CN112489013A - 一种用于医疗图像精细化处理系统 - Google Patents

一种用于医疗图像精细化处理系统 Download PDF

Info

Publication number
CN112489013A
CN112489013A CN202011361083.9A CN202011361083A CN112489013A CN 112489013 A CN112489013 A CN 112489013A CN 202011361083 A CN202011361083 A CN 202011361083A CN 112489013 A CN112489013 A CN 112489013A
Authority
CN
China
Prior art keywords
image
sub
submodule
module
frame rate
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.)
Granted
Application number
CN202011361083.9A
Other languages
English (en)
Other versions
CN112489013B (zh
Inventor
钱小萍
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.)
Xinjiang Zhixiang Technology Co ltd
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202011361083.9A priority Critical patent/CN112489013B/zh
Publication of CN112489013A publication Critical patent/CN112489013A/zh
Application granted granted Critical
Publication of CN112489013B publication Critical patent/CN112489013B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • 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
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种用于医疗图像精细化处理系统，该系统包括医疗图像数据获取模块、图像均匀切割模块、图像帧率检测模块、图像特征点检测模块和图像分类标注模块，所述医疗图像数据获取模块用于获取待测部位的扫描图像进行精细化处理，图像均匀切割模块用于对获取的图像均匀的切割成不同的小块，对各个局部块进行处理；图像帧率检测模块用于对切割后的局部块进行逐一帧率监测，图像特征点监测模块用于将获取的图像与样本图像进行对比，检测出不同的特征点，图像分类标注模块用于对监测的图像帧率和不同特征点进行标注，本申请旨在对图像进行切割标注，能够更方便的对图像的某一个局部块进行检验，从而对图像局部进行精细化处理。

