CN111436962B - 用于海量医学影像数据分布收集设备及其工作方法 - Google Patents

用于海量医学影像数据分布收集设备及其工作方法 Download PDF

Info

Publication number
CN111436962B
CN111436962B CN202010287503.7A CN202010287503A CN111436962B CN 111436962 B CN111436962 B CN 111436962B CN 202010287503 A CN202010287503 A CN 202010287503A CN 111436962 B CN111436962 B CN 111436962B
Authority
CN
China
Prior art keywords
abnormal
image
slice
images
slice image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010287503.7A
Other languages
English (en)
Other versions
CN111436962A (zh
Inventor
胡佩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Vocational Institute of Engineering
Original Assignee
Chongqing Vocational Institute of Engineering
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Vocational Institute of Engineering filed Critical Chongqing Vocational Institute of Engineering
Priority to CN202010287503.7A priority Critical patent/CN111436962B/zh
Publication of CN111436962A publication Critical patent/CN111436962A/zh
Application granted granted Critical
Publication of CN111436962B publication Critical patent/CN111436962B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/04—Positioning of patients; Tiltable beds or the like
    • A61B6/0407—Supports, e.g. tables or beds, for the body or parts of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/10—Safety means specially adapted therefor
    • A61B6/107—Protection against radiation, e.g. shielding
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pulmonology (AREA)
  • Theoretical Computer Science (AREA)
  • Physiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明涉及用于海量医学影像数据分布收集设备及其工作方法，包括底座板，底座板的上方设有台面，台面的设有升降机构，升降机构与底座板之间设有驱动机构，所述台面的顶部设有保护机构，相对于现有技术中，患者的身高以及患者的活动能力不足时，需要人工搀扶着患者，或者需要护工抱起放在床上，较为麻烦，在对患者进行CT扫描时，CT扫描机需要对患者全身进行，此时，患者完全暴露在CT扫描机，CT扫描机逸散的射线对人体造成伤害，本发明使用可升降的套筒和螺纹杆将台面进行升降，更加方便患者上下台面，适用于不同患者的使用，可以收缩的保护罩对患者的身体进行保护，防止患者被辐射伤害，保护患者的健康。

