CN111462869A - 一种多功能的新生儿临床用头部影像诊疗系统及方法 - Google Patents

一种多功能的新生儿临床用头部影像诊疗系统及方法 Download PDF

Info

Publication number
CN111462869A
CN111462869A CN202010289635.3A CN202010289635A CN111462869A CN 111462869 A CN111462869 A CN 111462869A CN 202010289635 A CN202010289635 A CN 202010289635A CN 111462869 A CN111462869 A CN 111462869A
Authority
CN
China
Prior art keywords
image
module
medical
diagnosis
remote
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.)
Withdrawn
Application number
CN202010289635.3A
Other languages
English (en)
Inventor
赵继平
崔春晓
林浩志
高翠
段崇锋
刘芳
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.)
Affiliated Hospital of University of Qingdao
Original Assignee
Affiliated Hospital of University of Qingdao
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 Affiliated Hospital of University of Qingdao filed Critical Affiliated Hospital of University of Qingdao
Priority to CN202010289635.3A priority Critical patent/CN111462869A/zh
Publication of CN111462869A publication Critical patent/CN111462869A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明属于医疗检测技术领域，公开了一种多功能的新生儿临床用头部影像诊疗系统及方法，包括影像采集模块、存储模块、身份标识模块、图像预处理模块、主控模块、数据传输模块、数据共享模块、远程诊疗模块、人工智能模块和结果输出模块。本发明通过远程诊疗模块可以将获取的医疗影像文件上传到远程服务器，会诊医生可以通过显示终端实时查看对应的影像数据，并针对该影像内容进行回复，完成远程医疗影像会诊工作，使远程医疗影像会诊实施难度降低，会诊效率提高；而且通过人工智能判定模块可以通过人工智能对影像数据进行分析，得出患者患疾病的概率，可快速将待诊患者与一种或几种疾病关联，为后续进一步确诊节省大量时间。