Description

一种用于医疗图像精细化处理系统
技术领域
本发明涉及医疗领域，具体是一种用于医疗图像精细化处理系统。
背景技术
成像就是生物样本的造影技术，依照样本尺度大小可以概分为组织造影与细胞分子的显微技术。这些大致都需要光学技术配合生物样本的特性发展，少数会使用光以外的波动性质，例如核磁共振、超音波等等。分辨率和对比度是成像质量的重要组成部分，分辨率指成像系统所能重现的被测物体细节的数量，对比度则是成像系统所产生的被测物体与其背景之间的灰度差别。摄像头、镜头和灯光是决定分辨率和对比度的重要因素，成像系统使得网络用户可以从中央图像存储系统中存储和调用图像文档。网络提供了访问这些文件的方便方法,这样用户就无需亲自跑到办公室的存储区和从远离现场的位置申请这些文件。成像是文档处理和工作流应用程序(管理文档在组织机构内传送的方式)的组成部分。
医疗成像作为医疗诊断的重要参考依据被广泛应用，医疗成像越来越智能化，在医疗检测的过程中往往需要对患者的病灶发生处进行图像采集成像，现有的成像技术中CT成像基本原理是用X线束对人体检查部位一定厚度的层面进行扫描，由探测器接收透过该层面的X线，转变为可见光后，由光电转换器转变为电信号，再经模拟/数字转换器转为数字信号，输入计算机处理。
目前医疗成像对成像的整体进行处理，并不能对某一个部分进行图像的处理，本申请旨在对图像进行切割标注，能够更方便的对图像的某一个局部块进行检验，从而对图像局部进行精细化处理。
发明内容
本发明的目的在于提供一种用于医疗图像精细化处理系统及方法，以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
一种用于医疗图像精细化处理系统，该系统包括医疗图像数据获取模块、图像均匀切割模块、图像帧率检测模块、图像特征点检测模块和图像分类标注模块，其中，医疗图像数据获取模块、图像均匀切割模块、图像帧率检测模块和图像分类标注模块依次通过内网连接，图像特征点检测模块分别和图像均匀切割模块、图像分类标注模块通过内网连接；
所述医疗图像数据获取模块用于获取待测部位的扫描图像进行精细化处理，图像均匀切割模块用于对获取的图像均匀的切割成不同的小块，对各个局部块进行处理；图像帧率检测模块用于对切割后的局部块进行逐一帧率监测，图像特征点监测模块用于将获取的图像与样本图像进行对比，检测出不同的特征点，图像分类标注模块用于对监测的图像帧率和不同特征点进行标注。
通过采用上述技术方案：医疗图像数据获取模块包括扫描图像完整度存储子模块和扫描图像预处理子模块，其中，扫描图像完整度存储子模块用于对图像扫描结束后的图像进行保存，设定扫描设备停止扫描的10S内对扫描影像进行保存，扫描图像预处理子模块用于对保存的图像进行质量检测，质量检测包括图像瑕疵检测和图像像素检测，设定图像横向有X个像素点，图像纵向有Y个像素点，图像的像素数为Z,根据公式：Z=X+Y，计算得出扫描图像的像素数，确定其扫描图像的分辨率。
通过采用上述技术方案：所述图像均匀切割模块包括目标图像虚拟切割子模块和子图像局部区域分类子模块，子图像局部区域分类子模块和图像帧率检测模块通过内网连接，其中，目标图像虚拟切割子模块用于将扫描的图像虚拟切割成若干个子图像，其中，图像的切割形状为长方形，然后逐一对每一个图像进行分析，子图像局部区域分类子模块用于对切割后的子图像的区域进行标记，设定图像切割的子图像行数和列数为a、b，子图像的数量为a*b，分别对子图像进行标记为a1b1、a1b2、…、anbn，设定anbn为第n行n列子图像。
通过采用上述技术方案：所述图像帧率检测模块包括图像格式检测子模块和图像实际输出帧数检测子模块，图像格式检测子模块用于监测图像的格式，其中，图像的格式包括VGA格式和QVGA格式，图像实际输出帧数检测子模块用于对若干个子图像实际输出的帧数进行检测。
通过采用上述技术方案：所述图像特征点检测模块包括样本图像更新子模块和图像对照子模块，图像对照子模块和医疗图像数据获取模块通过内网连接，其中，样本图像更新子模块用于使用户对样本网络的初始参数进行实时修改，形成新的样本特征图，与扫描图像进行对比，图像对照子模块用于将扫描图像和样本图像进行对比，对扫描图像和样本图像的特征提取，对照扫描图像和样本图像的影像阴影，检索各子图像和样本图像的误差率，设定各子图像的误差值分别为V1、V2、V3、…、Vn-1、Vn，根据公式：Vnmax≤30%,(V1+V2+V3+…+Vn-1+Vn)/n≤25%，当检测的子图像影像阴影误差率满足上述公式，扫描图像和样本图像基本符合，当检测的子图像影像阴影误差率不满足上述公式时，检测扫描图像，对扫描图像进行重点标记。