Description

用于海量医学影像数据分布收集设备及其工作方法
技术领域
本发明涉及医学影像设备技术领域，具体为用于海量医学影像数据分布收集设备及其工作方法。
背景技术
医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程，CT扫描仪是一种功能齐全的病情探测仪器，它是电子计算机X线断层扫描技术简称，自从X射线发现后，医学上就开始用它来探测人体疾病。但是，由于人体内有些器官对X线的吸收差别极小，因此X射线对那些前后重叠的组织的病变就难以发现。
在患者需要进行CT扫描时，患者直接躺在床上时，患者的身高以及患者的活动能力不足时，需要人工搀扶着患者，或者需要护工抱起放在床上，较为麻烦，在对患者进行CT扫描时，CT扫描机需要对患者全身进行，此时，患者完全暴露在CT扫描机，CT扫描机逸散的射线对人体造成伤害。
发明内容
本发明目的是提供用于海量医学影像数据分布收集设备及其工作方法，以解决现有技术中患者的身高以及患者的活动能力不足时，需要人工搀扶着患者，或者需要护工抱起放在床上，较为麻烦的问题。
为实现上述目的，本发明提供如下技术方案：用于海量医学影像数据分布收集设备，包括底座板，底座板的上方设有台面，台面的设有升降机构，升降机构与底座板之间设有驱动机构，所述台面的顶部设有保护机构。
优选的，驱动机构包括与底座板固定连接的电机，电机输出轴的自由端固定连接有与台面转动连接的丝杆，丝杆的表面套设有与升降机构固定连接的滑块，滑块的两侧均设有与底座板固定连接的导轨，升降机构的底部设有与导轨相适配的导向块。
优选的，导向块的两端均设有倒角。
优选的，升降机构包括与驱动机构相固定连接的安装板，安装板的顶部转动连接有转动轴，转动轴的端部设有主动锥齿轮，安装板的顶部转动连接有套筒，套筒的表面设有与主动锥齿轮相啮合的从动锥齿轮，套筒的内部螺纹连接有与台面固定连接的螺纹杆，安装板与台面之间设有若干个第一伸缩杆。
优选的，转动轴的一侧设有摇把，摇把与转动轴固定连接。
优选的，保护机构包括与台面滑动连接的若干个保护罩，每相邻两个保护罩之间插接，保护罩与底座板之间设有第二伸缩杆。
优选的，保护罩与台面之间设有滑槽，滑槽呈槽钢状。
优选的，台面的一侧设有挡板，挡板与台面固定连接。
本发明还公开一种用于海量医学影像数据分布收集设备的工作方法：
S1，在患者来到医院进行CT扫描时，患者直接躺在台面(5)上，随后打开CT机，CT机将患者的全身进行扫描，扫描结束；
S2，在S1中扫描得到的数据，经过外界的线缆等传输信号的设备进行信息输送；
S3，在数字信号进行输送完毕后，将数据输送至CPU中，CPU对数据进行归类分析运算，待CPU分析运算完毕后，将运算的数据进行分类；
S4，待数据分类完成后，将数据全部存储，分布收集完成。
所述S3包括：
S3-1，通过CT机获取用户切片图像数据，建立评价切片图像的数学预测模型，切片图像以像元大小和像解率作为数据参考，切片图像数据的精确程度越高；获取异常图片的几率越大，计算切片图像的质量评价参数，首先，获取切片图像以像元大小和像解率，辨认切片图像中异常特征图像空间几何尺寸的最小限度；然后，得到的像元大小和像解率与指定阈值的比较结果；如果像元大小和像解率大于指定阈值，计算切片图像中异常特征图像的尺寸大小，所述尺寸大小为异常特征图像的所有像素点的和；若像元大小和像解率小于等于指定阈值，结束对切片图像中异常特征图像的评价；
在对切片图像中异常特征图像提取筛选过程中，将筛选后的切片图像中异常特征图像相似性进行归一化，切片图像中原始影像进行逐行扫描后保持不变，切片图像中异常特征图像的噪声进行剔除操作；对剩余的切片图像中异常特征图像进行收集整理，形成异常像素点的预测模型对切片图像中异常特征图像进行特征提取，
