CN111445451B - 脑图像处理方法、系统、计算机设备和存储介质 - Google Patents
脑图像处理方法、系统、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111445451B CN111445451B CN202010200838.0A CN202010200838A CN111445451B CN 111445451 B CN111445451 B CN 111445451B CN 202010200838 A CN202010200838 A CN 202010200838A CN 111445451 B CN111445451 B CN 111445451B
- Authority
- CN
- China
- Prior art keywords
- brain
- region
- brain image
- image
- processed
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
Abstract
本申请涉及一种脑图像处理方法、系统、计算机设备和存储介质。所述方法包括:获取待处理的脑图像;将所述脑图像输入预设的第一分割网络,得到所述脑图像的感兴趣区域图;将所述脑图像输入预设的第二分割网络,得到所述脑图像对应的各脑区分割图;分析所述感兴趣区域图和所述各脑区分割图,得到所述脑图像的初步分级结果。采用本方法能够提高对待处理的脑图像的诊断效率。
Description
技术领域
本申请涉及脑图像处理领域,特别是涉及一种脑图像处理方法、系统、计算机设备和存储介质。
背景技术
脑卒中俗称中风,指多种原因导致脑血管受损,局灶性(或整体)脑组织损害,包括缺血性脑卒中和出血性脑卒中。患者在出现疑似脑卒中症状入院后,医生会对患者进行计算机断层成像(Computed Tomography,CT)扫描,通过CT图像对患者进行初步的诊断和分型。
传统技术中,通过将采集患者影像数据的扫描设备和医生使用的台式机客户端通过网线和路由器的方式相连,利用医院内的局域网将采集到的患者影像数据传输到医生在医院使用的台式机客户端,从而使医生对患者的脑卒中症状进行诊断和分型。
然而,传统技术存在对患者的影像数据诊断效率较低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高影像数据诊断效率的脑图像处理方法、系统、计算机设备和存储介质。
一种脑图像处理方法,所述方法包括:
获取待处理的脑图像;
将所述脑图像输入预设的第一分割网络,得到所述脑图像的感兴趣区域图;
将所述脑图像输入预设的第二分割网络,得到所述脑图像对应的各脑区分割图;
分析所述感兴趣区域图和所述各脑区分割图,得到所述脑图像的初步分级结果。
在其中一个实施例中,所述方法还包括:
将所述脑图像和所述初步分级结果,通过网关进行加密后发送至移动端;所述移动端用于对所述加密后的脑图像和初步分级结果进行解密,并获取用户对解密后的脑图像的分析结果。
在其中一个实施例中,所述方法还包括:
通过所述网关获取所述移动端返回的处理后的数据;所述处理后的数据为所述网关对所述移动端返回的加密后的处理数据进行解密得到的,包括所述用户对解密后的初步分级结果进行验证后得到的数据。
在其中一个实施例中,所述根据所述感兴趣区域图和所述各脑区分割图,得到所述脑图像的初步分级结果,包括:
根据所述感兴趣区域图和所述各脑区分割图,得到各脑区对应的出血量和/或缺血量;
根据所述各脑区对应的出血量和/或缺血量,得到所述脑图像的初步分级结果。
在其中一个实施例中,所述根据所述各脑区对应的出血量和/或缺血量,得到所述脑图像的初步分级结果,包括:
根据所述各脑区对应的出血量和各脑区预设的出血量阈值,和/或所述各脑区对应的缺血量和各脑区预设的缺血量阈值,得到所述各脑区的分级结果;
根据所述各脑区的分级结果,得到所述脑图像的初步分级结果。
在其中一个实施例中,所述根据所述各脑区的分级结果,得到所述脑图像的初步分级结果,包括:
从所述各脑区的分级结果中,确定出目标分级结果;
将所述目标分级结果,确定为所述脑图像的初步分级结果。
在其中一个实施例中,所述根据所述感兴趣区域图和所述各脑区分割图,得到各脑区对应的出血量和/或缺血量,包括:
将所述感兴趣区域图和所述各脑区分割图进行比对,确定所述各脑区对应的感兴趣区域体积;
根据各脑区对应的感兴趣区域体积,得到所述各脑区对应的出血量和/或缺血量。
一种脑图像处理系统,所述系统包括:图像采集设备、服务器、网关和移动端,所述图像采集设备与所述服务器通过局域网连接,所述服务器与所述网关通过局域网连接;所述网关与所述移动端通过广域网连接;
所述图像采集设备,用于采集待处理的脑图像;
所述服务器,用于执行上述图像处理方法;
所述网关,用于对所述脑图像和所述初步分级结果进行加密,并将加密后的脑图像和初步分级结果发送至所述移动端;
所述移动端,用于对所述加密后的脑图像和初步分级结果进行解密,并获取用户对解密后的脑图像的分析结果。
一种脑图像处理装置,所述装置包括:
第一获取模块,用于获取待处理的脑图像;
第二获取模块,用于将所述脑图像输入预设的第一分割网络,得到所述脑图像的感兴趣区域图;
