CN111694491A - 一种ai自动选择和缩放医学素材特定区域的方法和系统 - Google Patents

一种ai自动选择和缩放医学素材特定区域的方法和系统 Download PDF

Info

Publication number
CN111694491A
CN111694491A CN202010455092.8A CN202010455092A CN111694491A CN 111694491 A CN111694491 A CN 111694491A CN 202010455092 A CN202010455092 A CN 202010455092A CN 111694491 A CN111694491 A CN 111694491A
Authority
CN
China
Prior art keywords
medical material
regions
specific area
region image
dividing
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.)
Pending
Application number
CN202010455092.8A
Other languages
English (en)
Inventor
孙鹏
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.)
Zhuhai Jiusong Technology Co ltd
Original Assignee
Zhuhai Jiusong Technology Co ltd
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 Zhuhai Jiusong Technology Co ltd filed Critical Zhuhai Jiusong Technology Co ltd
Priority to CN202010455092.8A priority Critical patent/CN111694491A/zh
Publication of CN111694491A publication Critical patent/CN111694491A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/048—Indexing scheme relating to G06F3/048
    • G06F2203/04806—Zoom, i.e. interaction techniques or interactors for controlling the zooming operation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Image Processing (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种AI自动选择和缩放医学素材特定区域的方法和系统，包括以下步骤：将医学素材划分为若干区域并标注，依次对所有区域图像进行不同比例的缩放；提取缩放后的区域图像的LBP特征与小波矩特征，并对区域图像进行二次标注；若接收到选择和缩放医学素材特定区域的信号，则按设定比例显示缩放后的区域图像以及区域图像的二次标注。本发明能够对医学素材的特定区域进行缩放，提高医学素材的特定区域的精细程度，方便在医学知识宣传和教学过程中辅助宣传和教学。