S3-2，将异常像素点提炼之后，为异常像素点设定标签，形成异常图像数据库，将系统标准异常图像映射到设定标签的异常图像数据库，产生匹配的数据；匹配的数据原始值为医学影像异常标签库，在CT机的切片图像的边缘，累计所述边缘上所有像素点的灰度值之和，如果切片图像的细节纹理清晰，该切片图像强度越高，对切片图像边界进行提取；对异常图像数据库中的异常图像扫描像素点，获取第一帧图像，列为初始异常图像；提取出的切片图像边界为闭合的区域，设置与异常图像二值化相同的二维数组，初始值为零，将初始异常图像以及其后任一异常图像二维数组全部标记在同一维度，将切片图像边界中像素比例集合在相同区间的异常图像进行归类；将归类后的异常图像按照像素值降序排列，判断异常图像中同一坐标系的下像素值是否超过判断异常阈值，如果超出判断异常阈值则标记该异常图像，对所提取的异常图像进行无损压缩后，存储在异常图像数据库中，如果未超出判断异常阈值则删除该异常图像，异常图像提取过程以位域的方式进行存储；继续扫描切片图像中异常特征图像，直至扫描至最后一张；
S3-3，存储在异常图像数据库中的异常图像，使用滤波算法对被评价为异常的图像进行去噪，将去噪后的异常图像作为参考图像，切换CT机采集切片图像的位置区域，然后将该检测到的位置区域作为待筛选区域，通过信息提示操作向用户发送观察到的异常图像，结合用户反馈信息以及切片图像标注的相关信息自动确定新的位置区域异常图像；对新的位置区域进行过滤、降噪、二值化处理，直至全部区域检测完毕。
优选的所述S3-1包括：预测模型为：
Figure BDA0002449087720000041
/>
其中，u和v为切片图像坐标点；i大于j，Si(u)为异常图像纹理明暗及方向变化以像素值i为中心的切片图像的灰度关联值，Sj(v)为异常图像纹理明暗及方向变化以像素值j为中心的切片图像的灰度关联值，ρ为切片图像的平均提取周期系数，然后乘以i点和j点最大编码值；m为切片图像对异常图像采样的影响权值，N为搜索异常图像像素点的所有图像集合，n为切片图像中异常特征图像的分布标签，求解函数f对异常像素点预测模型，提炼切片图像的异常特征图像；
与现有技术相比，本发明的有益效果是：
转动转动轴，转动轴带动主动锥齿轮转动，主动锥齿轮带动从动锥齿轮转动，从动锥齿轮带动套筒转动，套筒转动带动螺纹杆上升，在第一伸缩杆的作用下，整个台面上升或者下降，调节到合适的高度，方便患者躺在台面上，相对于现有技术中，在患者需要进行CT扫描时，患者直接躺在床上时，患者的身高以及患者的活动能力不足时，需要人工搀扶着患者，或者需要护工抱起放在床上，较为麻烦，本方案使用可升降的套筒和螺纹杆将台面进行升降，更加方便患者上下台面，适用于不同患者的使用；
保护罩随着患者进入CT扫描机内，随着台面移动时，保护罩逐渐的脱离患者，患者需要扫描的位置暴露在CT扫描机位置处，其它部位被保护罩挡住，相对于现有技术中，在对患者进行CT扫描时，CT扫描机需要对患者全身进行，此时，患者完全暴露在CT扫描机，CT扫描机逸散的射线对人体造成伤害，本方案使用可以收缩的保护罩对患者的身体进行保护，防止患者被辐射伤害，保护患者的健康；通过该计算方法能够快速获取CT机中关于切片图像中异常特征图像，并快速传输到系统终端，并进行数据提取，异常图片提取准确可靠。
附图说明
图1为本发明的整体结构示意图；
图2为图1中后视图；
图3为图2中局部剖视图；
图4为系统流程图。
附图标记中：1、底座板；2、驱动机构；21、电机；22、丝杆；23、滑块；24、轨道；25、导向块；3、升降机构；31、安装板；32、第一伸缩杆；33、转动轴；34、主动锥齿轮；35、从动锥齿轮；36、套筒；37、螺纹杆；38、摇把；4、保护机构；41、保护罩；42、滑槽；43、第二伸缩杆；5、台面；6、挡板。
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它实施例，都属于本发明保护的范围。
实施例
请参阅图1-3，本发明提供一种技术方案：用于海量医学影像数据分布收集设备，包括底座板1，底座板1的上方设有台面5，台面5的设有升降机构3，升降机构3与底座板1之间设有驱动机构2，所述台面5的顶部设有保护机构4。