第三获取模块,用于将所述脑图像输入预设的第二分割网络,得到所述脑图像对应的各脑区分割图;
处理模块,用于根据所述感兴趣区域图和所述各脑区分割图,得到所述脑图像的初步分级结果。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待处理的脑图像;
将所述脑图像输入预设的第一分割网络,得到所述脑图像的感兴趣区域图;
将所述脑图像输入预设的第二分割网络,得到所述脑图像对应的各脑区分割图;
分析所述感兴趣区域图和所述各脑区分割图,得到所述脑图像的初步分级结果。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待处理的脑图像;
将所述脑图像输入预设的第一分割网络,得到所述脑图像的感兴趣区域图;
将所述脑图像输入预设的第二分割网络,得到所述脑图像对应的各脑区分割图;
分析所述感兴趣区域图和所述各脑区分割图,得到所述脑图像的初步分级结果。
上述脑图像处理方法、系统、装置、计算机设备和存储介质,通过将待处理的脑图像输入预设的第一分割网络,能够得到待处理的脑图像的感兴趣区域图,将待处理的脑图像输入预设的第二分割网络,能够得到待处理的脑图像对应的各脑区分割图,对得到的待处理的脑图像的感兴趣区域图和待处理的脑图像对应的各脑区分割图进行分析,能够快速地得到脑图像的初步分级结果,这样可以根据待处理的脑图像的初步分级结果进行优先级排序,使初步分级结果中优先级较高的脑图像能够得到优先的处理,从而提高对待处理的脑图像的诊断效率。
附图说明
图1为一个实施例提供的计算机设备的内部结构示意图;
图2为一个实施例提供的脑图像处理方法的流程示意图;
图3为另一个实施例提供的脑图像处理方法的流程示意图;
图4为一个实施例提供的脑图像处理系统示意图;
图5为另一个实施例提供的脑图像处理系统示意图;
图6为一个实施例提供的脑图像处理装置结构示意图。
实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的脑图像处理方法,可以适用于如图1所示的计算机设备。该计算机设备包括通过系统总线连接的处理器、存储器,该存储器中存储有计算机程序,处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的,该计算机设备还可以包括网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器,该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。可选的,该计算机设备可以是服务器,可以是个人计算机,还可以是个人数字助理,还可以是其他的终端设备,例如平板电脑、手机等等,还可以是云端或者远程服务器,本申请实施例对计算机设备的具体形式并不做限定。
脑卒中是指由多种原因导致的脑血管受损,局灶性(或整体)脑组织损害,包括缺血性脑卒中、出血性脑卒中和混合脑卒中等。患者在出现疑似脑卒中症状后入院时,会对其优先进行计算机断层成像(Computed Tomography,CT)扫描,通过CT图像对患者进行初步的诊断和分型。由于对患者进行CT扫描的时间很大程度地影响着对患者的治疗。为保护患者的数据资源不外泄,医院倾向于使用保守的内部网络,将数据采集端(CT等扫描设备)、数据库和医生使用的台式机客户端通过网线和路由器的方式相连,该系统有完整的内部数据管理体系,但是医生的诊断方式较为受限,且在人工诊断前危急患者很难得到高优先级的处理,对患者的影像数据诊断效率较低。
下面以具体的实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
在一个实施例中,如图2所示,提供了一种脑图像处理方法,以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
S201,获取待处理的脑图像。
具体地,计算机设备首先获取待处理的脑图像。其中,待处理的脑图像可以为脑部计算机断层成像(Computed Tomography,CT)图像,也可以为脑部磁共振(MagneticResonance,MR)图像,也可以为脑部磁共振弥散加权成像(Diffusion Weighted Imaging,DWI)图像,也可以为脑部磁共振灌注成像(Perfusion Imaging,PWI)图像。可选的,计算机设备可以从PACS(Picture Archiving and Communication Systems,影像归档和通信系统)中获取待处理的脑图像,也可以从RIS(Radioiogy information system,放射信息管理系统)中获取待处理的脑图像,也可以从医学影像设备中实时地获取待处理的脑图像。
S202,将脑图像输入预设的第一分割网络,得到脑图像的感兴趣区域图。