Description

一种多功能的新生儿临床用头部影像诊疗系统及方法
技术领域
本发明属于医疗检测技术领域，尤其涉及一种多功能的新生儿临床用头部影像诊疗系统及方法。
背景技术
目前，在对新生儿头部进行检查时，通常需要通过影像设备来获取相关影像和图片来为医生提供检查和诊断的依据。在医疗实践中，医疗影像在医疗过程中起着非常重要的作用，但是我国目前医学资源分布极不平衡，优秀的医学专家多集中在大城市和大医院，医疗水平存在显著地域性差异，特别是广大农村和偏远地区，医疗条件较差，医生的临床经验较少，有时需要通过远程的专家对影像进行查看，但是需要单独进行预约，也不方便对影像数据进行传输，影响了诊断效率。而且在获得医疗影像和图片之后，医生通过实际观察做出对应的诊疗结果，这对医生的经验和业务能力均有非常高的要求。如果医生诊疗结果出现失误，对患者造成极大的损失和伤害。
通过上述分析，现有技术存在的问题及缺陷为：(1)需要通过远程的专家对新生儿的头部影像进行查看时，需要单独进行预约，也不方便对影像数据进行传输，影响了诊断效率。
(2)只能采用认为分析，若果医生诊疗结果出现失误，会对患者造成极大的损失和伤害。
发明内容
针对现有技术存在的问题，本发明提供了一种多功能的新生儿临床用头部影像诊疗系统及方法。
本发明是这样实现的，一种多功能的新生儿临床用头部影像诊疗方法，所述多功能的新生儿临床用头部影像诊疗方法包括以下步骤：
第一步，通过医疗影像采集设备对新生儿头部进行影像检测，采用分区存储方法对影像数据进行存储；
第二步，通过输入设备对采集影像的新生儿的身份信息进行登记，将第一步中存储的影像数据与身份信息进行对应存储；
第三步，采用中值滤波法对采集的医学影像图像转换为灰度图像进行降噪处理，并对降噪后的图像进行光照补偿；
第四步，在补偿后的图像中选择一个种子像素作为生长起点，将种子像素中邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域，得到新像素；
第五步，将得到的新像素作为新的种子像素，重复步骤第四步，直至没有满足条件的像素可以被包括进来，则得到一个分割的图像区域；
第六步，在为分割区域内选定新的种子像素重复第四步至第五步，直至图像分割完毕；
第七步，对分割后的图像进行特征提取，提取的图像特征包括图像纹理特征、熵特征和颜色矩阵特征构成患者病征图像的待诊特征；同时将分割后的图像与标准图像进行对比，并对异常处进行标注；
第八步，分别将第二步得到的补偿图像，第七步提取到的待诊特征以及异常影像数据与疾病影像数据库、疾病特征影像数据库和异常影像数据库中的相关影像数据集进行比对；获得获得补偿图像与疾病标准影像之间的相似度，待诊特征与疾病特征标准影像之间的相似度以及异常影像与疾病异常标准影像之间的相似度；
第九步，根据得到的相似度大小进行高低排序，得到各疾病的患病概率；将多个远程显示终端的远程诊疗结果和人工智能判定结果进行输出显示。
进一步，第一步中，所述分区存储方法具体包括：
获取待存储的医疗影像设备的扫描数据；
将所述医疗影像设备扫描数据写入一级存储空间，所述一级存储空间的写入速度与所述医疗影像设备的至少两个参数相关；所述至少两个参数包括获取所述医疗影像设备扫描数据的第一速度、传输所述医疗影像设备扫描数据的第二速度；以及将写入所述一级存储空间的所述医疗影像设备扫描数据备份至二级存储空间。
进一步，第七步中，所述光照补偿方法包括：
(1)获取待补偿医学影像的所属类别；确定所述待处理医学影像的梯度直方图；
(2)根据所述待处理医学影像的梯度直方图，确定所述待处理医学影像的平均梯度值；确定所述待处理医学影像所属类别的医学影像的平均梯度值及标准直方图；
(3)根据所述待处理医学影像的平均梯度值与所述所属类别医学影像的平均梯度值，确定是否需要对所述待处理医学影像进行光照补偿；当需要对所述待处理医学影像进行光照补偿时，根据所述标准直方图及所述待处理医学影像的梯度直方图，对所述待处理医学影像进行光照补偿。
进一步，第七步中，所述对分割后图像与标准图像进行对比，并对异常处进行标注方法包括：
1)将预处理后的图像与标准图像进行对比，并设定合理的阈值得到异常目标潜在区域；
2)对预处理后的图像求解均值向量，将其与得到的异常目标潜在区域像元做相似性计算，剔除与图像整体分布相近的像元，得到最终的异常目标检测结果；
3)利用标注工具对检测得到的图像异常之处进行打点标绘、标线标绘、标框标绘和区域标绘。
进一步，所述第七步之后还需进行：
通过数据传输设备对采集的影像信息上传到服务器，将需要进行远程诊疗的新生儿头部影像进行上传。