通过采用上述技术方案：所述图像分类标注模块包括统一标注子模块，统一标注子模块和图像均匀切割模块、图像帧率检测模块、图像特征点检测模块通过内网连接，统一标注子模块用于将切割后的子图像的区域、子图像的帧率和子图像和样本图像的误差率进行统一，对切割后的子图像的区域、帧率和误差率进行统一标记，方便精细定位。
一种用于医疗图像精细化处理方法，其特征在于：
S1：利用医疗图像数据获取模块获取待测部位的扫描图像进行精细化处理，扫描图像完整度存储子模块用于对图像扫描结束后的图像进行保存，设定扫描设备停止扫描的10S内对扫描影像进行保存，扫描图像预处理子模块用于对保存的图像进行质量检测，质量检测包括图像瑕疵检测和图像像素检测，设定图像横向有X个像素点，图像纵向有Y个像素点，图像的像素数为Z,根据公式：Z=X+Y，计算得出扫描图像的像素数，确定其扫描图像的分辨率；
S2：利用图像均匀切割模块对获取的图像均匀的切割成不同的小块，对各个局部块进行处理，目标图像虚拟切割子模块用于将扫描的图像虚拟切割成若干个子图像，其中，图像的切割形状为长方形，然后逐一对每一个图像进行分析，子图像局部区域分类子模块用于对切割后的子图像的区域进行标记，设定图像切割的子图像行数和列数为a、b，子图像的数量为a*b，分别对子图像进行标记为a1b1、a1b2、…、anbn，设定anbn为第n行n列子图像；
S3：利用图像帧率检测模块对切割后的局部块进行逐一帧率监测，图像格式检测子模块用于监测图像的格式，其中，图像的格式包括VGA格式和QVGA格式，图像实际输出帧数检测子模块用于对若干个子图像实际输出的帧数进行检测；
S4：利用图像特征点监测模块将获取的图像与样本图像进行对比，检测出不同的特征点，样本图像更新子模块用于使用户对样本网络的初始参数进行实时修改，形成新的样本特征图，与扫描图像进行对比，图像对照子模块用于将扫描图像和样本图像进行对比，对扫描图像和样本图像的特征提取，对照扫描图像和样本图像的影像阴影，检索各子图像和样本图像的误差率，设定各子图像的误差值分别为V1、V2、V3、…、Vn-1、Vn，根据公式：Vnmax≤30%,(V1+V2+V3+…+Vn-1+Vn)/n≤25%，当检测的子图像影像阴影误差率满足上述公式，扫描图像和样本图像基本符合，当检测的子图像影像阴影误差率不满足上述公式时，检测扫描图像，对扫描图像进行重点标记；
S5：利用图像分类标注模块对监测的图像帧率和不同特征点进行标注，统一标注子模块和图像均匀切割模块、图像帧率检测模块、图像特征点检测模块通过内网连接，统一标注子模块用于将切割后的子图像的区域、子图像的帧率和子图像和样本图像的误差率进行统一，对切割后的子图像的区域、帧率和误差率进行统一标记，方便精细定位。
通过采用上述技术方案：所述步骤S3中，利用图像帧率检测模块对切割后的局部块进行逐一帧率监测，图像格式检测子模块用于监测图像的格式，其中，图像的格式包括VGA格式和QVGA格式，图像实际输出帧数检测子模块用于对若干个子图像实际输出的帧数进行检测，还包括以下步骤：
A1：利用图像格式检测子模块对扫描图像的格式进行扫描，确定扫描图像的格式，确定图像均匀切割模块切割子图像的数量，将扫描图像的格式和切割子图像的数量发送给图像帧率检测模块；
A2：利用图像实际输出帧数检测子模块检测在一段时间内每个切割子图像实际输出的帧数，将检测的帧数发送给图像帧率检测模块进行统计；
A3:利用图像帧率检测模块对切割子图像的数量和每个切割子图像实际输出的帧数进行统计，算出每个子图像的实际帧率和扫描图像的总帧率，将数据发送给图像分类标注模块进行标注。
通过采用上述技术方案：所述步骤A3中，利用图像帧率检测模块对切割子图像的数量和每个切割子图像实际输出的帧数进行统计，算出每个子图像的实际帧率和扫描图像的总帧率，将数据发送给图像分类标注模块进行标注，还包括以下步骤：