具体地,计算机设备将上述待处理的脑图像输入预设的第一分割网络,得到待处理的脑图像的感兴趣区域图。可以理解的是,待处理的脑图像的感兴趣区域为该脑图像中的病灶区域,可选的,该病灶可以是缺血灶,也可以是出血灶,也可以是肿瘤灶,也可以是出血和缺血灶。可选的,以待处理的脑图像应用于脑卒中诊断为例,待处理的脑图像的感兴趣区域可以为脑图像中的出血区域,也可以为脑图像中的缺血区域。可选的,计算机设备将待处理的脑图像输入预设的第一分割网络之前,可以对待处理的脑图像进行加窗归一化处理和去头骨处理等;其中,加窗归一化处理是指根据临床上常用的窗宽窗位等信息,对待处理的脑图像进行加窗限制,例如,可以将待处理的脑图像的头部CT数据中HU值小于0的体素置为0,HU值大于80的体素置为80,将[0, 80]的值域线性映射到[0, 1],加窗归一化操作可以增强目标的对比度,并且对头部数据进行规范化,降低检测难度;去头骨处理是指基于图像学或人工智能技术,对待处理的脑图像的头部数据内的头骨部分进行检测和分割,去除头骨及以外的背景元素,减少脑外组织对脑部检测带来的干扰。可选的,计算机设备得到待处理的脑图像的感兴趣区域图后,可以对得到的感兴趣区域图进行后处理,其中,后处理包括连通域阈值过滤法和区域生长法;连通域阈值过滤法是为了减少分割算法的假阳性,对得到的脑图像的感兴趣区域图连通域分离处理,并根据临床所定的体积阈值T,将体积小于T的连通域置为背景,得到后处理的感兴趣区域图;区域生长法是为了减少分割算法对得到的感兴趣区域图分割不完整,可以以得到的感兴趣区域图为起点,用区域生长法进行边缘修补,使得到的最终感兴趣区域图更贴合真实病灶区域,减少计算误差。
S203,将脑图像输入预设的第二分割网络,得到脑图像对应的各脑区分割图。
具体地,计算机设备将待处理的脑图像输入预设的第二分割网络,得到待处理的脑图像对应的各脑区分割图。可选的,计算机设备也可以根据预设的脑部分区模板对待处理的脑图像进行脑区分割,得到处理的脑图像对应的各脑区分割图,可选的,预设的脑部分区模板可以为解剖自动标记(Anatomical Automatic Labeling,AAL)模板,也可以是其他的脑部分区模板,例如,SRI24模板。
S204,分析感兴趣区域图和各脑区分割图,得到脑图像的初步分级结果。
具体地,计算机设备对上述得到的待处理的脑图像的感兴趣区域图和待处理的脑图像对应的各脑区分割图进行分析,得到待处理的脑图像的初步分级结果。可选的,继续以待处理的脑图像应用于脑卒中诊断为例,计算机设备可以根据待处理脑图像的感兴趣区域图,确定待处理的脑图像各脑区分割图中各脑区对应的感兴趣区域的体积,根据各脑区分割图中各脑区对应的感兴趣区域的体积,得到待处理的脑图像的初步分级结果。可选的,计算机设备还可以根据预设的分类网络,将待处理的脑图像输入预设的分类网络中,得到待处理的脑图像的初步分级结果。
在本实施例中,通过将待处理的脑图像输入预设的第一分割网络,能够得到待处理的脑图像的感兴趣区域图,将待处理的脑图像输入预设的第二分割网络,能够得到待处理的脑图像对应的各脑区分割图,对得到的待处理的脑图像的感兴趣区域图和待处理的脑图像对应的各脑区分割图进行分析,能够快速地得到脑图像的初步分级结果,这样可以根据待处理的脑图像的初步分级结果进行优先级排序,使初步分级结果中优先级较高的脑图像能够得到优先的处理,从而提高对待处理的脑图像的诊断效率。
在一个实施例中,在上述实施例的基础上,作为一种可选的实施方式,上述方法还包括:将脑图像和初步分级结果,通过网关进行加密后发送至移动端;移动端用于对加密后的脑图像和初步分级结果进行解密,并获取用户对解密后的脑图像的分析结果。
具体地,计算机设备将上述待处理的脑图像和初步分级结果,通过网关进行加密后发送至移动端;移动端用于对加密后的脑图像和初步分级结果进行解密,并获取用户对解密后的脑图像的分析结果。可选的,网关可以通过散列加密算法中的信息-摘要(Message-Digest Algorithm,MD5)加密算法对待处理的脑图像和初步分级结果进行加密,也可以通过对称加密算法的3DES加密算法对待处理的脑图像和初步分级结果进行加密,或者通过非对称加密算法的RSA加密算法对待处理的脑图像和初步分级结果进行加密。可选的,移动端用户对解密后的脑图像的分析结果可以为分析后的脑图像或者脑图像的分级等级,可以理解的是,若分析结果为分析后的脑图像,那么该脑图像上可以标注有对应的分级等级。其中,移动端为包括至少一台具有5G网络接入能力的移动设备,该移动设备包括但不限于手机、平板等。移动端设备对加密后的脑图像和初步分级结果进行解密,并通过程序解读解密后的脑图像,提供给移动端的用户进行阅片和诊断,同时将移动端用户对解密后的脑图像的分析结果传输回给网关。网关为一个具有保密功能的用于数据交换管理的计算机设备,可以包括至少一台计算机设备,网关同时接入局域网和5G网络,网关对上述脑图像和初步分级结果进行加密处理,并送入到5G网络中分发给移动端,供移动端用户诊断使用,同时接受同构5G通信系统传回的移动端用户对解密后的脑图像的分析结果。可选的,计算机设备还可以通过网关获取移动端用户对解密后的脑图像的分析结果,并将获取的脑图像的分析结果和对应的脑图像输入预设的存储器中进行存储。可选的,计算机设备也可以将待处理的脑图像和初步分级结果通过局域网发送给院内的台式机客户端,其中,院内的台式机客户端包括至少一台台式计算机,用于患者影像的诊断和报告的填写,台式机客户端采用局域网和计算机设备进行通信和数据交换,台式客户端为常规的办公工具,位置和灵活度较为受限。
在本实施例中,计算机设备将待处理脑图像和该脑图像的初步分级结果,通过网关进行加密后发送至移动端,能够使移动端的用户及时根据待处理的脑图像的初步分级结果对待处理脑图像进行分析诊断,提高了对待处理的脑图像的诊断效率;另外通过网关对脑图像和脑图像的初步分级结果进行加密,保证了脑图像和脑图像的初步分级结果在传输过程中的安全性。