驱动机构2包括与底座板1固定连接的电机21，电机21输出轴的自由端固定连接有与台面5转动连接的丝杆22，丝杆22的表面套设有与升降机构3固定连接的滑块23，具体的，滑块23与丝杆22螺纹连接，滑块23的两侧均设有与底座板1固定连接的导轨，升降机构3的底部设有与导轨相适配的导向块25，具体的，导向块25与导轨滑动连接，导向块25与安装板31固定连接。
升降机构3包括与驱动机构2相固定连接的安装板31，安装板31的顶部转动连接有转动轴33，转动轴33的端部设有主动锥齿轮34，具体的，主动齿轮与转动轴33固定连接，安装板31的顶部转动连接有套筒36，套筒36的表面设有与主动锥齿轮34相啮合的从动锥齿轮35，具体的，从动锥齿轮35与套筒36固定连接，套筒36的内部螺纹连接有与台面5固定连接的螺纹杆37，安装板31与台面5之间设有若干个第一伸缩杆32，具体的，第一伸缩杆32的两端分别与安装板31和台面5固定连接。
保护机构4包括与台面5滑动连接的若干个保护罩41，每相邻两个保护罩41之间插接，具体的，保护罩41之间滑动连接，保护罩41与底座板1之间设有第二伸缩杆43，具体的，第二伸缩杆43的两端分别与底座板1和台面5固定连接。
本方案具备以下工作过程；
第一步，在患者需要使用CT扫描仪时，针对不同状态的人群，需要转动转动轴33，转动轴33带动主动锥齿轮34转动，主动锥齿轮34带动从动锥齿轮35转动，从动锥齿轮35带动套筒36转动，套筒36转动带动螺纹杆37上升，在第一伸缩杆32的作用下，整个台面5上升或者下降，调节到合适的高度，方便患者躺在台面5上，从而方便患者的使用；
第二步，在患者躺在台面5上时，启动电机21，电机21带动丝杆22转动，丝杆22带动滑块23在底座板1的表面滑动，在导向块25在滑轨内滑动的导向作用下，进而带动整个台面5的运动，将患者推送至扫描仪内；
第三步，在患者进行扫描时，保护罩41随着患者进入CT扫描机内，随着台面5移动时，保护罩41逐渐的脱离患者，患者需要扫描的位置暴露在CT扫描机位置处，其它部位被保护罩41挡住，防止患者其它部位被CT扫描仪辐射；
第四步，患者从台面5上下来，关闭电机21和CT扫描机，检测结束。
根据上述工作过程可知；
转动转动轴33，转动轴33带动主动锥齿轮34转动，主动锥齿轮34带动从动锥齿轮35转动，从动锥齿轮35带动套筒36转动，套筒36转动带动螺纹杆37上升，在第一伸缩杆32的作用下，整个台面5上升或者下降，调节到合适的高度，方便患者躺在台面5上，相对于现有技术中，在患者需要进行CT扫描时，患者直接躺在床上时，患者的身高以及患者的活动能力不足时，需要人工搀扶着患者，或者需要护工抱起放在床上，较为麻烦，本方案使用可升降的套筒36和螺纹杆37将台面5进行升降，更加方便患者上下台面5，适用于不同患者的使用；
保护罩41随着患者进入CT扫描机内，随着台面5移动时，保护罩41逐渐的脱离患者，患者需要扫描的位置暴露在CT扫描机位置处，其它部位被保护罩41挡住，相对于现有技术中，在对患者进行CT扫描时，CT扫描机需要对患者全身进行，此时，患者完全暴露在CT扫描机，CT扫描机逸散的射线对人体造成伤害，本方案使用可以收缩的保护罩41对患者的身体进行保护，防止患者被辐射伤害，保护患者的健康。
其中，导向块25的两端均设有倒角，具体的，在导向块25在轨道24内滑动时，导向块25的倒角减小与轨道24之间的碰撞，更加方便导向块25在轨道24内的滑动。
其中，转动轴33的一侧设有摇把38，摇把38与转动轴33固定连接，具体的，在需要转动转动轴33时，直接转动摇把38就可以带动转动轴33转动，更加方便使用者的操作。
其中，保护罩41与台面5之间设有滑槽42，滑槽42呈槽钢状，具体的，在保护罩41在台面5上滑动时，槽钢状的滑槽42对保护罩41进行纵向限位，更加方便保护罩41的使用。