所述设定记录扫描图像的时间分别为t1、t2、t3、…、tn-1、tn，其中tn扫描图像结束的时间，设定图像均匀切割模块切割的子图像为N个，每个子图像在tn时间段的实际帧率为P1、P2、P3、…、Pn-1、Pn，其中，计算每个子图像的实际帧率为
Figure 464916DEST_PATH_IMAGE001
、
Figure 382057DEST_PATH_IMAGE002
，图像分类标注模块按照上述计算子图像的实际帧率对子图像进行标注；
在扫描图像结束tn时间段，扫描图像总帧数为Yn，扫描图像实际输出一帧的列数为Ln，扫描图像实际输出一帧的行数数为Kn，其中，扫描图像的虚拟参数为C，设定扫描图像的总帧率为P总，根据公式：
P总=[Yn+（Ln*（Kn+C）*2）]/ tn
通过计算能够得出扫描图像的总帧率P总，从而将扫描图像的总帧率发送给图像分类标注模块进行标注，方便用户进行查看。
与现有技术相比，本发明的有益效果是：本发明利用医疗图像数据获取模块用于获取待测部位的扫描图像进行精细化处理，图像均匀切割模块用于对获取的图像均匀的切割成不同的小块，对各个局部块进行处理；图像帧率检测模块用于对切割后的局部块进行逐一帧率监测，图像特征点监测模块用于将获取的图像与样本图像进行对比，检测出不同的特征点，图像分类标注模块用于对监测的图像帧率和不同特征点进行标注；
本发明旨在对图像进行切割标注，能够更方便的对图像的某一个局部块进行检验，从而对图像局部进行精细化处理。
附图说明
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明。
图1为本发明一种用于医疗图像精细化处理系统的模块结构示意图；
图2为本发明一种用于医疗图像精细化处理方法的步骤示意图；
图3为本发明一种用于医疗图像精细化处理方法的步骤S3的具体步骤示意图；
图4为本发明一种用于医疗图像精细化处理方法的实施方法示意图。
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做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。
请参阅图1～4，本发明实施例中，一种用于医疗图像精细化处理系统及方法，该系统包括医疗图像数据获取模块、图像均匀切割模块、图像帧率检测模块、图像特征点检测模块和图像分类标注模块，其中，医疗图像数据获取模块、图像均匀切割模块、图像帧率检测模块和图像分类标注模块依次通过内网连接，图像特征点检测模块分别和图像均匀切割模块、图像分类标注模块通过内网连接；
所述医疗图像数据获取模块用于获取待测部位的扫描图像进行精细化处理，图像均匀切割模块用于对获取的图像均匀的切割成不同的小块，对各个局部块进行处理；图像帧率检测模块用于对切割后的局部块进行逐一帧率监测，图像特征点监测模块用于将获取的图像与样本图像进行对比，检测出不同的特征点，图像分类标注模块用于对监测的图像帧率和不同特征点进行标注。
通过采用上述技术方案：医疗图像数据获取模块包括扫描图像完整度存储子模块和扫描图像预处理子模块，其中，扫描图像完整度存储子模块用于对图像扫描结束后的图像进行保存，设定扫描设备停止扫描的10S内对扫描影像进行保存，扫描图像预处理子模块用于对保存的图像进行质量检测，质量检测包括图像瑕疵检测和图像像素检测，设定图像横向有X个像素点，图像纵向有Y个像素点，图像的像素数为Z,根据公式：Z=X+Y，计算得出扫描图像的像素数，确定其扫描图像的分辨率。
通过采用上述技术方案：所述图像均匀切割模块包括目标图像虚拟切割子模块和子图像局部区域分类子模块，子图像局部区域分类子模块和图像帧率检测模块通过内网连接，其中，目标图像虚拟切割子模块用于将扫描的图像虚拟切割成若干个子图像，其中，图像的切割形状为长方形，然后逐一对每一个图像进行分析，子图像局部区域分类子模块用于对切割后的子图像的区域进行标记，设定图像切割的子图像行数和列数为a、b，子图像的数量为a*b，分别对子图像进行标记为a1b1、a1b2、…、anbn，设定anbn为第n行n列子图像。
通过采用上述技术方案：所述图像帧率检测模块包括图像格式检测子模块和图像实际输出帧数检测子模块，图像格式检测子模块用于监测图像的格式，其中，图像的格式包括VGA格式和QVGA格式，图像实际输出帧数检测子模块用于对若干个子图像实际输出的帧数进行检测。