在一些场景中,计算机设备得到的待处理的脑图像的初步分级结果可能为危急程度较低的结果,这样将待处理的脑图像和待处理的脑图像的初步分级结果发送给移动端后,移动端可以对初步分级结果进行验证后,可以返回处理后的数据。在一个实施例中,在上述实施例的基础上,作为一种可选的实施方式,上述方法还包括:通过网关获取移动端返回的处理后的数据;处理后的数据为网关对移动端返回的加密后的处理数据进行解密得到的,包括用户对解密后的初步分级结果进行验证后得到的数据。
具体地,计算机设备通过网关获取上述移动端返回的处理后的数据;其中,处理后的数据为网关对移动端返回的加密后的处理数据进行解密得到的,包括移动端用户对解密后的初步分级结果进行验证后得到的数据。示例性地,例如,解密后的初步分级结果为待处理的脑图像的危急程度较低,移动端的用户对接收到的脑图像和初步分级结果进行验证确定初步分级结果准确后,可以通过网络向计算机设备返回该初步分级结果对应的脑图像和对初步分级结果的验证结果。可选的,移动端返回的加密后的处理数据可以是通过散列加密算法中的信息-摘要(Message-Digest Algorithm,MD5)加密算法得到的,也可以是通过对称加密算法的3DES加密算法得到的,或者是通过非对称加密算法的RSA加密算法得到的。
在本实施例中,计算机设备获取移动端通过网关返回的移动端用户对解密后的初步分级结果进行验证后得到的数据,能够及时地获取移动端用户对待处理的脑图像的初步分级结果进行验证后得到的数据,从而提高了对待处理的脑图像的诊断效率。
在一个实施例中,如图3所示,在上述实施例的基础上,作为一种可选的实施方式,上述S204包括:
S301,根据感兴趣区域图和各脑区分割图,得到各脑区对应的出血量和/或缺血量。
具体地,计算机设备根据待处理脑图像的感兴趣区域图和待处理脑图像的各脑区分割图,得到各脑区对应的出血量和/或缺血量。可选的,计算机设备可以将待处理脑图像的感兴趣区域图和待处理脑图像的各脑区分割图进行比对,确定待处理脑图像的各脑区对应的感兴趣区域的体积,根据各脑区对应的感兴趣区域的体积,得到各脑区对应的出血量和/或缺血量。需要说明的是,计算机设备将待处理的脑图像输入预设的第一分割网络,得到待处理的脑图像的感兴趣区域图的同时也可以得到待处理的脑图像对应的异常类型,可选的,待处理的脑图像对应的异常类型可以包括缺血性脑卒中、失血性脑卒中和混合型脑卒中。示例性地,若计算机设备确定待处理的脑图像对应的异常类型为缺血性脑卒中,则计算机设备根据待处理脑图像的感兴趣区域图和各脑区分割图,得到各脑区对应的缺血量;若计算机设备确定待处理的脑图像对应的异常类型为出血性脑卒中,则计算机设备根据待处理脑图像的感兴趣区域图和各脑区分割图,得到各脑区对应的出血量;若计算机设备确定待处理的脑图像对应的异常类型为混合型脑卒中,则计算机设备根据待处理脑图像的感兴趣区域图和各脑区分割图,得到各脑区对应的缺血量和出血量。
S302,根据各脑区对应的出血量和/或缺血量,得到脑图像的初步分级结果。
具体地,计算机设备根据待处理脑图像各脑区对应的出血量和/或缺血量,得到待处理的脑图像的初步分级结果。可选的,计算机设备可以根据各脑区对应的出血量和各脑区预设的出血量阈值,和/或各脑区对应的缺血量和各脑区预设的缺血量阈值,得到各脑区的分级结果,从各脑区的分级结果中,确定出目标分级结果,将确定出的目标分级结果确定为待处理的脑图像的初步分级结果。示例性地,计算机设备可以将各脑区对应的出血量和各脑区预设的出血量阈值进行比对,若各脑区对应的出血量大于各脑区预设的出血量阈值,则确定该脑区的分级结果为危急;若各脑区对应的出血量小于等于各脑区预设的出血量阈值,则确定该脑区的分级结果为不危急,若待处理的脑图像各脑区的分级结果中有一个分级结果为危急,则将该脑区的分级结果确定为目标分级结果,将目标分级结果确定为目标分级结果,也就是,确定目标分级结果为危急。需要说明的是,继续以待处理的脑图像应用于脑卒中诊断为例,待处理的脑图像中可能会出现跨脑区的出血和/或缺血的情况,此时,计算机设备可以统计跨脑区出血和/或缺血的脑区个数,若跨脑区的个数超过预设的阈值,则确定该待处理的脑图像对应的初级分级结果为危急,示例性地,若出血或缺血的跨脑区个数为三个,预设的阈值为一,则计算机设备确定该待处理的脑图像对应的初级分级结果为危急;可选的,计算机设备也可以通过确定跨脑区出血和/或缺血的各跨脑区的出血量和/或缺血量,将各跨脑区的出血量和/或缺血量与预设的各脑区对应的出血量和/或缺血量阈值进行比对,若各跨脑区中有一个脑区的出血量和/或缺血量超过预设出血量和/或缺血量阈值,则确定该待处理的脑图像对应的初级分级结果为危急。
在本实施例中,计算机设备根据待处理的脑图像的感兴趣区域图和待处理的脑图像各脑区分割图,能够准确地得到各脑区对应的出血量和/或缺血量,进而可以根据各脑区对应的出血量和/或缺血量,准确地得到待处理的脑图像的初步分级结果,提高了得到的待处理的脑图像的初步分级结果的准确度。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种脑图像处理系统,包括:图像采集设备、服务器、网关和移动端;图像采集设备与服务器通过局域网连接,服务器与网关通过局域网连接,网关与移动端通过广域网连接;图像采集设备,用于采集待处理的脑图像;服务器,用于执行上述实施例的图像处理方法;网关,用于对脑图像和初步分级结果进行加密,并将加密后的脑图像和初步分级结果发送至移动端;移动端,用于对加密后的脑图像和初步分级结果进行解密,并获取用户对解密后的脑图像的分析结果。