进一步，所述数据上传方法包括：
获取远程影像终端上传医疗影像的请求；
如果判断所述远程影像终端符合影像通信标准，则采用基于影像通信标准的接口发送所述医疗影像；
如果判断所述医疗影像终端不符合影像通信标准，则采用私有接口发送所述医疗影像；
向所述远程影像终端发送所述医疗影像的处理结果。
本发明的另一目的在于提供一种实施所述多功能的新生儿临床用头部影像诊疗方法的多功能的新生儿临床用头部影像诊疗系统，所述多功能的新生儿临床用头部影像诊疗系统包括：
影像采集模块，与主控模块连接，用于通过医疗影像采集设备对新生儿头部进行影像检测，并将采集影响传递到存储模块进行存储；
存储模块，与主控模块连接，用于对采集的新生儿头部影像进行存储，并对存储影像进行管理；
身份标识模块，与主控模块连接，用于通过输入设备对采集影像的新生儿的身份信息进行登记；
图像预处理模块，与主控模块连接，用于对采集的新生儿头部影像进行图像预处理，并进行影像的特征提取；
图像标注模块，与主控模块连接，用于对预处理后图像与标准图像进行对比，并对异常处进行标注；
主控模块，与影像采集模块、存储模块、身份标识模块、图像预处理模块、图像标注模块、数据传输模块、数据共享模块、远程诊疗模块、人工智能模块和结果输出模块连接，用于通过控制器对数据进行处理，并对各个模块间的相互工作进行协调控制；
数据传输模块，与主控模块连接，用于通过数据传输设备对采集的影像信息进行上传到服务器；
数据共享模块，与主控模块连接，用于将需要进行远程诊疗的新生儿头部影像进行上传；
远程诊疗模块，与主控模块连接，用于通过多个远程的显示终端对新生儿头部影像进行显示；
人工智能判定模块，与主控模块连接，用于将输入的待诊特征和数据库中各疾病的标准特征集进行比对，得出患者患疾病的概率；
结果输出模块，与主控模块连接，用于将多个远程显示终端的远程诊疗结果和人工智能判定结果进行输出显示。
进一步，所述图像预处理模块包括：
降噪单元，用于采用中值滤波法对采集的医学影像图像转换为灰度图像进行降噪处理；
图像补偿单元，用于降噪后的图像进行光照补偿；
图像分割单元，用于对图像进行分割处理；
特征提取单元，用于对分割后的图像进行特征提取，提取的图像特征包括图像纹理特征、熵特征和颜色矩阵特征构成患者病征图像的待诊特征。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述多功能的新生儿临床用头部影像诊疗方法。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述多功能的新生儿临床用头部影像诊疗方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：
本发明通过远程诊疗模块可以将获取的医疗影像文件上传到远程服务器，使用远程终端的会诊医生可以通过显示终端实时查看对应的影像数据，并针对该影像内容进行回复，完成远程医疗影像会诊工作，使远程医疗影像会诊实施难度降低，会诊效率提高；而且通过人工智能判定模块可以通过人工智能对影像数据进行分析，得出患者患疾病的概率，可快速将待诊患者与一种或几种疾病关联，为后续进一步确诊节省大量时间。
附图说明
图1是本发明实施例提供的多功能的新生儿临床用头部影像诊疗方法流程图。
图2是本发明实施例提供的多功能的新生儿临床用头部影像诊疗系统结构示意图。
图中：1、影像采集模块；2、存储模块；3、身份标识模块；4、图像预处理模块；5、图像标注模块；6、主控模块；7、数据传输模块；8、数据共享模块；9、远程诊疗模块；10、人工智能模块；11、结果输出模块。
图3是本发明实施例提供的图像预处理模块结构示意图。
图中：12、降噪单元；13、图像补偿单元；14、图像分割单元；15、特征提取单元。
图4是本发明实施例提供的分区存储方法流程图。
图5是本发明实施例提供的图像预处理方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种多功能的新生儿临床用头部影像诊疗系统，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的多功能的新生儿临床用头部影像诊疗方法，具体包括：
S101，通过医疗影像采集设备对新生儿头部进行影像检测。
S102，采用分区存储方法对检测到的影像数据进行存储。
S103，通过输入设备对采集影像的新生儿的身份信息进行登记，将存储的影像数据与身份信息进行对应存储。