通过采用上述技术方案：所述图像特征点检测模块包括样本图像更新子模块和图像对照子模块，图像对照子模块和医疗图像数据获取模块通过内网连接，其中，样本图像更新子模块用于使用户对样本网络的初始参数进行实时修改，形成新的样本特征图，与扫描图像进行对比，图像对照子模块用于将扫描图像和样本图像进行对比，对扫描图像和样本图像的特征提取，对照扫描图像和样本图像的影像阴影，检索各子图像和样本图像的误差率，设定各子图像的误差值分别为V1、V2、V3、…、Vn-1、Vn，根据公式：Vnmax≤30%,(V1+V2+V3+…+Vn-1+Vn)/n≤25%，当检测的子图像影像阴影误差率满足上述公式，扫描图像和样本图像基本符合，当检测的子图像影像阴影误差率不满足上述公式时，检测扫描图像，对扫描图像进行重点标记。
通过采用上述技术方案：所述图像分类标注模块包括统一标注子模块，统一标注子模块和图像均匀切割模块、图像帧率检测模块、图像特征点检测模块通过内网连接，统一标注子模块用于将切割后的子图像的区域、子图像的帧率和子图像和样本图像的误差率进行统一，对切割后的子图像的区域、帧率和误差率进行统一标记，方便精细定位。
一种用于医疗图像精细化处理方法，其特征在于：
S1：利用医疗图像数据获取模块获取待测部位的扫描图像进行精细化处理，扫描图像完整度存储子模块用于对图像扫描结束后的图像进行保存，设定扫描设备停止扫描的10S内对扫描影像进行保存，扫描图像预处理子模块用于对保存的图像进行质量检测，质量检测包括图像瑕疵检测和图像像素检测，设定图像横向有X个像素点，图像纵向有Y个像素点，图像的像素数为Z,根据公式：Z=X+Y，计算得出扫描图像的像素数，确定其扫描图像的分辨率；
S2：利用图像均匀切割模块对获取的图像均匀的切割成不同的小块，对各个局部块进行处理，目标图像虚拟切割子模块用于将扫描的图像虚拟切割成若干个子图像，其中，图像的切割形状为长方形，然后逐一对每一个图像进行分析，子图像局部区域分类子模块用于对切割后的子图像的区域进行标记，设定图像切割的子图像行数和列数为a、b，子图像的数量为a*b，分别对子图像进行标记为a1b1、a1b2、…、anbn，设定anbn为第n行n列子图像；
S3：利用图像帧率检测模块对切割后的局部块进行逐一帧率监测，图像格式检测子模块用于监测图像的格式，其中，图像的格式包括VGA格式和QVGA格式，图像实际输出帧数检测子模块用于对若干个子图像实际输出的帧数进行检测；
S4：利用图像特征点监测模块将获取的图像与样本图像进行对比，检测出不同的特征点，样本图像更新子模块用于使用户对样本网络的初始参数进行实时修改，形成新的样本特征图，与扫描图像进行对比，图像对照子模块用于将扫描图像和样本图像进行对比，对扫描图像和样本图像的特征提取，对照扫描图像和样本图像的影像阴影，检索各子图像和样本图像的误差率，设定各子图像的误差值分别为V1、V2、V3、…、Vn-1、Vn，根据公式：Vnmax≤30%,(V1+V2+V3+…+Vn-1+Vn)/n≤25%，当检测的子图像影像阴影误差率满足上述公式，扫描图像和样本图像基本符合，当检测的子图像影像阴影误差率不满足上述公式时，检测扫描图像，对扫描图像进行重点标记；
S5：利用图像分类标注模块对监测的图像帧率和不同特征点进行标注，统一标注子模块和图像均匀切割模块、图像帧率检测模块、图像特征点检测模块通过内网连接，统一标注子模块用于将切割后的子图像的区域、子图像的帧率和子图像和样本图像的误差率进行统一，对切割后的子图像的区域、帧率和误差率进行统一标记，方便精细定位。
通过采用上述技术方案：所述步骤S3中，利用图像帧率检测模块对切割后的局部块进行逐一帧率监测，图像格式检测子模块用于监测图像的格式，其中，图像的格式包括VGA格式和QVGA格式，图像实际输出帧数检测子模块用于对若干个子图像实际输出的帧数进行检测，还包括以下步骤：
A1：利用图像格式检测子模块对扫描图像的格式进行扫描，确定扫描图像的格式，确定图像均匀切割模块切割子图像的数量，将扫描图像的格式和切割子图像的数量发送给图像帧率检测模块；
A2：利用图像实际输出帧数检测子模块检测在一段时间内每个切割子图像实际输出的帧数，将检测的帧数发送给图像帧率检测模块进行统计；