Description

一种AI自动选择和缩放医学素材特定区域的方法和系统
技术领域
本发明涉及医学图像处理技术领域，特别是指一种AI自动选择和缩放医学素材特定区域的方法和系统。
背景技术
现有的医学视频内容或教学PPT或医学宣传材料中，针对人体构成器官或疾病的图片素材展示，基本上都是固定的全局显示，不能将特定区域进行选择和缩放，这在医疗科普或医学教学视频中，不能起到很好的辅助作用。
发明内容
本发明提出一种AI自动选择和缩放医学素材特定区域的方法和系统，解决了现有技术中不能将特定区域进行选择和缩放，不能起到很好的辅助作用的问题。
本发明的技术方案是这样实现的：
一种AI自动选择和缩放医学素材特定区域的方法，包括以下步骤：
S1，将医学素材划分为若干区域并标注，依次对所有区域图像进行不同比例的缩放；
S2，提取缩放后的区域图像的LBP特征与小波矩特征，并对区域图像进行二次标注；
S3，若接收到选择和缩放医学素材特定区域的信号，则按设定比例显示缩放后的区域图像以及区域图像的二次标注。
作为本发明的一个优选实施例，步骤S1中将医学素材划分为若干区域并标注具体指的是将医学素材平均划分为若干四边形区域并标注或者按解剖区域将医学素材划分为若干区域并标注或者按器官将医学素材划分为若干区域并标注或者按是否病变将医学素材划分为若干区域并标注。
作为本发明的一个优选实施例，步骤S3中选择和缩放医学素材特定区域的信号具体指的是点击医学素材特定区域或缩放医学素材特定区域的语音信号。
作为本发明的一个优选实施例，步骤S1和步骤S2之间还包括以下步骤；
对缩放后的区域图像进行预处理，包括但不限于去除区域图像噪声和区域图像平滑处理。
一种AI自动选择和缩放医学素材特定区域的系统，包括
图像划分单元，将医学素材划分为若干区域并标注，依次对所有区域图像进行不同比例的缩放；
图像处理单元，提取缩放后的区域图像的LBP特征与小波矩特征，并对区域图像进行二次标注；
缩放执行单元，若接收到选择和缩放医学素材特定区域的信号，则按设定比例显示缩放后的区域图像以及区域图像的二次标注。
作为本发明的一个优选实施例，所述图像划分单元将医学素材划分为若干区域并标注具体指的是将医学素材平均划分为若干四边形区域并标注或者按解剖区域将医学素材划分为若干区域并标注或者按器官将医学素材划分为若干区域并标注或者按是否病变将医学素材划分为若干区域并标注。
作为本发明的一个优选实施例，所述缩放执行单元选择和缩放医学素材特定区域的信号具体指的是点击医学素材特定区域或缩放医学素材特定区域的语音信号。
作为本发明的一个优选实施例，还包括
图像预处理单元，对缩放后的区域图像进行预处理，包括但不限于去除区域图像噪声和区域图像平滑处理。
本发明的有益效果在于：能够对医学素材的特定区域进行缩放，提高医学素材的特定区域的精细程度，方便在医学知识宣传和教学过程中辅助宣传和教学。
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为本发明一种AI自动选择和缩放医学素材特定区域的方法一个实施例的流程图；
图2为本发明一种AI自动选择和缩放医学素材特定区域的方法一个实施例的原理框图。
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作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。
本发明中所述的医学素材包括但不限于血管摄影、心血管摄影、电脑断层扫描、牙齿摄影、萤光透视镜、X光片；伽马摄影、正子发射断层扫描、单一光子发射断层扫描；核磁共振成像、磁共振成像；医学超音波检查；内视镜；萤光血管显影、显微镜成像、光声成像、热影像；正子发射电脑断层扫描、单一光子发射电脑断层扫描；人体解剖结构示意图、人体肌肉构成示意图、人体骨骼构成示意图等等。
如图1所示，本发明提出了一种AI自动选择和缩放医学素材特定区域的方法，包括以下步骤：
S1，将医学素材划分为若干区域并标注，依次对所有区域图像进行不同比例的缩放；具体的，按顺序采用数字依次对医学素材的所有区域进行标注，所有区域图像的缩小或放大比例包括设定比例数值以及自定义比例数值。
S2，提取缩放后的区域图像的LBP特征与小波矩特征，并对区域图像进行二次标注；二次标注的内容包括但不限于区域图像是否病变、病变情况简介等等。在图像精细分类的过程中，想要具体区分同一病症下的不同类型，除了含有大量的纹理信息外，形状上也有细微的差别，区域图像的LBP特征与小波矩特征可以帮助捕捉的这样的区别信息，并与数据库进行对比，得出当前区域图像的病症下的不同类型。