S104，通过图像预处理模块对采集的新生儿头部影像进行图像预处理，并进行影像的特征提取；同时对预处理后图像与标准图像进行对比，并对异常处进行标注。
S105，通过数据传输设备对采集的影像信息上传到服务器，将需要进行远程诊疗的新生儿头部影像进行上传。
S106，用于通过远程诊疗模块中的多个远程的显示终端对新生儿头部影像进行显示。
S107，基于获取的相关影像数据与标准数据进行比对，判断患病概率。
S108，将多个远程显示终端的远程诊疗结果和人工智能判定结果进行输出显示。
如图2所示，本发明实施例提供的多功能的新生儿临床用头部影像诊疗系统包括：
影像采集模块1，与主控模块6连接，用于通过医疗影像采集设备对新生儿头部进行影像检测，并将采集影响传递到存储模块进行存储。
存储模块2，与主控模块6连接，用于对采集的新生儿头部影像进行存储，并对存储影像进行管理。
身份标识模块3，与主控模块6连接，用于通过输入设备对采集影像的新生儿的身份信息进行登记。
图像预处理模块4，与主控模块6连接，用于对采集的新生儿头部影像进行图像预处理，并进行影像的特征提取。
图像标注模块5，与主控模块6连接，用于对预处理后图像与标准图像进行对比，并对异常处进行标注。
主控模块6，与影像采集模块1、存储模块2、身份标识模块3、图像预处理模块4、图像标注模块5、数据传输模块7、数据共享模块8、远程诊疗模块9、人工智能模块10和结果输出模块11连接，用于通过控制器对数据进行处理，并对各个模块间的相互工作进行协调控制。
数据传输模块7，与主控模块6连接，用于通过数据传输设备对采集的影像信息进行上传到服务器。
数据共享模块8，与主控模块6连接，用于将需要进行远程诊疗的新生儿头部影像进行上传。
远程诊疗模块9，与主控模块6连接，用于通过多个远程的显示终端对新生儿头部影像进行显示。
人工智能判定模块10，与主控模块6连接，用于将输入的待诊特征和数据库中各疾病的标准特征集进行比对，得出患者患疾病的概率。
结果输出模块11，与主控模块6连接，用于将多个远程显示终端的远程诊疗结果和人工智能判定结果进行输出显示。
如图3所示，本发明实施例提供的图像预处理模块4包括：
降噪单元12，用于采用中值滤波法对采集的医学影像图像转换为灰度图像进行降噪处理。
图像补偿单元13，用于降噪后的图像进行光照补偿。
图像分割单元14，用于对图像进行分割处理。
特征提取单元15，用于对分割后的图像进行特征提取，提取的图像特征包括图像纹理特征、熵特征和颜色矩阵特征构成患者病征图像的待诊特征。
实施例1
本发明实施例提供的多功能的新生儿临床用头部影像诊疗方法如图1所示，作为优选实施例，如图4所示，本发明实施例提供的分区存储方法如下：
S201，获取待存储的医疗影像设备的扫描数据。
S202，将所述医疗影像设备扫描数据写入一级存储空间，所述一级存储空间的写入速度与所述医疗影像设备的至少两个参数相关。所述至少两个参数包括获取所述医疗影像设备扫描数据的第一速度、传输所述医疗影像设备扫描数据的第二速度。
S203，将写入所述一级存储空间的所述医疗影像设备扫描数据备份至二级存储空间。
实施例2
本发明实施例提供的多功能的新生儿临床用头部影像诊疗方法如图1所示，作为优选实施例，如图5所示，本发明实施例提供的图像预处理方法包括：
S301，采用中值滤波法对采集的医学影像图像转换为灰度图像进行降噪处理，并对降噪后的图像进行光照补偿。
S302，在补偿后的图像中选择一个种子像素作为生长起点，将种子像素中邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域，得到新像素。
S303，将得到的新像素作为新的种子像素，重复步骤S302，直至没有满足条件的像素可以被包括进来，则得到一个分割的图像区域。
S304，在为分割区域内选定新的种子像素重复步骤S302至步骤S303直至图像分割完毕。
S305，对补偿后的图像进行特征提取，提取的图像特征包括图像纹理特征、熵特征和颜色矩阵特征构成患者病征图像的待诊特征。
步骤S301中，本发明实施例提供的光照补偿方法包括：
2.1)获取待补偿医学影像的所属类别；确定所述待处理医学影像的梯度直方图。
2.2)根据所述待处理医学影像的梯度直方图，确定所述待处理医学影像的平均梯度值；确定所述待处理医学影像所属类别的医学影像的平均梯度值及标准直方图。
2.3)根据所述待处理医学影像的平均梯度值与所述所属类别医学影像的平均梯度值，确定是否需要对所述待处理医学影像进行光照补偿；当需要对所述待处理医学影像进行光照补偿时，根据所述标准直方图及所述待处理医学影像的梯度直方图，对所述待处理医学影像进行光照补偿。