A3:利用图像帧率检测模块对切割子图像的数量和每个切割子图像实际输出的帧数进行统计，算出每个子图像的实际帧率和扫描图像的总帧率，将数据发送给图像分类标注模块进行标注。
通过采用上述技术方案：所述步骤A3中，利用图像帧率检测模块对切割子图像的数量和每个切割子图像实际输出的帧数进行统计，算出每个子图像的实际帧率和扫描图像的总帧率，将数据发送给图像分类标注模块进行标注，还包括以下步骤：
所述设定记录扫描图像的时间分别为t1、t2、t3、…、tn-1、tn，其中tn扫描图像结束的时间，设定图像均匀切割模块切割的子图像为N个，每个子图像在tn时间段的实际帧率为P1、P2、P3、…、Pn-1、Pn，其中，计算每个子图像的实际帧率为
Figure 630636DEST_PATH_IMAGE001
、
Figure 25845DEST_PATH_IMAGE002
，图像分类标注模块按照上述计算子图像的实际帧率对子图像进行标注；
在扫描图像结束tn时间段，扫描图像总帧数为Yn，扫描图像实际输出一帧的列数为Ln，扫描图像实际输出一帧的行数数为Kn，其中，扫描图像的虚拟参数为C，设定扫描图像的总帧率为P总，根据公式：
P总=[Yn+（Ln*（Kn+C）*2）]/ tn
通过计算能够得出扫描图像的总帧率P总，从而将扫描图像的总帧率发送给图像分类标注模块进行标注，方便用户进行查看。
实施例1：限定条件，检索各子图像和样本图像的误差率，设定各子图像的误差值分别为12%、17%、8%、21%、27%，根据公式：Vnmax=27%≤30%,(12%+17%+8%+21%+27%)/5=17%≤25%，当检测的子图像影像阴影误差率满足上述公式，扫描图像和样本图像基本符合，扫描图像显示正常；
实施例2：限定条件，所述设定记录扫描图像的时间分别为1s、2s、3s、4s、5s，其中tn扫描图像结束的时间，设定图像均匀切割模块切割的子图像为4个，每个子图像在5s时间段的实际帧率为71帧、82帧、69帧、77帧，其中，计算每个子图像的实际帧率为
Figure 840217DEST_PATH_IMAGE003
、
Figure 131521DEST_PATH_IMAGE004
，图像分类标注模块按照上述计算子图像的实际帧率对子图像进行标注；
在扫描图像结束时间段，扫描图像总帧数为1520帧，扫描图像实际输出一帧的列数为14，扫描图像实际输出一帧的行数数为26，其中，扫描图像的虚拟参数为24，设定扫描图像的总帧率为P总，根据公式：
P总=[Yn+（Ln*（Kn+C）*2）]/ tn
计算得出：P总=[1520+(14*（26+24）*2)]/5=2920/5=584帧/s，通过计算能够得出扫描图像的总帧率584帧/s，从而将扫描图像的总帧率发送给图像分类标注模块进行标注，方便用户进行查看。
实施例3：限定条件，所述设定记录扫描图像的时间分别为1s、7s、11s、13s、15s，其中tn扫描图像结束的时间15s，在扫描图像结束时间段，扫描图像总帧数为7815帧，扫描图像实际输出一帧的列数为21，扫描图像实际输出一帧的行数数为17，其中，扫描图像的虚拟参数为33，设定扫描图像的总帧率为P总，根据公式：
P总=[Yn+（Ln*（Kn+C）*2）]/ tn
计算得出：P总=[7815+(21*（17+33）*2)]/15=9915/15=661帧/s，通过计算能够得出扫描图像的总帧率661帧/s，从而将扫描图像的总帧率发送给图像分类标注模块进行标注，方便用户进行查看。
实施例4：限定条件，所述设定记录扫描图像的时间分别为1s、5s、7s、9s、13s，其中tn扫描图像结束的时间13s，在扫描图像结束时间段，扫描图像总帧数为5918帧，扫描图像实际输出一帧的列数为23，扫描图像实际输出一帧的行数数为20，其中，扫描图像的虚拟参数为28，设定扫描图像的总帧率为P总，根据公式：
P总=[Yn+（Ln*（Kn+C）*2）]/ tn
计算得出：P总=[5918+(23*（20+28）*2)]/13=8126/13=625帧/s，通过计算能够得出扫描图像的总帧率625帧/s，从而将扫描图像的总帧率发送给图像分类标注模块进行标注，方便用户进行查看。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (2)

1.一种用于医疗图像精细化处理系统，其特征在于：所述该系统包括医疗图像数据获取模块、图像均匀切割模块、图像帧率检测模块、图像特征点检测模块和图像分类标注模块，其中，医疗图像数据获取模块、图像均匀切割模块、图像帧率检测模块和图像分类标注模块依次通过内网连接，图像特征点检测模块分别和图像均匀切割模块、图像分类标注模块通过内网连接；
所述医疗图像数据获取模块用于获取待测部位的扫描图像进行精细化处理，图像均匀切割模块用于对获取的图像均匀的切割成不同的小块，对各个局部块进行处理；图像帧率检测模块用于对切割后的局部块进行逐一帧率监测，图像特征点监测模块用于将获取的图像与样本图像进行对比，检测出不同的特征点，图像分类标注模块用于对监测的图像帧率和不同特征点进行标注；
所述图像均匀切割模块包括目标图像虚拟切割子模块和子图像局部区域分类子模块，子图像局部区域分类子模块和图像帧率检测模块通过内网连接，其中，目标图像虚拟切割子模块用于将扫描的图像虚拟切割成若干个子图像，其中，图像的切割形状为长方形，然后逐一对每一个图像进行分析，子图像局部区域分类子模块用于对切割后的子图像的区域进行标记，设定图像切割的子图像行数和列数为a、b，子图像的数量为a*b，分别对子图像进行标记为a1b1、a1b2、…、anbn，设定anbn为第n行n列子图像；
所述图像分类标注模块包括统一标注子模块，统一标注子模块和图像均匀切割模块、图像帧率检测模块、图像特征点检测模块通过内网连接，统一标注子模块用于将切割后的子图像的区域、子图像的帧率和子图像和样本图像的误差率进行统一，对切割后的子图像的区域、帧率和误差率进行统一标记，方便精细定位；
所述医疗图像数据获取模块包括扫描图像完整度存储子模块和扫描图像预处理子模块，其中，扫描图像完整度存储子模块用于对图像扫描结束后的图像进行保存，设定扫描设备停止扫描的10S内对扫描影像进行保存，扫描图像预处理子模块用于对保存的图像进行质量检测，质量检测包括图像瑕疵检测和图像像素检测，设定图像横向有X个像素点，图像纵向有Y个像素点，图像的像素数为Z,根据公式：Z=X+Y，计算得出扫描图像的像素数，确定其扫描图像的分辨率；
所述图像特征点检测模块包括样本图像更新子模块和图像对照子模块，图像对照子模块和医疗图像数据获取模块通过内网连接，其中，样本图像更新子模块用于使用户对样本网络的初始参数进行实时修改，形成新的样本特征图，与扫描图像进行对比，图像对照子模块用于将扫描图像和样本图像进行对比，对扫描图像和样本图像的特征提取，对照扫描图像和样本图像的影像阴影，检索各子图像和样本图像的误差率，设定各子图像的误差值分别为V1、V2、V3、…、Vn-1、Vn，根据公式：Vnmax≤30%,(V1+V2+V3+…+Vn-1+Vn)/n≤25%，当检测的子图像影像阴影误差率满足上述公式，扫描图像和样本图像基本符合，当检测的子图像影像阴影误差率不满足上述公式时，检测扫描图像，对扫描图像进行重点标记。
2.根据权利要求1所述的一种用于医疗图像精细化处理系统，其特征在于：所述图像帧率检测模块包括图像格式检测子模块和图像实际输出帧数检测子模块，图像格式检测子模块用于监测图像的格式，其中，图像的格式包括VGA格式和QVGA格式，图像实际输出帧数检测子模块用于对若干个子图像实际输出的帧数进行检测。
CN202011361083.9A 2020-03-20 2020-03-20 一种用于医疗图像精细化处理系统 Active CN112489013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011361083.9A CN112489013B (zh) 2020-03-20 2020-03-20 一种用于医疗图像精细化处理系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010199085.6A CN111402242B8 (zh) 2020-03-20 2020-03-20 一种用于医疗图像精细化处理系统及方法
CN202011361083.9A CN112489013B (zh) 2020-03-20 2020-03-20 一种用于医疗图像精细化处理系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202010199085.6A Division CN111402242B8 (zh) 2020-03-20 2020-03-20 一种用于医疗图像精细化处理系统及方法

Publications (2)

Publication Number Publication Date
CN112489013A true CN112489013A (zh) 2021-03-12
CN112489013B CN112489013B (zh) 2024-09-13

Family

ID=71431054

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202011361083.9A Active CN112489013B (zh) 2020-03-20 2020-03-20 一种用于医疗图像精细化处理系统
CN202010199085.6A Active CN111402242B8 (zh) 2020-03-20 2020-03-20 一种用于医疗图像精细化处理系统及方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202010199085.6A Active CN111402242B8 (zh) 2020-03-20 2020-03-20 一种用于医疗图像精细化处理系统及方法

Country Status (1)

Country Link
CN (2) CN112489013B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI748823B (zh) * 2020-12-24 2021-12-01 鴻海精密工業股份有限公司 細胞數量檢測方法、裝置、電子設備及存儲媒體

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102958443A (zh) * 2010-08-19 2013-03-06 株式会社日立医疗器械 医用图像诊断装置及心脏测量值显示方法
CN105022719A (zh) * 2014-04-23 2015-11-04 Ge医疗系统环球技术有限公司 医学造影系统及方法
CN105117000A (zh) * 2015-07-29 2015-12-02 青岛海信医疗设备股份有限公司 一种医学三维图像处理方法及装置
CN109886928A (zh) * 2019-01-24 2019-06-14 平安科技（深圳）有限公司 一种目标细胞标记方法、装置、存储介质及终端设备
CN110766711A (zh) * 2019-09-16 2020-02-07 天脉聚源(杭州)传媒科技有限公司 一种视频镜头分割方法、系统、装置和存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112005000506T5 (de) * 2004-08-26 2007-07-12 Matsushita Electric Industrial Co., Ltd., Kadoma Ultraschalldiagnose-System
CN102096924B (zh) * 2010-11-18 2012-07-25 无锡中星微电子有限公司 一种调整检测帧率的方法
CN103425986B (zh) * 2013-08-31 2016-08-10 西安电子科技大学 基于边缘邻域加权的乳腺肿块图像特征提取方法
CN103536316B (zh) * 2013-09-22 2015-03-04 华中科技大学 一种空时平滑相干因子类自适应超声成像方法
CN103606132B (zh) * 2013-10-31 2016-04-13 西安电子科技大学 基于空域和时域联合滤波的多帧数字图像去噪方法
GB201610988D0 (en) * 2016-06-23 2016-08-10 Inspection Tech Ltd Apparatus and method for extracting low intensity photonic signals
CN106780510A (zh) * 2016-11-30 2017-05-31 宇龙计算机通信科技(深圳)有限公司 一种图像处理方法及终端设备
CN109223018A (zh) * 2018-09-18 2019-01-18 包头市中心医院（内蒙古自治区脑血管病研究所） 一种人工智能心脏ct自动化诊断系统
CN109447023B (zh) * 2018-11-08 2020-07-03 北京奇艺世纪科技有限公司 确定图像相似度的方法、视频场景切换识别方法及装置
CN110444042B (zh) * 2019-09-12 2020-12-04 乐清市辰卓电气有限公司 停车场停车车辆的精细化云管理系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102958443A (zh) * 2010-08-19 2013-03-06 株式会社日立医疗器械 医用图像诊断装置及心脏测量值显示方法
CN105022719A (zh) * 2014-04-23 2015-11-04 Ge医疗系统环球技术有限公司 医学造影系统及方法
CN105117000A (zh) * 2015-07-29 2015-12-02 青岛海信医疗设备股份有限公司 一种医学三维图像处理方法及装置
CN109886928A (zh) * 2019-01-24 2019-06-14 平安科技（深圳）有限公司 一种目标细胞标记方法、装置、存储介质及终端设备
CN110766711A (zh) * 2019-09-16 2020-02-07 天脉聚源(杭州)传媒科技有限公司 一种视频镜头分割方法、系统、装置和存储介质

Also Published As

Publication number Publication date
CN111402242B (zh) 2020-12-22
CN111402242B8 (zh) 2021-01-19
CN111402242A (zh) 2020-07-10
CN112489013B (zh) 2024-09-13

Similar Documents

Publication Publication Date Title
CN111932520B (zh) 医学图像显示方法、查看设备以及计算机设备
CN106709917B (zh) 神经网络模型训练方法、装置及系统
WO2021139258A1 (zh) 基于图像识别的细胞识别计数方法、装置和计算机设备
EP0628186B1 (en) Method for identifying normal biomedical specimens
JP2021166062A (ja) 顕微鏡スライド画像のための焦点重み付き機械学習分類器誤り予測
CN111340827A (zh) 一种肺部ct影像数据处理分析方法及系统
CN110974306B (zh) 一种超声内镜下识别和定位胰腺神经内分泌肿瘤的系统
CN109416313A (zh) 图像地图集系统和方法
CN112464802B (zh) 一种玻片样本信息的自动识别方法、装置和计算机设备
CN110456050B (zh) 便携式智能数字化寄生虫体外诊断仪
CN115527657A (zh) 基于医学数字成像和通信的影像、图像多模态重建、成像及标注
CN111402242B (zh) 一种用于医疗图像精细化处理系统及方法
CN116596901A (zh) 一种基于大数据的超声波数据监测系统及方法
CN113241154A (zh) 一种人工智能血液涂片细胞标注系统及方法
CN111144506B (zh) 基于超声图像的肝包虫识别方法、存储介质及超声设备
CN114708207B (zh) 基于Yolo v3改进的红外热像颈椎部位提取的方法
CN116797828A (zh) 一种口腔全景片处理方法、装置及可读储介质
CN111012370A (zh) 基于ai的x射线成像分析方法、装置及可读存储介质
Fiederling et al. SpineRacks and SpinalJ for efficient analysis of neurons in a 3D reference atlas of the mouse spinal cord
CN114782352A (zh) 一种基于人工智能的医学影像识别系统及识别方法
Faure et al. A convolutional neural network for dental panoramic radiograph classification
Singh Role of Statistical Parameter in Digital Image Enhancement
CN110598561A (zh) 基于机器学习的细胞玻片分析方法、装置及存储介质
CN115147378B (zh) 一种ct图像分析提取方法
CN111199081A (zh) 一种能谱数据处理装置及其模拟能谱曲线仿真系统、方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240819

Address after: 830000, 16th Floor, Building 2, No. 95 Nanhu East Road, Shuimogou District, Urumqi City, Xinjiang Uygur Autonomous Region

Applicant after: XINJIANG ZHIXIANG TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: No.668, longmian Avenue, Jiangning District, Nanjing, Jiangsu Province, 210000

Applicant before: Qian Xiaoping

Country or region before: China

GR01 Patent grant
GR01 Patent grant