标注的图像发送到后台数据库，后台数据库基于该图像的信息，按照一定的算法，去智能匹配相似度高达95％以上的图片，而后台数据库里存储了海量的的脑部图像文件，这些文件都附带了脑部病变疾病的标签，匹配成功以后，从而向前台推送疑似病变图像文件，进而供医生判断参考。

可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之内。

Claims (2)

1.一种脑部辅助诊断系统，其特征在于，包括医学影像浏览模块，负责存储并显示脑部CT图像文件，并提供画笔工具，用于医生标注疑似病灶点区域；

数据预处理模块，负责将所述图像文件的灰度值，分为4-16等分；按照转换算法，获取各个等分区域的字符串指纹，再拼接建立该文件的唯一的特征指纹finger_print，同时将标注区域的坐标点，一并记录下来，输出源医学信息载体；

网络中转模块，负责将源医学信息载体发送给后台及负责将相似数据集C发送给医学影像浏览模块；

数据解析模块，负责对接收到的源医学信息载体进行解析，获得疑似病变文件指纹指令及坐标指令；

匹配模型模块，负责建立特征指纹数据库、医学信息数据库及影像图像数据库，计算源文件特征指纹和目标特征指纹之间的汉明距离，从而计算相似度，单一等分大于95%，整体大于80%则认为相似，确定相似目标集，称为A；再基于坐标指令对A进行二次匹配，整体大于95%的文件，确定相似目标集，称为B；

数据库查找映射模块，按照数据库的映射关系，通过特征指纹数据库，查找其他数据库，获得病情数据和图像文件，确定相对B的相似目标集，输出该相似数据集，称为C；并将C作为网络中转模块的输入。

2.根据权利要求1所述的一种脑部辅助诊断系统，其特征在于：基于脑部辅助诊断系统的辅助判断过程步骤包括：

步骤1、通过医学影像浏览器，获取标有疑似病灶点的影像文件；

步骤2、按照解析算法，解析源文件得到文件四到十六等分指纹，以及标准区域信息；并发送到中台；

步骤3、按照相似匹配算法，用源文件的相应等分指纹去特征指纹库检索目标文件，依据源文件和目标文件的汉明距离大小，第一次匹配中，每部分相似度大于95%，整体相似度大于80%，获得相似目标集A；

步骤4、根据标注区域信息坐标点，获得该区域的灰度值指纹，对相似目标集A二次匹配，整体相似度大于95%的，获得相似目标集B；

步骤5、根据相似目标集B中包含的每张图像的特征指纹，通过数据库查找映射模块；获得相似数据集C；并发送给前台医学影像浏览器展示浏览，供医生参考判断。