S3，若接收到选择和缩放医学素材特定区域的信号，则按设定比例显示缩放后的区域图像以及区域图像的二次标注。
具体的，若选择缩放某一医学素材特定区域的图像，则该区域图像按比例缩放且浮于原有医学素材上层，且能够在界面中滑动到指定位置。还可选择缩放某一医学素材多处特定区域的图像，多处区域图像按比例缩放且浮于原有医学素材上层，能够在界面中滑动到指定位置，多个区域图像可在界面左右上下两侧进行对比或部分叠加。还可选择将不同医学素材的特定区域图像进行同时缩放对比或叠加。在宣传或教学过程中更加便于熟练了解和掌握该医学知识，起到更好的辅助作用。
作为本发明的一个优选实施例，步骤S1中将医学素材划分为若干区域并标注具体指的是将医学素材平均划分为若干四边形区域并标注或者按解剖区域将医学素材划分为若干区域并标注或者按器官将医学素材划分为若干区域并标注或者按是否病变将医学素材划分为若干区域并标注。
作为本发明的一个优选实施例，步骤S3中选择和缩放医学素材特定区域的信号具体指的是点击医学素材特定区域或缩放医学素材特定区域的语音信号。
获取语音信号可通过设置麦克风阵列实现，麦克风阵列中的每一麦克风分别获取语音信号，对语音信号进行去噪音处理，根据处理后的语音信号的音量高低作为每个麦克风获取的语音信号的权重高低，取权重较高的几条语音信号进行叠加，将叠加后的语音信号输入到智能语音识别模型；
基于Seq2seq模型训练智能语音识别模型，用于识别判断是否存在缩放医学素材特定区域的语音。缩放医学素材特定区域的语音具体指的是缩小/放大+特定区域的标注。
在另一实施例中，还可将麦克风阵列获取的语音信号进行傅里叶变换、离散傅里叶变换，通过一些滤波器组、加窗平滑、倒谱分析等时频变换操作提取语音特征向量；判断语音特征向量是否与缩放医学素材特定区域的语音的特征向量相对应，若是，则认为已接收到选择和缩放医学素材特定区域的信号。
作为本发明的一个优选实施例，步骤S1和步骤S2之间还包括以下步骤；
对缩放后的区域图像进行预处理，包括但不限于去除区域图像噪声和区域图像平滑处理，以此提高区域图像的清晰度，消除混杂在图像中冗余信息的干扰，改善图像质量，强化图像表现特征。
如图2所示，本发明还提出了一种AI自动选择和缩放医学素材特定区域的系统，包括
图像划分单元，将医学素材划分为若干区域并标注，依次对所有区域图像进行不同比例的缩放；具体的，按顺序采用数字依次对医学素材的所有区域进行标注，所有区域图像的缩小或放大比例包括设定比例数值以及自定义比例数值。
图像处理单元，提取缩放后的区域图像的LBP特征与小波矩特征，并对区域图像进行二次标注；二次标注的内容包括但不限于区域图像是否病变、病变情况简介等等。在图像精细分类的过程中，想要具体区分同一病症下的不同类型，除了含有大量的纹理信息外，形状上也有细微的差别，区域图像的LBP特征与小波矩特征可以帮助捕捉的这样的区别信息，并与数据库进行对比，得出当前区域图像的病症下的不同类型。
缩放执行单元，若接收到选择和缩放医学素材特定区域的信号，则按设定比例显示缩放后的区域图像以及区域图像的二次标注。
具体的，若选择缩放某一医学素材特定区域的图像，则该区域图像按比例缩放且浮于原有医学素材上层，且能够在界面中滑动到指定位置。还可选择缩放某一医学素材多处特定区域的图像，多处区域图像按比例缩放且浮于原有医学素材上层，能够在界面中滑动到指定位置，多个区域图像可在界面左右上下两侧进行对比或部分叠加。还可选择将不同医学素材的特定区域图像进行同时缩放对比或叠加。在宣传或教学过程中更加便于熟练了解和掌握该医学知识，起到更好的辅助作用。
作为本发明的一个优选实施例，所述图像划分单元将医学素材划分为若干区域并标注具体指的是将医学素材平均划分为若干四边形区域并标注或者按解剖区域将医学素材划分为若干区域并标注或者按器官将医学素材划分为若干区域并标注或者按是否病变将医学素材划分为若干区域并标注。
作为本发明的一个优选实施例，所述缩放执行单元选择和缩放医学素材特定区域的信号具体指的是点击医学素材特定区域或缩放医学素材特定区域的语音信号。
获取语音信号可通过设置麦克风阵列实现，麦克风阵列中的每一麦克风分别获取语音信号，对语音信号进行去噪音处理，根据处理后的语音信号的音量高低作为每个麦克风获取的语音信号的权重高低，取权重较高的几条语音信号进行叠加，将叠加后的语音信号输入到智能语音识别模型；