具体地,图像采集设备可以包括CT、磁共振(Magnetic Resonance,MR)等图像采集设备,通过该图像采集设备采集待处理的脑图像;
服务器,用于执行上述实施例的脑图像处理方法,服务器可以包括至少一台性能较好的计算机,也可以是分布式计算集群,来执行数据流管理、日志统计等常见任务。服务器仅通过内部的局域网与其他模块进行通信,减少外部干扰和数据泄露。
网关,用于对待处理的脑图像和待处理的脑图像的初步分级结果进行加密,并将加密后的脑图像和初步分级结果发送至移动端。可选的,网关可以包括至少一台计算机,同时接入局域网和5G网络,网关通过程序对待处理的脑图像和待处理的脑图像的初步分级结果进行加密控制,并送入到5G网络中分发给移动端,供移动端的用户诊断使用;同时需要接受同构5G通信系统传回的移动端用户的诊断报告,送入局域网返传给服务器进行管理。
移动端,用于对加密后的脑图像和初步分级结果进行解密,并获取用户对解密后的脑图像的分析结果。可选的,移动端包括至少一台具有5G网络接入能力的移动设备,包括但不限于手机、平板等。移动端通过程序解读网关传输来的待处理的脑图像和待处理的脑图像的初步分级结果,提供给移动端的用户进行阅片和诊断,同时将移动端的用户的诊断报告传输回给网关。
在本实施例中,脑图像处理系统通过将待处理的脑图像的初步分级结果通过网关传输到移动端,大大减少了移动端用户的工作压力,提高了对待处理脑图像的诊断效率;其次,通过网关将待处理的脑图像和待处理脑图像的初步分级结果发送到移动端,扩展了对待处理脑图像的诊断途径,进一步地提高了对待处理脑图像的诊断效率。
在一个实施例中,如图5所示,上述脑图像处理系统还可以包括存储器和台式机客户端,存储器通过局域网与上述服务器连接,台式机客户端通过局域网与上述服务器连接;存储器,用于存储待处理的脑图像、待处理的脑图像的初步分级结果和待处理的脑图像的分析结果;台式机客户端,用于接收服务器发送的待处理的脑图像和待处理的脑图像的初步分级结果,并获取台式机客户端的用户对待处理的脑图像的分析结果。
具体地,存储器,用于存储待处理的脑图像和待处理的脑图像的初步分级结果。可选的,存储器可以包括至少一台拥有较多存储空间的设备,也可以是分布式存储集群,用于存储待处理的脑图像、待处理的脑图像的初步分级结果和待处理的脑图像的分析结果。需要说明的是,存储器存储的待处理的脑图像的分析结果可以为移动端用户对待处理的脑图像的分析结果,也可以为台式机客户端用户对待处理的脑图像的分析结果。
台式机客户端采用局域网和服务器进行通信和数据交换,用于接收服务器发送的待处理的脑图像和待处理的脑图像的初步分级结果,并获取台式机客户端的用户对待处理的脑图像的分析结果。可选的,台式机客户端可以包括至少一台台式计算机。可以理解的是,台式客户端为用户的常规办公工具,位置和灵活度较为受限。
在本实施例中,脑图像处理系统包括的存储器可以将待处理的脑图像、待处理的脑图像的初步分级结果和待处理的脑图像的分析结果进行存储,避免了数据的丢失;另外,图像处理系统包括的台式机客户端也能够接收服务器发送的待处理的脑图像和待处理的脑图像的初步分级结果,能够使台式机客户端的用户对待处理的脑图像进行分析,从而提高了对待处理的脑图像分析诊断的效率。
在一个实施例中,如图6所示,提供了一种脑图像处理装置,包括:第一获取模块、第二获取模块、第三获取模块和处理模块,其中:
第一获取模块,用于获取待处理的脑图像。
第二获取模块,用于将脑图像输入预设的第一分割网络,得到脑图像的感兴趣区域图。
第三获取模块,用于将脑图像输入预设的第二分割网络,得到脑图像对应的各脑区分割图。
处理模块,用于分析感兴趣区域图和各脑区分割图,得到脑图像的初步分级结果。
本实施例提供的脑图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述装置还包括发送模块,其中:
发送模块,用于将脑图像和初步分级结果,通过网关进行加密后发送至移动端;移动端用于对加密后的脑图像和初步分级结果进行解密,并获取用户对解密后的脑图像的分析结果。
本实施例提供的脑图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述装置还包括第四获取模块,其中:
第四获取模块,用于通过网关获取移动端返回的处理后的数据;处理后的数据为网关对移动端返回的加密后的处理数据进行解密得到的,包括用户对解密后的初步分级结果进行验证后得到的数据。
本实施例提供的脑图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述处理模块包括第一获取单元和第二获取单元,其中:
第一获取单元,用于根据感兴趣区域图和各脑区分割图,得到各脑区对应的出血量和/或缺血量。
第二获取单元,用于根据各脑区对应的出血量和/或缺血量,得到脑图像的初步分级结果。