台面5的一侧设有挡板6，挡板6与台面5固定连接，具体的，在台面5上的保护罩41滑动至台面5的一侧边缘是，挡板6阻挡保护罩41脱离台面5，更加方便保护罩41的使用。
如图4所示，用于海量医学影像数据分布收集设备的工作方法：
S1，在患者来到医院进行CT扫描时，患者直接躺在台面(5)上，随后打开CT机，CT机将患者的全身进行扫描，扫描结束；
S2，在S1中扫描得到的数据，经过外界的线缆进行传输信号的设备进行信息输送；
S3，在数字信号进行输送完毕后，将数据输送至CPU中，CPU对数据进行归类分析运算，待CPU分析运算完毕后，将运算的数据进行分类；
S4，待数据分类完成后，将数据全部存储，分布收集完成。
S3-1，通过CT机获取用户切片图像数据，建立评价切片图像的数学预测模型，切片图像以像元大小和像解率作为数据参考，切片图像数据的精确程度越高；获取异常图片的几率越大，计算切片图像的质量评价参数，首先，获取切片图像以像元大小和像解率，辨认切片图像中异常特征图像空间几何尺寸的最小限度；然后，得到的像元大小和像解率与指定阈值的比较结果；如果像元大小和像解率大于指定阈值，计算切片图像中异常特征图像的尺寸大小，所述尺寸大小为异常特征图像的所有像素点的和；若像元大小和像解率小于等于指定阈值，结束对切片图像中异常特征图像的评价；
在对切片图像中异常特征图像提取筛选过程中，将筛选后的切片图像中异常特征图像相似性进行归一化，切片图像中原始影像进行逐行扫描后保持不变，切片图像中异常特征图像的噪声进行剔除操作；对剩余的切片图像中异常特征图像进行收集整理，形成异常像素点的预测模型对切片图像中异常特征图像进行特征提取，
该预测模型为：
Figure BDA0002449087720000091
其中，u和v为切片图像坐标点；i大于j，Si(u)为异常图像纹理明暗及方向变化以像素值i为中心的切片图像的灰度关联值，Sj(v)为异常图像纹理明暗及方向变化以像素值j为中心的切片图像的灰度关联值，ρ为切片图像的平均提取周期系数，然后乘以i点和j点最大编码值；m为切片图像对异常图像采样的影响权值，N为搜索异常图像像素点的所有图像集合，n为切片图像中异常特征图像的分布标签，求解函数f对异常像素点预测模型，提炼切片图像的异常特征图像；
S3-2，将异常像素点提炼之后，为异常像素点设定标签，形成异常图像数据库，将系统标准异常图像映射到设定标签的异常图像数据库，产生匹配的数据；匹配的数据原始值为医学影像异常标签库，在CT机的切片图像的边缘，累计所述边缘上所有像素点的灰度值之和，如果切片图像的细节纹理清晰，该切片图像强度越高，对切片图像边界进行提取；对异常图像数据库中的异常图像扫描像素点，获取第一帧图像，列为初始异常图像；提取出的切片图像边界为闭合的区域，设置与异常图像二值化相同的二维数组，初始值为零，将初始异常图像以及其后任一异常图像二维数组全部标记在同一维度，将切片图像边界中像素比例集合在相同区间的异常图像进行归类；将归类后的异常图像按照像素值降序排列，判断异常图像中同一坐标系的下像素值是否超过判断异常阈值，如果超出判断异常阈值则标记该异常图像，对所提取的异常图像进行无损压缩后，存储在异常图像数据库中，如果未超出判断异常阈值则删除该异常图像，异常图像提取过程以位域的方式进行存储；继续扫描切片图像中异常特征图像，直至扫描至最后一张；
S3-3，存储在异常图像数据库中的异常图像，使用滤波算法对被评价为异常的图像进行去噪，将去噪后的异常图像作为参考图像，切换CT机采集切片图像的位置区域，然后将该检测到的位置区域作为待筛选区域，通过信息提示操作向用户发送观察到的异常图像，结合用户反馈信息以及切片图像标注的相关信息自动确定新的位置区域异常图像；对新的位置区域进行过滤、降噪、二值化处理，直至全部区域检测完毕。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (1)