基于Seq2seq模型训练智能语音识别模型，用于识别判断是否存在缩放医学素材特定区域的语音。缩放医学素材特定区域的语音具体指的是缩小/放大+特定区域的标注。
在另一实施例中，还可将麦克风阵列获取的语音信号进行傅里叶变换、离散傅里叶变换，通过一些滤波器组、加窗平滑、倒谱分析等时频变换操作提取语音特征向量；判断语音特征向量是否与缩放医学素材特定区域的语音的特征向量相对应，若是，则认为已接收到选择和缩放医学素材特定区域的信号。
作为本发明的一个优选实施例，还包括
图像预处理单元，对缩放后的区域图像进行预处理，包括但不限于去除区域图像噪声和区域图像平滑处理。以此提高区域图像的清晰度，消除混杂在图像中冗余信息的干扰，改善图像质量，强化图像表现特征。
本发明的有益效果在于：能够对医学素材的特定区域进行缩放，提高医学素材的特定区域的精细程度，方便在医学知识宣传和教学过程中辅助宣传和教学。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种AI自动选择和缩放医学素材特定区域的方法，其特征在于，包括以下步骤：
S1，将医学素材划分为若干区域并标注，依次对所有区域图像进行不同比例的缩放；
S2，提取缩放后的区域图像的LBP特征与小波矩特征，并对区域图像进行二次标注；
S3，若接收到选择和缩放医学素材特定区域的信号，则按设定比例显示缩放后的区域图像以及区域图像的二次标注。
2.根据权利要求1所述的一种AI自动选择和缩放医学素材特定区域的方法，其特征在于，步骤S1中将医学素材划分为若干区域并标注具体指的是将医学素材平均划分为若干四边形区域并标注或者按解剖区域将医学素材划分为若干区域并标注或者按器官将医学素材划分为若干区域并标注或者按是否病变将医学素材划分为若干区域并标注。
3.根据权利要求1所述的一种AI自动选择和缩放医学素材特定区域的方法，其特征在于，步骤S3中选择和缩放医学素材特定区域的信号具体指的是点击医学素材特定区域或缩放医学素材特定区域的语音信号。
4.根据权利要求1所述的一种AI自动选择和缩放医学素材特定区域的方法，其特征在于，步骤S1和步骤S2之间还包括以下步骤；
对缩放后的区域图像进行预处理，包括但不限于去除区域图像噪声和区域图像平滑处理。
5.一种AI自动选择和缩放医学素材特定区域的系统，其特征在于，包括
图像划分单元，将医学素材划分为若干区域并标注，依次对所有区域图像进行不同比例的缩放；
图像处理单元，提取缩放后的区域图像的LBP特征与小波矩特征，并对区域图像进行二次标注；
缩放执行单元，若接收到选择和缩放医学素材特定区域的信号，则按设定比例显示缩放后的区域图像以及区域图像的二次标注。
6.根据权利要求5所述的一种AI自动选择和缩放医学素材特定区域的系统，其特征在于，所述图像划分单元将医学素材划分为若干区域并标注具体指的是将医学素材平均划分为若干四边形区域并标注或者按解剖区域将医学素材划分为若干区域并标注或者按器官将医学素材划分为若干区域并标注或者按是否病变将医学素材划分为若干区域并标注。
7.根据权利要求5所述的一种AI自动选择和缩放医学素材特定区域的系统，其特征在于，所述缩放执行单元选择和缩放医学素材特定区域的信号具体指的是点击医学素材特定区域或缩放医学素材特定区域的语音信号。
8.根据权利要求5所述的一种AI自动选择和缩放医学素材特定区域的系统，其特征在于，还包括
图像预处理单元，对缩放后的区域图像进行预处理，包括但不限于去除区域图像噪声和区域图像平滑处理。
CN202010455092.8A 2020-05-26 2020-05-26 一种ai自动选择和缩放医学素材特定区域的方法和系统 Pending CN111694491A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010455092.8A CN111694491A (zh) 2020-05-26 2020-05-26 一种ai自动选择和缩放医学素材特定区域的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010455092.8A CN111694491A (zh) 2020-05-26 2020-05-26 一种ai自动选择和缩放医学素材特定区域的方法和系统