本实施例提供的脑图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述第二获取单元,具体用于根据各脑区对应的出血量和各脑区预设的出血量阈值,和/或各脑区对应的缺血量和各脑区预设的缺血量阈值,得到各脑区的分级结果;根据各脑区的分级结果,得到脑图像的初步分级结果。
本实施例提供的脑图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述第二获取单元,具体用于从各脑区的分级结果中,确定出目标分级结果;将目标分级结果,确定为脑图像的初步分级结果。
本实施例提供的脑图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述第一获取单元,具体用于将感兴趣区域图和各脑区分割图进行比对,确定各脑区对应的感兴趣区域体积;根据各脑区对应的感兴趣区域体积,得到各脑区对应的出血量和/或缺血量。
本实施例提供的脑图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于脑图像处理装置的具体限定可以参见上文中对于脑图像处理方法的限定,在此不再赘述。上述脑图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待处理的脑图像;
将脑图像输入预设的第一分割网络,得到脑图像的感兴趣区域图;
将脑图像输入预设的第二分割网络,得到脑图像对应的各脑区分割图;
根据感兴趣区域图和各脑区分割图,得到脑图像的初步分级结果。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待处理的脑图像;
将脑图像输入预设的第一分割网络,得到脑图像的感兴趣区域图;
将脑图像输入预设的第二分割网络,得到脑图像对应的各脑区分割图;
根据感兴趣区域图和各脑区分割图,得到脑图像的初步分级结果。
上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种脑图像处理方法,其特征在于,所述方法包括:
获取待处理的脑图像;
将所述脑图像输入预设的第一分割网络,得到所述脑图像的感兴趣区域图;其中,感兴趣区域为出血灶和/或缺血灶;
将所述脑图像输入预设的第二分割网络,得到所述脑图像对应的各脑区分割图;
根据所述感兴趣区域图和所述各脑区分割图,得到各脑区对应的出血量和/或缺血量,根据所述各脑区对应的出血量和各脑区预设的出血量阈值,和/或所述各脑区对应的缺血量和各脑区预设的缺血量阈值,得到所述各脑区的分级结果,若所述各脑区的分级结果中有一个分级结果为危急,确定所述脑图像的初步分级结果为危急;所述分级结果包括危急和不危急。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述脑图像和所述初步分级结果,通过网关进行加密后发送至移动端;所述移动端用于对所述加密后的脑图像和初步分级结果进行解密,并获取用户对解密后的脑图像的分析结果。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
通过所述网关获取所述移动端返回的处理后的数据;所述处理后的数据为所述网关对所述移动端返回的加密后的处理数据进行解密得到的,包括所述用户对解密后的初步分级结果进行验证后得到的数据。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述各脑区的分级结果均为不危急,确定所述脑图像的初步分级结果为不危急。
5.根据权利要求2所述的方法,其特征在于,所述加密后的脑图像和初步分级结果为通过散列加密算法中的信息-摘要加密算法、对称加密算法的3DES加密算法、非对称加密算法的RSA加密算法中的任意一种加密算法对所述脑图像和所述初步分级结果进行加密得到的。
6.根据权利要求1所述的方法,其特征在于,所述根据所述各脑区对应的出血量和各脑区预设的出血量阈值,和/或所述各脑区对应的缺血量和各脑区预设的缺血量阈值,得到所述各脑区的分级结果,包括:
若所述各脑区对应的出血量大于所述出血量阈值,和/或所述各脑区对应的缺血量大于所述缺血量阈值,则确定所述脑区的分级结果为危急;或者,
若所述各脑区对应的出血量小于等于所述出血量阈值,和/或所述各脑区对应的缺血量小于等于所述缺血量阈值,则确定所述脑区的分级结果为不危急。
7.根据权利要求4所述的方法,其特征在于,所述根据所述感兴趣区域图和所述各脑区分割图,得到各脑区对应的出血量和/或缺血量,包括:
将所述感兴趣区域图和所述各脑区分割图进行比对,确定所述各脑区对应的感兴趣区域体积;
根据各脑区对应的感兴趣区域体积,得到所述各脑区对应的出血量和/或缺血量。
8.一种脑图像处理系统,其特征在于,所述系统包括:图像采集设备、服务器、网关和移动端,所述图像采集设备与所述服务器通过局域网连接,所述服务器与所述网关通过局域网连接;所述网关与所述移动端通过广域网连接;
所述图像采集设备,用于采集待处理的脑图像;
所述服务器,用于执行如权利要求1-7任一项所述的脑图像处理方法;
所述网关,用于对所述脑图像和所述初步分级结果进行加密,并将加密后的脑图像和初步分级结果发送至所述移动端;