1.一种用于海量医学影像数据分布收集设备的工作方法，其特征在于，
所述设备包括底座板(1)，所述底座板(1)的上方设有台面(5)，所述台面(5)的设有升降机构(3)，所述升降机构(3)与底座板(1)之间设有驱动机构(2)，所述台面(5)的顶部设有保护机构(4)；所述驱动机构(2)包括与底座板(1)固定连接的电机(21)，所述电机(21)输出轴的自由端固定连接有与台面(5)转动连接的丝杆(22)，所述丝杆(22)的表面套设有与升降机构(3)固定连接的滑块(23)，所述滑块(23)的两侧均设有与底座板(1)固定连接的导轨，所述升降机构(3)的底部设有与导轨相适配的导向块(25)；所述升降机构(3)包括与驱动机构(2)相固定连接的安装板(31)，所述安装板(31)的顶部转动连接有转动轴(33)，所述转动轴(33)的端部设有主动锥齿轮(34)，所述安装板(31)的顶部转动连接有套筒(36)，所述套筒(36)的表面设有与主动锥齿轮(34)相啮合的从动锥齿轮(35)，所述套筒(36)的内部螺纹连接有与台面(5)固定连接的螺纹杆(37)，所述安装板(31)与台面(5)之间设有若干个第一伸缩杆(32)；所述转动轴(33)的一侧设有摇把(38)，所述摇把(38)与转动轴(33)固定连接；所述保护机构(4)包括与台面(5)滑动连接的若干个保护罩(41)，每相邻两个所述保护罩(41)之间插接，所述保护罩(41)与底座板(1)之间设有第二伸缩杆(43)；所述保护罩(41)与台面(5)之间设有滑槽(42)，所述滑槽(42)呈槽钢状；所述台面(5)的一侧设有挡板(6)，所述挡板(6)与台面(5)固定连接；
该设备的工作方法包括：
S1，在患者来到医院进行CT扫描时，患者直接躺在台面(5)上，随后打开CT机，CT机将患者的全身进行扫描，扫描结束；
S2，在S1中扫描得到的数据，经过外界的线缆进行传输信号的设备进行信息输送；
S3，在数字信号进行输送完毕后，将数据输送至CPU中，CPU对数据进行归类分析运算，待CPU分析运算完毕后，将运算的数据进行分类；
S3-1，通过CT机获取用户切片图像数据，建立评价切片图像的数学预测模型，切片图像以像元大小和像解率作为数据参考，切片图像数据的精确程度越高；获取异常图片的几率越大，计算切片图像的质量评价参数，首先，获取切片图像以像元大小和像解率，辨认切片图像中异常特征图像空间几何尺寸的最小限度；然后，得到的像元大小和像解率与指定阈值的比较结果；如果像元大小和像解率大于指定阈值，计算切片图像中异常特征图像的尺寸大小，所述尺寸大小为异常特征图像的所有像素点的和；若像元大小和像解率小于等于指定阈值，结束对切片图像中异常特征图像的评价；
在对切片图像中异常特征图像提取筛选过程中，将筛选后的切片图像中异常特征图像相似性进行归一化，切片图像中原始影像进行逐行扫描后保持不变，切片图像中异常特征图像的噪声进行剔除操作；对剩余的切片图像中异常特征图像进行收集整理，形成异常像素点的预测模型对切片图像中异常特征图像进行特征提取，
预测模型为：
Figure FDA0004188705440000021
其中，u和v为切片图像坐标点；i大于j，Si(u)为异常图像纹理明暗及方向变化以像素值i为中心的切片图像的灰度关联值，Sj(v)为异常图像纹理明暗及方向变化以像素值j为中心的切片图像的灰度关联值，ρ为切片图像的平均提取周期系数，然后乘以i点和j点最大编码值；m为切片图像对异常图像采样的影响权值，N为搜索异常图像像素点的所有图像集合，n为切片图像中异常特征图像的分布标签，求解函数f对异常像素点预测模型，提炼切片图像的异常特征图像；
S3-2，将异常像素点提炼之后，为异常像素点设定标签，形成异常图像数据库，将系统标准异常图像映射到设定标签的异常图像数据库，产生匹配的数据；匹配的数据原始值为医学影像异常标签库，在CT机的切片图像的边缘，累计所述边缘上所有像素点的灰度值之和，如果切片图像的细节纹理清晰，该切片图像强度越高，对切片图像边界进行提取；对异常图像数据库中的异常图像扫描像素点，获取第一帧图像，列为初始异常图像；提取出的切片图像边界为闭合的区域，设置与异常图像二值化相同的二维数组，初始值为零，将初始异常图像以及其后任一异常图像二维数组全部标记在同一维度，将切片图像边界中像素比例集合在相同区间的异常图像进行归类；将归类后的异常图像按照像素值降序排列，判断异常图像中同一坐标系的下像素值是否超过判断异常阈值，如果超出判断异常阈值则标记该异常图像，对所提取的异常图像进行无损压缩后，存储在异常图像数据库中，如果未超出判断异常阈值则删除该异常图像，异常图像提取过程以位域的方式进行存储；继续扫描切片图像中异常特征图像，直至扫描至最后一张；
S3-3，存储在异常图像数据库中的异常图像，使用滤波算法对被评价为异常的图像进行去噪，将去噪后的异常图像作为参考图像，切换CT机采集切片图像的位置区域，然后将该检测到的位置区域作为待筛选区域，通过信息提示操作向用户发送观察到的异常图像，结合用户反馈信息以及切片图像标注的相关信息自动确定新的位置区域异常图像；对新的位置区域进行过滤、降噪、二值化处理，直至全部区域检测完毕；
S4，待数据分类完成后，将数据全部存储，分布收集完成。
CN202010287503.7A 2020-04-13 2020-04-13 用于海量医学影像数据分布收集设备及其工作方法 Active CN111436962B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010287503.7A CN111436962B (zh) 2020-04-13 2020-04-13 用于海量医学影像数据分布收集设备及其工作方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010287503.7A CN111436962B (zh) 2020-04-13 2020-04-13 用于海量医学影像数据分布收集设备及其工作方法