实施例3
本发明实施例提供的多功能的新生儿临床用头部影像诊疗方法如图1所示，作为优选实施例，本发明实施例提供的述对预处理后图像与标准图像进行对比，并对异常处进行标注方法包括：
1)将预处理后的图像与标准图像进行对比，并设定合理的阈值得到异常目标潜在区域。
2)对预处理后的图像求解均值向量，将其与得到的异常目标潜在区域像元做相似性计算，剔除与图像整体分布相近的像元，得到最终的异常目标检测结果。
3)利用标注工具对检测得到的图像异常之处进行打点标绘、标线标绘、标框标绘和区域标绘。
实施例4
本发明实施例提供的多功能的新生儿临床用头部影像诊疗方法如图1所示，作为优选实施例，本发明实施例提供的数据共享方法包括：
获取远程影像终端上传医疗影像的请求。
如果判断所述远程影像终端符合影像通信标准，则采用基于影像通信标准的接口发送所述医疗影像。
如果判断所述医疗影像终端不符合影像通信标准，则采用私有接口发送所述医疗影像。
向所述远程影像终端发送所述医疗影像的处理结果。
实施例5
本发明实施例提供的多功能的新生儿临床用头部影像诊疗方法如图1所示，作为优选实施例，本发明实施例提供的基于获取的相关影像数据与标准数据进行比对，判断患病概率包括：
首先，获取相关影像数据；所述影响数据包括完整影像数据、特征影像数据以及异常影像数据；
其次，分别将完整影像数据、特征影像数据以及异常影像数据与疾病影像数据库、疾病特征影像数据库和异常影像数据库中的相关影像数据集进行比对；获得获得完整影像与疾病标准影像之间的相似度，疾病特征影像与疾病特征标准影像之间的相似度以及异常影像与疾病异常标准影像之间的相似度；
最后，根据得到的相似度大小进行高低排序，得到各疾病的患病概率。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种多功能的新生儿临床用头部影像诊疗方法，其特征在于，所述多功能的新生儿临床用头部影像诊疗方法包括以下步骤：
第一步，通过医疗影像采集设备对新生儿头部进行影像检测，采用分区存储方法对影像数据进行存储；
第二步，通过输入设备对采集影像的新生儿的身份信息进行登记，将第一步中存储的影像数据与身份信息进行对应存储；
第三步，采用中值滤波法对采集的医学影像图像转换为灰度图像进行降噪处理，并对降噪后的图像进行光照补偿；
第四步，在补偿后的图像中选择一个种子像素作为生长起点，将种子像素中邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域，得到新像素；
第五步，将得到的新像素作为新的种子像素，重复步骤第四步，直至没有满足条件的像素可以被包括进来，则得到一个分割的图像区域；
第六步，在为分割区域内选定新的种子像素重复第四步至第五步，直至图像分割完毕；
第七步，对分割后的图像进行特征提取，提取的图像特征包括图像纹理特征、熵特征和颜色矩阵特征构成患者病征图像的待诊特征；同时将分割后的图像与标准图像进行对比，并对异常处进行标注；
第八步，分别将第二步得到的补偿图像，第七步提取到的待诊特征以及异常影像数据与疾病影像数据库、疾病特征影像数据库和异常影像数据库中的相关影像数据集进行比对；获得获得补偿图像与疾病标准影像之间的相似度，待诊特征与疾病特征标准影像之间的相似度以及异常影像与疾病异常标准影像之间的相似度；
第九步，根据得到的相似度大小进行高低排序，得到各疾病的患病概率；将多个远程显示终端的远程诊疗结果和人工智能判定结果进行输出显示。
2.如权利要求1所述多功能的新生儿临床用头部影像诊疗方法，其特征在于，第一步中，所述分区存储方法具体包括：
获取待存储的医疗影像设备的扫描数据；
将所述医疗影像设备扫描数据写入一级存储空间，所述一级存储空间的写入速度与所述医疗影像设备的至少两个参数相关；所述至少两个参数包括获取所述医疗影像设备扫描数据的第一速度、传输所述医疗影像设备扫描数据的第二速度；以及将写入所述一级存储空间的所述医疗影像设备扫描数据备份至二级存储空间。
3.如权利要求1所述多功能的新生儿临床用头部影像诊疗方法，其特征在于，第七步中，所述光照补偿方法包括：
(1)获取待补偿医学影像的所属类别；确定所述待处理医学影像的梯度直方图；
(2)根据所述待处理医学影像的梯度直方图，确定所述待处理医学影像的平均梯度值；确定所述待处理医学影像所属类别的医学影像的平均梯度值及标准直方图；