Publications (1)

Publication Number Publication Date
CN111694491A true CN111694491A (zh) 2020-09-22

Family

ID=72478268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010455092.8A Pending CN111694491A (zh) 2020-05-26 2020-05-26 一种ai自动选择和缩放医学素材特定区域的方法和系统

Country Status (1)

Country Link
CN (1) CN111694491A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103793611A (zh) * 2014-02-18 2014-05-14 中国科学院上海技术物理研究所 医学信息的可视化方法和装置
WO2015033147A1 (en) * 2013-09-04 2015-03-12 Imperial Innovations Limited Method and apparatus
CN104484856A (zh) * 2014-11-21 2015-04-01 广东威创视讯科技股份有限公司 一种图片标注显示控制方法及处理器
CN107146222A (zh) * 2017-04-21 2017-09-08 华中师范大学 基于人体解剖结构相似性的医学图像压缩算法
CN109242801A (zh) * 2018-09-26 2019-01-18 北京字节跳动网络技术有限公司 图像处理方法和装置
CN110942447A (zh) * 2019-10-18 2020-03-31 平安科技（深圳）有限公司 Oct图像分割方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015033147A1 (en) * 2013-09-04 2015-03-12 Imperial Innovations Limited Method and apparatus
CN103793611A (zh) * 2014-02-18 2014-05-14 中国科学院上海技术物理研究所 医学信息的可视化方法和装置
CN104484856A (zh) * 2014-11-21 2015-04-01 广东威创视讯科技股份有限公司 一种图片标注显示控制方法及处理器
CN107146222A (zh) * 2017-04-21 2017-09-08 华中师范大学 基于人体解剖结构相似性的医学图像压缩算法
CN109242801A (zh) * 2018-09-26 2019-01-18 北京字节跳动网络技术有限公司 图像处理方法和装置
CN110942447A (zh) * 2019-10-18 2020-03-31 平安科技（深圳）有限公司 Oct图像分割方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN110310281B (zh) 一种基于Mask-RCNN深度学习的虚拟医疗中肺结节检测与分割方法
CN107909585B (zh) 一种血管内超声影像的血管中内膜分割方法
Huang et al. Coronary artery segmentation by deep learning neural networks on computed tomographic coronary angiographic images
CN110070540B (zh) 图像生成方法、装置、计算机设备及存储介质
CN108257135A (zh) 基于深度学习方法解读医学图像特征的辅助诊断系统
Sugimori Classification of computed tomography images in different slice positions using deep learning
EP2807630B1 (en) Processing and displaying a breast image
CN113344951B (zh) 一种边界感知双重注意力引导的肝段分割方法
CN110930416A (zh) 一种基于u型网络的mri图像前列腺分割方法
US20080285825A1 (en) Mass spicules detection and tracing from digital mammograms
CN111292324B (zh) 一种针对臂丛神经超声图像的多目标识别方法及系统
CN113744183A (zh) 肺结节检测方法及系统
CN114782307A (zh) 基于深度学习的增强ct影像直肠癌分期辅助诊断系统
CN112991365A (zh) 一种冠状动脉分割方法、系统及存储介质
CN115136189A (zh) 基于图像处理的肿瘤的自动化检测
CN115908449A (zh) 一种基于改进UNet模型的2.5D医学CT影像分割方法及装置
CN115830016A (zh) 医学图像配准模型训练方法及设备
CN114881914A (zh) 基于医学影像确定三维功能肝段的系统及方法
CN116664590B (zh) 基于动态对比增强磁共振图像的自动分割方法及装置
CN112562058A (zh) 一种基于迁移学习的颅内血管模拟三维模型快速建立方法
CN111062909A (zh) 乳腺肿块良恶性判断方法及设备
CN116758087A (zh) 一种腰椎ct骨窗侧隐窝间隙检测方法及装置
CN116883341A (zh) 一种基于深度学习的肝脏肿瘤ct图像自动分割方法
CN116452579A (zh) 一种基于胸片图像的肺动脉高压智能评估方法和系统
CN111694491A (zh) 一种ai自动选择和缩放医学素材特定区域的方法和系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200922