Publications (2)

Publication Number Publication Date
CN111436962A CN111436962A (zh) 2020-07-24
CN111436962B true CN111436962B (zh) 2023-05-26

Family

ID=71654076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010287503.7A Active CN111436962B (zh) 2020-04-13 2020-04-13 用于海量医学影像数据分布收集设备及其工作方法

Country Status (1)

Country Link
CN (1) CN111436962B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203763105U (zh) * 2014-01-22 2014-08-13 陆春生 一种cbct简易床结构
CN104143047A (zh) * 2014-07-21 2014-11-12 华北电力大学（保定） 血管内超声灰阶图像的自动组织标定方法
US9092691B1 (en) * 2014-07-18 2015-07-28 Median Technologies System for computing quantitative biomarkers of texture features in tomographic images
CN108038883A (zh) * 2017-12-06 2018-05-15 陕西土豆数据科技有限公司 一种应用于公路路面视频图像的裂缝检测及识别方法
CN108030505A (zh) * 2017-12-07 2018-05-15 李彩琴 Ct扫描件防辐射护罩
CN108125689A (zh) * 2017-12-29 2018-06-08 明峰医疗系统股份有限公司 一种ct扫描床
CN108460320A (zh) * 2017-12-19 2018-08-28 杭州海康威视数字技术股份有限公司 基于改进单元分析的监控视频异常事件检测方法
CN109410232A (zh) * 2018-09-26 2019-03-01 漳州市佰佳贸易有限公司 基于常规低分辨率摄像头对叶色特征值的提取方法
CN208973891U (zh) * 2018-08-15 2019-06-14 张顺 一种医用ct扫描用的射线隔离防护装置
CN209951282U (zh) * 2019-04-10 2020-01-17 万静茹 一种ct扫描辐射防护床
CN111598883A (zh) * 2020-05-20 2020-08-28 重庆工程职业技术学院 获取云数据医学影像的标定标签设备和工作方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10303986B2 (en) * 2009-04-07 2019-05-28 Kayvan Najarian Automated measurement of brain injury indices using brain CT images, injury data, and machine learning
SG10201405182WA (en) * 2014-08-25 2016-03-30 Univ Singapore Technology & Design Method and system
CN105447872A (zh) * 2015-12-03 2016-03-30 中山大学 一种在超声影像中自动识别肝脏肿瘤类型的方法
WO2019023900A1 (zh) * 2017-07-31 2019-02-07 深圳联影医疗科技有限公司 在体数据中提取感兴趣区域的方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203763105U (zh) * 2014-01-22 2014-08-13 陆春生 一种cbct简易床结构
US9092691B1 (en) * 2014-07-18 2015-07-28 Median Technologies System for computing quantitative biomarkers of texture features in tomographic images
CN104143047A (zh) * 2014-07-21 2014-11-12 华北电力大学（保定） 血管内超声灰阶图像的自动组织标定方法
CN108038883A (zh) * 2017-12-06 2018-05-15 陕西土豆数据科技有限公司 一种应用于公路路面视频图像的裂缝检测及识别方法
CN108030505A (zh) * 2017-12-07 2018-05-15 李彩琴 Ct扫描件防辐射护罩
CN108460320A (zh) * 2017-12-19 2018-08-28 杭州海康威视数字技术股份有限公司 基于改进单元分析的监控视频异常事件检测方法
CN108125689A (zh) * 2017-12-29 2018-06-08 明峰医疗系统股份有限公司 一种ct扫描床
CN208973891U (zh) * 2018-08-15 2019-06-14 张顺 一种医用ct扫描用的射线隔离防护装置
CN109410232A (zh) * 2018-09-26 2019-03-01 漳州市佰佳贸易有限公司 基于常规低分辨率摄像头对叶色特征值的提取方法
CN209951282U (zh) * 2019-04-10 2020-01-17 万静茹 一种ct扫描辐射防护床
CN111598883A (zh) * 2020-05-20 2020-08-28 重庆工程职业技术学院 获取云数据医学影像的标定标签设备和工作方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Brain Tumor Classification Using Machine Learning Algorithms;B.Balakumar1等;《Elysium Journal》;第4卷(第2期);30-41 *
Detection of Lung Cancer from CT Scan Images using GLCM and SVM;Mehdi Hassan Jony等;《2019 1st International Conference on Advances in Science, Engineering and Robotics Technology (ICASERT)》;19257166 *
基于灰色关联及量子门节点神经网络的时间序列预测;黄凌霄等;《闽江学院学报》;第41卷(第2期);31-40 *