(3)根据所述待处理医学影像的平均梯度值与所述所属类别医学影像的平均梯度值，确定是否需要对所述待处理医学影像进行光照补偿；当需要对所述待处理医学影像进行光照补偿时，根据所述标准直方图及所述待处理医学影像的梯度直方图，对所述待处理医学影像进行光照补偿。
4.如权利要求1所述多功能的新生儿临床用头部影像诊疗方法，其特征在于，第七步中，所述对分割后图像与标准图像进行对比，并对异常处进行标注方法包括：
1)将预处理后的图像与标准图像进行对比，并设定合理的阈值得到异常目标潜在区域；
2)对预处理后的图像求解均值向量，将其与得到的异常目标潜在区域像元做相似性计算，剔除与图像整体分布相近的像元，得到最终的异常目标检测结果；
3)利用标注工具对检测得到的图像异常之处进行打点标绘、标线标绘、标框标绘和区域标绘。
5.如权利要求1所述多功能的新生儿临床用头部影像诊疗方法，其特征在于，所述第七步之后还需进行：
通过数据传输设备对采集的影像信息上传到服务器，将需要进行远程诊疗的新生儿头部影像进行上传。
6.如权利要求5所述多功能的新生儿临床用头部影像诊疗方法，其特征在于，所述数据上传方法包括：
获取远程影像终端上传医疗影像的请求；
如果判断所述远程影像终端符合影像通信标准，则采用基于影像通信标准的接口发送所述医疗影像；
如果判断所述医疗影像终端不符合影像通信标准，则采用私有接口发送所述医疗影像；
向所述远程影像终端发送所述医疗影像的处理结果。
7.一种实施如权利要求1-7所述多功能的新生儿临床用头部影像诊疗方法的多功能的新生儿临床用头部影像诊疗系统，其特征在于，所述多功能的新生儿临床用头部影像诊疗系统包括：
影像采集模块，与主控模块连接，用于通过医疗影像采集设备对新生儿头部进行影像检测，并将采集影响传递到存储模块进行存储；
存储模块，与主控模块连接，用于对采集的新生儿头部影像进行存储，并对存储影像进行管理；
身份标识模块，与主控模块连接，用于通过输入设备对采集影像的新生儿的身份信息进行登记；
图像预处理模块，与主控模块连接，用于对采集的新生儿头部影像进行图像预处理，并进行影像的特征提取；
图像标注模块，与主控模块连接，用于对预处理后图像与标准图像进行对比，并对异常处进行标注；
主控模块，与影像采集模块、存储模块、身份标识模块、图像预处理模块、图像标注模块、数据传输模块、数据共享模块、远程诊疗模块、人工智能模块和结果输出模块连接，用于通过控制器对数据进行处理，并对各个模块间的相互工作进行协调控制；
数据传输模块，与主控模块连接，用于通过数据传输设备对采集的影像信息进行上传到服务器；
数据共享模块，与主控模块连接，用于将需要进行远程诊疗的新生儿头部影像进行上传；
远程诊疗模块，与主控模块连接，用于通过多个远程的显示终端对新生儿头部影像进行显示；
人工智能判定模块，与主控模块连接，用于将输入的待诊特征和数据库中各疾病的标准特征集进行比对，得出患者患疾病的概率；
结果输出模块，与主控模块连接，用于将多个远程显示终端的远程诊疗结果和人工智能判定结果进行输出显示。
8.如权利要求7所述多功能的新生儿临床用头部影像诊疗系统，其特征在于，所述图像预处理模块包括：
降噪单元，用于采用中值滤波法对采集的医学影像图像转换为灰度图像进行降噪处理；
图像补偿单元，用于降噪后的图像进行光照补偿；
图像分割单元，用于对图像进行分割处理；
特征提取单元，用于对分割后的图像进行特征提取，提取的图像特征包括图像纹理特征、熵特征和颜色矩阵特征构成患者病征图像的待诊特征。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1-7任意一项所述多功能的新生儿临床用头部影像诊疗方法。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-7任意一项所述多功能的新生儿临床用头部影像诊疗方法。
CN202010289635.3A 2020-04-14 2020-04-14 一种多功能的新生儿临床用头部影像诊疗系统及方法 Withdrawn CN111462869A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010289635.3A CN111462869A (zh) 2020-04-14 2020-04-14 一种多功能的新生儿临床用头部影像诊疗系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010289635.3A CN111462869A (zh) 2020-04-14 2020-04-14 一种多功能的新生儿临床用头部影像诊疗系统及方法

Publications (1)

Publication Number Publication Date
CN111462869A true CN111462869A (zh) 2020-07-28

Family

ID=71682535

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010289635.3A Withdrawn CN111462869A (zh) 2020-04-14 2020-04-14 一种多功能的新生儿临床用头部影像诊疗系统及方法

Country Status (1)

Country Link
CN (1) CN111462869A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112133391A (zh) * 2020-09-17 2020-12-25 吾征智能技术(北京)有限公司 一种基于人体异常眉毛的疾病认知系统
CN114550866A (zh) * 2022-02-25 2022-05-27 上海商汤智能科技有限公司 数据处理设备及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112133391A (zh) * 2020-09-17 2020-12-25 吾征智能技术(北京)有限公司 一种基于人体异常眉毛的疾病认知系统
CN112133391B (zh) * 2020-09-17 2024-01-26 吾征智能技术(北京)有限公司 一种基于人体异常眉毛的疾病认知系统
CN114550866A (zh) * 2022-02-25 2022-05-27 上海商汤智能科技有限公司 数据处理设备及系统

Similar Documents

Publication Publication Date Title
CN108446730B (zh) 一种基于深度学习的ct肺结节检测装置
CN112086197B (zh) 基于超声医学的乳腺结节检测方法及系统
CN111462049B (zh) 一种乳腺超声造影视频中病灶区形态自动标注方法
CN110660055B (zh) 疾病数据预测方法、装置、可读存储介质及电子设备
CN110619318B (zh) 基于人工智能的图像处理方法、显微镜、系统和介质
CN110414607A (zh) 胶囊内窥镜图像的分类方法、装置、设备及介质
CN112309566A (zh) 影像智能识别与医学智能推理的远程自动诊断系统及方法
CN110456050B (zh) 便携式智能数字化寄生虫体外诊断仪
CN111462869A (zh) 一种多功能的新生儿临床用头部影像诊疗系统及方法
CN117877691B (zh) 一种基于图像识别的智能化伤口信息采集系统
CN113298773A (zh) 基于深度学习的心脏视图识别与左心室检测装置、系统
CN111582276A (zh) 一种基于多特征融合的寄生虫虫卵的识别方法及系统
CN106446923B (zh) 基于角点匹配的医学图像分类方法
CN110197722B (zh) Ai-cpu系统平台
US20230297646A1 (en) System and methods for classifying magnetic resonance imaging (mri) image characteristics
CN109979588A (zh) 图像扫描病理切片系统
CN113499099A (zh) 一种颈动脉超声自动扫查及斑块识别系统及方法
CN112150565A (zh) 一种医学图像管理系统
EP3948887A1 (en) Automated system for rapid detection and indexing of critical regions in non-contrast head ct
CN117974557B (zh) 一种基于深度学习的多模态医学影像质检系统、方法及存储介质
CN110660479A (zh) 一种动态医学影像ai训练诊断系统
CN113313685B (zh) 一种基于深度学习的肾小管萎缩区域识别方法与系统
CN116230171A (zh) 心电数据转存方法、装置、设备和存储介质
CN118485646A (zh) 一种基于人工智能的医用超声图像分析系统及方法
Traversi et al. CADdy—Colposcopy learning machine for computer aided diagnosis

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200728