所述移动端,用于对所述加密后的脑图像和初步分级结果进行解密,并获取用户对解密后的脑图像的分析结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010200838.0A CN111445451B (zh) | 2020-03-20 | 2020-03-20 | 脑图像处理方法、系统、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010200838.0A CN111445451B (zh) | 2020-03-20 | 2020-03-20 | 脑图像处理方法、系统、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111445451A CN111445451A (zh) | 2020-07-24 |
CN111445451B true CN111445451B (zh) | 2023-04-25 |
Family
ID=71629559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010200838.0A Active CN111445451B (zh) | 2020-03-20 | 2020-03-20 | 脑图像处理方法、系统、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445451B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529868B (zh) * | 2020-12-10 | 2023-06-27 | 上海联影医疗科技股份有限公司 | 图像分析方法、装置、计算机设备和存储介质 |
CN112508953B (zh) * | 2021-02-05 | 2021-05-18 | 四川大学 | 基于深度神经网络的脑膜瘤快速分割定性方法 |
CN114601486B (zh) * | 2022-03-07 | 2023-05-02 | 深圳市澈影医生集团有限公司 | 一种急性缺血性脑卒中的检测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106887039A (zh) * | 2017-02-28 | 2017-06-23 | 成都金盘电子科大多媒体技术有限公司 | 一种基于医学影像的器官和病灶的三维成像方法及系统 |
CN108852627A (zh) * | 2018-07-18 | 2018-11-23 | 广州市妇女儿童医疗中心(广州市妇幼保健院、广州市儿童医院、广州市妇婴医院、广州市妇幼保健计划生育服务中心) | 一种智能识别系统 |
CN109003299A (zh) * | 2018-07-05 | 2018-12-14 | 北京推想科技有限公司 | 一种基于深度学习的计算脑出血量的方法 |
CN110336809A (zh) * | 2019-06-28 | 2019-10-15 | 国网内蒙古东部电力有限公司 | 一种机载fpga并行加速图像分析处理系统的方法 |
CN110738643A (zh) * | 2019-10-08 | 2020-01-31 | 上海联影智能医疗科技有限公司 | 脑出血的分析方法、计算机设备和存储介质 |
CN110840468A (zh) * | 2019-11-18 | 2020-02-28 | 深圳市铱硙医疗科技有限公司 | 自闭症风险评估方法及装置、终端设备、存储介质 |
-
2020
- 2020-03-20 CN CN202010200838.0A patent/CN111445451B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106887039A (zh) * | 2017-02-28 | 2017-06-23 | 成都金盘电子科大多媒体技术有限公司 | 一种基于医学影像的器官和病灶的三维成像方法及系统 |
CN109003299A (zh) * | 2018-07-05 | 2018-12-14 | 北京推想科技有限公司 | 一种基于深度学习的计算脑出血量的方法 |
CN108852627A (zh) * | 2018-07-18 | 2018-11-23 | 广州市妇女儿童医疗中心(广州市妇幼保健院、广州市儿童医院、广州市妇婴医院、广州市妇幼保健计划生育服务中心) | 一种智能识别系统 |
CN110336809A (zh) * | 2019-06-28 | 2019-10-15 | 国网内蒙古东部电力有限公司 | 一种机载fpga并行加速图像分析处理系统的方法 |
CN110738643A (zh) * | 2019-10-08 | 2020-01-31 | 上海联影智能医疗科技有限公司 | 脑出血的分析方法、计算机设备和存储介质 |
CN110840468A (zh) * | 2019-11-18 | 2020-02-28 | 深圳市铱硙医疗科技有限公司 | 自闭症风险评估方法及装置、终端设备、存储介质 |
Non-Patent Citations (3)
Title |
---|
H.S. Bhadauria et al..An integrated method for hemorrhage segmentation from brain CT Imaging.《Computers and Electrical Engineering》.2013,第1527-1536页. * |
Natasha Ironside, MBChB et al..Fully Automated Segmentation Algorithm for Hematoma Volumetric Analysis in Spontaneous Intracerebral Hemorrhage.《2019 American Heart Association, Inc》.2019,第3416-3423页. * |
麦麦提力.米吉提.动脉瘤性蛛网膜下腔出血临床流行病学特征分析及其血后脑血管痉挛影像因素研究.《中国博士学位论文全文数据库 医药卫生科技辑》.2016,E070-6. * |
Also Published As
Publication number | Publication date |
---|---|
CN111445451A (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445451B (zh) | 脑图像处理方法、系统、计算机设备和存储介质 | |
US10971263B2 (en) | Methods and apparatus for recording anonymized volumetric data from medical image visualization software | |
WO2022033220A1 (zh) | 人脸活体检测方法、系统、装置、计算机设备和存储介质 | |
US11790672B2 (en) | Image processing method, microscope, image processing system, and medium based on artificial intelligence | |
US10817753B2 (en) | Learning assistance device, method of operating learning assistance device, learning assistance program, learning assistance system, and terminal device | |
JP2022508152A (ja) | 保護された健康情報を追跡し、それにアクセスし、それをマージするためのシステムおよび方法 | |
US10380739B2 (en) | Breast cancer detection | |
CN111951274A (zh) | 图像分割方法、系统、可读存储介质和设备 | |
CN112348838B (zh) | 用于图像分析的方法和系统 | |
Castiglione et al. | On-board format-independent security of functional magnetic resonance images | |
CN111951276A (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
US11132793B2 (en) | Case-adaptive medical image quality assessment | |
CN112527923A (zh) | 非结构化数据存储方法、装置、计算机设备和存储介质 | |
EP3890312A1 (en) | Distributed image analysis method and system, and storage medium | |
US20210097678A1 (en) | Computed tomography medical imaging spine model | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN111027469B (zh) | 人体部位识别方法、计算机设备和可读存储介质 | |
JP2023507246A (ja) | 医用画像記録の遠隔分析方法およびシステム | |
CN112786163A (zh) | 一种超声图像处理显示方法、系统及存储介质 | |
US20210093278A1 (en) | Computed tomography medical imaging intracranial hemorrhage model | |
CN110825693A (zh) | 医学数据存储方法、装置和可读存储介质 | |
CN110852384A (zh) | 医学影像质量检测方法、装置和存储介质 | |
CN111369557A (zh) | 图像处理方法、装置、计算设备和存储介质 | |
CN114820576A (zh) | 乳腺特征提取、检测模型的训练方法、装置 | |
CN113052044A (zh) | 识别虹膜图像的方法、装置、计算设备和介质 |
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 |