Also Published As

Publication number Publication date
CN111436962A (zh) 2020-07-24

Similar Documents

Publication Publication Date Title
US6154560A (en) System and method for staging regional lymph nodes using quantitative analysis of endoscopic ultrasound images
US7916912B2 (en) Efficient border extraction of image feature
CA2438479C (en) Computer assisted analysis of tomographic mammography data
JP5399278B2 (ja) 乳腺含有率推定装置及び方法
US5133020A (en) Automated method and system for the detection and classification of abnormal lesions and parenchymal distortions in digital medical images
US8340388B2 (en) Systems, computer-readable media, methods, and medical imaging apparatus for the automated detection of suspicious regions of interest in noise normalized X-ray medical imagery
US8374414B2 (en) Method and system for detecting ischemic stroke
US7881513B2 (en) Method for the processing of radiology images for a detection of opacities
EP2027567B1 (en) Method for processing biomedical images
JPH10503961A (ja) 医療画像において腫瘤や実質組織変形をコンピュータを用いて検出する自動化した方法と装置
Li et al. Investigation of the critical geometric characteristics of living human skulls utilising medical image analysis techniques
JPH09509879A (ja) デジタル乳房ｘ線像での自動区画化及び皮膚ラインと乳頭の検出
JP2010051456A (ja) 医用画像の評価装置、方法及びプログラム
Nusantara et al. Classification of digital mammogram based on nearest-neighbor method for breast cancer detection
CN111920440A (zh) 一种基于深度学习的早期肺癌检测分类一体化设备及系统
CN111436962B (zh) 用于海量医学影像数据分布收集设备及其工作方法
TW201726064A (zh) 醫療影像處理裝置及其乳房影像處理方法
CN111724357A (zh) 基于数字放射图像及支持向量回归的手臂骨密度测量方法
TWI722297B (zh) 醫學影像之體內邊緣偵測處理系統及其方法
Wisudawati et al. Benign and malignant breast tumors classification based on texture analysis and backpropagation neural network
CN1723855A (zh) 用计算机对牙邻面龋损x线图像的处理方法
US8116545B2 (en) Method and system for analysis of bone density
Huang et al. Intravascular optical coherence tomography image segmentation based on support vector machine algorithm
Wulandari et al. Automatic lung cancer detection using color histogram calculation
Palanisamy et al. Identification of EMCI in MR Brainstem Structure Using Fractal Measures and Random Forest Approach

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant