CN117150058A - 一种儿童临床影像资料的自动管理方法、系统及设备 - Google Patents
一种儿童临床影像资料的自动管理方法、系统及设备 Download PDFInfo
- Publication number
- CN117150058A CN117150058A CN202311216909.6A CN202311216909A CN117150058A CN 117150058 A CN117150058 A CN 117150058A CN 202311216909 A CN202311216909 A CN 202311216909A CN 117150058 A CN117150058 A CN 117150058A
- Authority
- CN
- China
- Prior art keywords
- human body
- body image
- folding
- image
- sequence
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims description 43
- 238000004590 computer program Methods 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 abstract description 8
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 6
- 210000004394 hip joint Anatomy 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 210000000544 articulatio talocruralis Anatomy 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 210000001503 joint Anatomy 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000001513 elbow Anatomy 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 210000002832 shoulder Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- 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
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开属于数据处理领域,提供了一种儿童临床影像资料的自动管理方法、系统及设备,通过获取具折叠度数量张的带时间顺序的人体图像组成人体图像序列,所述人体图像上标注有关节点;对人体图像序列进行折叠存放,得到折叠存放的人体图像序列;当有新的人体图像加入所述折叠存放的人体图像序列时,则需再次进行折叠存放,得到再次折叠存放的人体图像序列;将所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列进行对照,检测所述新的人体图像出现误差的概率。能够有效提高儿童医学诊断的精确度和效率,同时还能够节约存储空间和算力成本。
Description
技术领域
本公开属于数据处理领域,具体涉及一种儿童临床影像资料的自动管理方法、系统及设备。
背景技术
儿童临床影像资料的自动管理是对儿童在成长发育阶段的各年龄段进行连续的图像拍摄、存储和追踪,尤其关注的是各阶段的图像中人体关节的姿势和形状。在以往的儿童临床影像资料管理中,存储的各年龄阶段的人体图像会出现部分的人体图像关节点不对齐、或者出现歪扭的情况,这样情况的出现多是由于在拍摄的过程中被拍的儿童玩耍打闹,没有按照规定的姿势保持静止,使得人体的发育轮廓在年龄的递增中的图像记录在进行识别的过程中会将这一部分不对齐、不规范的图像检测为出现异常,但是经过实际检验后发现只是由于不对齐、不规范使得识别算法或模型被触发,严重浪费了各项设备的算力成本。在儿童临床影像资料的管理过程中,通常需要拍摄、存储和追踪儿童在成长发育阶段的图像数据。这些数据对于了解儿童的生长变化以及进行医学诊断非常重要。然而,在传统的儿童临床影像资料管理中,存在一些问题,例如在公开号为CN116072268A的专利文献中所述的一种医学数据存储方法及医学影像系统,即便可以实现操作端医学数据的合理有序存储,但是儿童临床影像资料通常包含多张同一个儿童不同时间点的图像以记录其生长过程,这些图像往往是分开存储的,导致管理不便,并且需要较大的存储空间。
发明内容
本发明的目的在于提出一种儿童临床影像资料的自动管理方法、系统及设备,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
为了实现上述目的,根据本公开的一方面,提供一种儿童临床影像资料的自动管理方法,所述方法包括以下步骤:
获取具折叠度数量张的带时间顺序的人体图像组成人体图像序列,所述人体图像上标注有关节点;对人体图像序列进行折叠存放,得到折叠存放的人体图像序列;当有新的人体图像加入所述折叠存放的人体图像序列时,则需再次进行折叠存放,得到再次折叠存放的人体图像序列;将所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列进行对照,检测所述新的人体图像出现误差的概率。
进一步地,所述带时间顺序的人体图像为儿童于(各个年龄段)不同采样时间的临床影像的图像,包括但不限于,核磁共振图像或者CT图像等。
其中,所述人体图像已经过图像预处理,所述图像预处理包括但不限于噪声、运动伪迹、伪影等,并进行去噪、去伪迹等预处理操作。
进一步地,具折叠度数量张具体表示:所述具折叠度数量为一个正整数数值,所述具折叠度数量的数值大于核心张数加2的数值,所述核心张数不少于3,所述核心张数为奇数。这样的好处是使得具折叠度数量张的人体图像组成的序列可形成中心对称,再加上至少2张则可以使得人体图像组成的序列的两边的人体图像也能有旁边的人体图像从而加大了特征提取的范围。
进一步地,带时间顺序的人体图像为选取等间隔的多个采样时间按顺序的人体图像。
进一步地,对人体图像序列进行折叠存放,具体为:
骨与骨之间的连接称骨连接,骨连接又分为直接连接和间接连接,关节是间接连接的一种形式。而人体最重要的八大关节是肩、肘、腕、髋、膝、踝关节及脊椎上的颈椎和腰椎,关节点表示这些关节在医学影像上图像矩阵中对应的点。可以使用人体关键点检测算法对人体图像上的关节点进行识别,将各张人体图像上的关节点分别进行标记,各张人体图像上对应相同关节的关节点保持相互对应关系,各张图像上同样对应髋关节的关节点之间保持相互对应关系,可以互相对齐从而将若干张的图像在对应髋关节的关节点上叠放着重合对齐以进行对比和分析;
从所述人体图像序列中为每一张人体图像选取其折叠对图像组;
根据各人体图像及其折叠对图像组,对人体图像序列进行折叠存放,得到人体图像的对齐折叠率。通过获取带时间顺序的人体图像序列,在记录儿童的成长发育过程中,能够更好地观察和记录儿童的生长变化,同时在进行图像的自动分析、处理和管理时,能够更加准确地进行相关的数据分析。
进一步地,从所述人体图像序列中为每一张人体图像选取其折叠对图像组的方法为:
令所述人体图像序列中的末个元素的下一个元素指向所述人体图像序列中的首个元素,使所述人体图像序列连成一个环作为人体图像环序列;所述人体图像序列中每一张人体图像为一个元素;在人体图像环序列中,按时间顺序对各元素遍历为正方向,按时间逆序对各元素遍历为反方向;
获取对折叠位数,以人体图像序列的长度的一半为第一数值,以人体图像序列的长度的平方根为第二数值,以所述第一数值与所述第二数值之差的绝对值为第一距离,以所述第一数值与所述第一距离之和在大于所述第一数值并小于人体图像序列的长度的取值范围内进行取整得到所述对折叠位数;
在所述人体图像环序列中,对一张人体图像选取其向两边方向分别遍历至第对折叠位数个的元素作为该人体图像的折叠对图像组,折叠对图像组包括正折叠对图像与反折叠对图像;这样计算折叠对图像组能够有效减少存储空间的占用,在各年龄段的时间维度上进行了折叠式的映射,提高了特征提取在时间跨度上的便捷性,可以更加方便地进行图像的管理和处理。
进一步地,根据各人体图像及其折叠对图像组,对人体图像序列进行折叠存放,具体为:在人体图像序列中,可以先对各人体图像的图像矩阵进行统一的灰度化和归一化的预处理,对每一张人体图像获取该人体图像相对于其正折叠对图像的相对熵作为正向相对熵,获取该人体图像相对于其反折叠对图像的相对熵作为反向相对熵,使用正向相对熵和反向相对熵计算得到该人体图像的折叠商;在一些实施例中,若正向相对熵和反向相对熵的数值皆为非负,则可通过计算正向相对熵和反向相对熵的乘积之平方根为该人体图像的折叠商,而在一些实施例中,可以计算正向相对熵和反向相对熵的数值的算术平均数为该人体图像的折叠商;
可优选地,将每一张人体图像,分别与该人体图像的正折叠对图像和反折叠对图像进行对齐折叠的方法为:将每一张人体图像分别与该人体图像的正折叠对图像或反折叠对图像在任一的关节点上叠放着重合对齐以进行对比和分析,其中重合对齐的关节点称为对齐定点,以此对叠放着重合对齐的两张人体图像进行其余各关节点的对比,分别对比其余各关节点与所述对齐定点的距离角度的偏离,通过计算对比其余各关节点与所述对齐定点的距离角度的偏离的算术平均值乘以该人体图像的折叠商得到该人体图像的对齐折叠率,具体可例如,两张人体图像在对应髋关节的关节点上叠放着重合对齐后,对比踝关节对应的关节点与所述对齐定点的距离、角度的偏离,可以将两张人体图像上分别的踝关节对应的关节点与所述对齐定点进行连线,对比连线之间的夹角,计算两张人体图像上分别的踝关节对应的关节点的距离,所述距离的单位为图像矩阵上的一个点,并计算连线之间的夹角的余弦值,两张人体图像上分别的踝关节对应的关节点的距离乘以所述连线之间的夹角的余弦值得到的数值作为踝关节对应的关节点在两张人体图像上的与所述对齐定点的距离、角度的偏离,然后重复上述步骤,分别将每一张人体图像与该人体图像的正折叠对图像进行计算各关节点与所述对齐定点的距离角度的偏离、将每一张人体图像与反折叠对图像进行计算各关节点与所述对齐定点的距离角度的偏离,将每一张人体图像与该人体图像的正折叠对图像计算各关节点与所述对齐定点的距离角度的偏离的算术平均数作为正折叠对图像上距离角度的偏离的平均值,将每一张人体图像与该人体图像的反折叠对图像计算各关节点与所述对齐定点的距离角度的偏离的算术平均数作为反折叠对图像上距离角度的偏离的平均值,以正折叠对图像上距离角度的偏离的平均值与反折叠对图像上距离角度的偏离的平均值通过取平均数再与该人体图像的折叠商相乘得到该张人体图像的对齐折叠率。
值得注意的是,对一个人体图像序列进行折叠存放,需要进行折叠对图像组的选取,还需要对各人体图像进行对齐折叠率的计算,而当有新的人体图像加入所述折叠存放的人体图像序列时,由于序列的长度发生了改变,则需再次进行折叠存放,此时所述再次折叠存放的人体图像序列中折叠对图像组的选取也已经改变了,各张人体图像的对齐折叠率的数值也改变了,值得注意的是,在所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列的区别上,有新的人体图像加入所述折叠存放的人体图像序列时,并不一定是有一张新的人体图像进入所述折叠存放的人体图像序列时就立即再次进行折叠存放,可以等有多张新的人体图像进入所述折叠存放的人体图像序列后才再次进行折叠存放。当有新的人体图像加入人体图像序列时,通过再次进行折叠存放,能够保证新加入的人体图像与历史图像具有相同的折叠状态,从而更加方便地进行图像的对照和比较。
进一步地,将所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列进行对照,检测所述新的人体图像出现误差的概率,具体为:获取所述折叠存放的人体图像序列中各人体图像对应的对齐折叠率的数值组成对第一齐折叠率数组;获取所述再次折叠存放的人体图像序列中各人体图像对应的对齐折叠率的数值组成对第二齐折叠率数组;将第二齐折叠率数组中对应加入所述折叠存放的人体图像序列的新的人体图像的人体图像的对齐折叠率的数值进行去除后,得到与所述第一齐折叠率数组长度相等的数组为再齐折叠率数组;通过计算所述第一齐折叠率数组与所述再齐折叠率数组的相关系数,得到所述新的人体图像出现误差的概率。通过对折叠存放的人体图像序列和再次折叠存放的人体图像序列进行对照,能够更加准确地检测新的人体图像是否出现误差,从而提高诊断的精确度和效率,并减少对算力成本的浪费。
本公开还提供了一种儿童临床影像资料的自动管理系统,所述一种儿童临床影像资料的自动管理系统包括:处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述一种儿童临床影像资料的自动管理方法中的步骤,所述一种儿童临床影像资料的自动管理系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中,可运行的系统可包括,但不仅限于,处理器、存储器、服务器集群,所述处理器执行所述计算机程序运行在以下系统的单元中:
标注单元,用于获取具折叠度数量张的带时间顺序的人体图像组成人体图像序列,所述人体图像上标注有关节点;
折叠存放单元,用于对人体图像序列进行折叠存放,得到折叠存放的人体图像序列;
再折叠存放单元,用于当有新的人体图像加入所述折叠存放的人体图像序列时,则需再次进行折叠存放,得到再次折叠存放的人体图像序列;
检测单元,用于将所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列进行对照,检测所述新的人体图像出现误差的概率。
本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品:
一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行所述一种儿童临床影像资料的自动管理方法以及其中各项步骤的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行所述一种儿童临床影像资料的自动管理方法以及其中各项步骤的方法。
一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现所述一种儿童临床影像资料的自动管理方法以及其中各项步骤的方法。
本公开的有益效果为:本公开提供了一种儿童临床影像资料的自动管理方法、系统及设备,通过获取具折叠度数量张的带时间顺序的人体图像组成人体图像序列,所述人体图像上标注有关节点;对人体图像序列进行折叠存放,得到折叠存放的人体图像序列;当有新的人体图像加入所述折叠存放的人体图像序列时,则需再次进行折叠存放,得到再次折叠存放的人体图像序列;将所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列进行对照,检测所述新的人体图像出现误差的概率。能够有效提高儿童医学诊断的精确度和效率,同时还能够节约存储空间和算力成本。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本公开的上述以及其他特征将更加明显,本公开附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,在附图中:
图1所示为一种儿童临床影像资料的自动管理方法的流程图;
图2所示为一种儿童临床影像资料的自动管理系统的系统结构图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
如图1所示为根据本发明的一种儿童临床影像资料的自动管理方法的流程图,下面结合图1来阐述根据本发明的实施方式的一种儿童临床影像资料的自动管理方法、系统及设备。
本公开提出一种儿童临床影像资料的自动管理方法,所述方法具体包括以下步骤:
获取具折叠度数量张的带时间顺序的人体图像组成人体图像序列,所述人体图像上标注有关节点;
对人体图像序列进行折叠存放,得到折叠存放的人体图像序列;
当有新的人体图像加入所述折叠存放的人体图像序列时,则需再次进行折叠存放,得到再次折叠存放的人体图像序列;
将所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列进行对照,检测所述新的人体图像出现误差的概率。
进一步地,所述带时间顺序的人体图像为儿童于各个年龄段不同采样时间的核磁共振图像或者CT图像。
其中,所述人体图像已经过图像预处理,所述图像预处理包括但不限于噪声、运动伪迹、伪影等,并进行去噪、去伪迹等预处理操作。
进一步地,具折叠度数量张具体表示:所述具折叠度数量为一个正整数数值,所述具折叠度数量的数值大于核心张数加2的数值,所述核心张数不少于3,所述核心张数为奇数。在一些实施例中,所述核心张数可为3,所述核心张数可先乘以一定的预设的倍数例如2倍,再加上至少2张,具体为3×2+2=8,即具折叠度数量张的人体图像可为8张人体图像。这样的好处是使得具折叠度数量张的人体图像组成的序列可形成中心对称,再加上至少2张则可以使得人体图像组成的序列的两边的人体图像也能有旁边的人体图像从而加大了特征提取的范围。
进一步地,带时间顺序的人体图像为选取等间隔的多个采样时间按顺序的人体图像。
进一步地,对人体图像序列进行折叠存放,具体为:
在一些实施例中,使用人体关键点检测算法(Pose Estimation)对人体图像上的关节点进行识别,将各张人体图像上的关节点分别进行标记,各张人体图像上对应相同关节的关节点保持相互对应关系,例如,各张图像上同样对应髋关节的关节点之间保持相互对应关系,可以互相对齐从而将若干张的图像在对应髋关节的关节点上叠放着重合对齐以进行对比和分析,从所述人体图像序列中为每一张人体图像选取其折叠对图像组;
根据各人体图像及其折叠对图像组,对人体图像序列进行折叠存放,得到人体图像的对齐折叠率。
进一步地,从所述人体图像序列中为每一张人体图像选取其折叠对图像组的方法为:
令所述人体图像序列中的末个元素的下一个元素指向所述人体图像序列中的首个元素,使所述人体图像序列连成一个环作为人体图像环序列;
所述人体图像序列中每一张人体图像为一个元素;在人体图像环序列中,按时间顺序对各元素遍历为正方向,按时间逆序对各元素遍历为反方向;
获取对折叠位数,以人体图像序列的长度的一半为第一数值,以人体图像序列的长度的平方根为第二数值,以所述第一数值与所述第二数值之差的绝对值为第一距离,以所述第一数值与所述第一距离之和在大于所述第一数值并小于人体图像序列的长度的取值范围内进行取整得到所述对折叠位数;
在所述人体图像环序列中,对一张人体图像选取其向两边方向分别遍历至第对折叠位数个的元素作为该人体图像的折叠对图像组,折叠对图像组包括正折叠对图像与反折叠对图像;在一些实施例子中,以人体图像序列的长度为n,所述人体图像序列中个元素的序号为i,i属于1至n,记所述对折叠位数为k,序号为i的人体图像向正方向数到k个的元素即序号为i+k的人体图像,序号为i的人体图像向反方向数到k个的元素即序号为i-k的人体图像,所述序号为i+k的人体图像以及所述序号为i-k的人体图像组成的二元组作为序号为i的人体图像的折叠对图像组,所述序号为i+k的人体图像作为序号为i的人体图像的折叠对图像组中的正折叠对图像,所述序号为i-k的人体图像作为序号为i的人体图像的折叠对图像组中的反折叠对图像。
进一步地,根据各人体图像及其折叠对图像组,对人体图像序列进行折叠存放,具体为:在人体图像序列中,可以先对各人体图像的图像矩阵进行统一的灰度化和归一化的预处理,但是要在人体图像上保留关节点对应位置的标记,再对每一张人体图像获取该人体图像相对于其正折叠对图像的相对熵作为正向相对熵,获取该人体图像相对于其反折叠对图像的相对熵作为反向相对熵,使用正向相对熵和反向相对熵计算得到该人体图像的折叠商;在一些实施例中,若正向相对熵和反向相对熵的数值皆为非负,则可通过计算正向相对熵和反向相对熵的乘积之平方根为该人体图像的折叠商,而在一些实施例中,可以计算正向相对熵和反向相对熵的数值的算术平均数为该人体图像的折叠商;
将每一张人体图像,分别与该人体图像的正折叠对图像和反折叠对图像进行对齐折叠,并计算每一张人体图像的对齐折叠率,在一些实施例中,将每一张人体图像,分别与该人体图像的正折叠对图像和反折叠对图像进行对齐折叠的方法为:将每一张人体图像分别与该人体图像的正折叠对图像或反折叠对图像在任一的关节点上叠放着重合对齐以进行对比和分析,其中重合对齐的关节点称为对齐定点,以此对叠放着重合对齐的两张人体图像进行其余各关节点的对比,分别对比其余各关节点与所述对齐定点的距离角度的偏离,通过计算对比其余各关节点与所述对齐定点的距离角度的偏离的算术平均值乘以该人体图像的折叠商得到该人体图像的对齐折叠率,具体可例如,两张人体图像在对应髋关节的关节点上叠放着重合对齐后,对比踝关节对应的关节点与所述对齐定点的距离、角度的偏离,可以将两张人体图像上分别的踝关节对应的关节点与所述对齐定点进行连线,对比连线之间的夹角,计算两张人体图像上分别的踝关节对应的关节点的距离,所述距离的单位为图像矩阵上的一个点,并计算连线之间的夹角的余弦值,两张人体图像上分别的踝关节对应的关节点的距离乘以所述连线之间的夹角的余弦值得到的数值作为踝关节对应的关节点在两张人体图像上的与所述对齐定点的距离、角度的偏离,然后重复上述步骤,分别将每一张人体图像与该人体图像的正折叠对图像进行计算各关节点与所述对齐定点的距离角度的偏离、将每一张人体图像与反折叠对图像进行计算各关节点与所述对齐定点的距离角度的偏离,将每一张人体图像与该人体图像的正折叠对图像计算各关节点与所述对齐定点的距离角度的偏离的算术平均数作为正折叠对图像上距离角度的偏离的平均值,将每一张人体图像与该人体图像的反折叠对图像计算各关节点与所述对齐定点的距离角度的偏离的算术平均数作为反折叠对图像上距离角度的偏离的平均值,以正折叠对图像上距离角度的偏离的平均值与反折叠对图像上距离角度的偏离的平均值通过取平均数再与该人体图像的折叠商相乘得到该张人体图像的对齐折叠率。
其中,对一个人体图像序列进行折叠存放,需要进行折叠对图像组的选取,还需要对各人体图像进行对齐折叠率的计算,而当有新的人体图像加入所述折叠存放的人体图像序列时,由于序列的长度发生了改变,则需再次进行折叠存放,此时所述再次折叠存放的人体图像序列中折叠对图像组的选取也已经改变了,各张人体图像的对齐折叠率的数值也改变了,值得注意的是,在所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列的区别上,有新的人体图像加入所述折叠存放的人体图像序列时,并不一定是有一张新的人体图像进入所述折叠存放的人体图像序列时就立即再次进行折叠存放,可以等有多张新的人体图像进入所述折叠存放的人体图像序列后才再次进行折叠存放。
进一步地,将所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列进行对照,检测所述新的人体图像出现误差的概率,具体为:
获取所述折叠存放的人体图像序列中各人体图像对应的对齐折叠率的数值组成对第一齐折叠率数组;
获取所述再次折叠存放的人体图像序列中各人体图像对应的对齐折叠率的数值组成对第二齐折叠率数组;
将第二齐折叠率数组中对应加入所述折叠存放的人体图像序列的新的人体图像的人体图像的对齐折叠率的数值进行去除后,得到与所述第一齐折叠率数组长度相等的数组为再齐折叠率数组;
通过计算所述第一齐折叠率数组与所述再齐折叠率数组的相关系数,得到所述新的人体图像出现误差的概率。
在一些实施例中,以皮尔逊相关系数(Pearson Correlation Coefficient)计算所述第一齐折叠率数组与所述再齐折叠率数组的相关系数,可优选地,由于皮尔逊相关系数(Pearson)可能是负数,因此可用1-Pearson,之后1-Pearson结果就会是非负数并处于区间[0,2],再以(1-Pearson)/2作为所述新的人体图像出现误差的概率;而在在一些实施例中,还可包括,使用例如不限于决策树模型和分类神经网络等,对所述第一齐折叠率数组与所述再齐折叠率数组的概率分布及其之间的相关系数进行特征的学习,并进行分类,输出所述新的人体图像出现误差的概率。
所述一种儿童临床影像资料的自动管理系统运行于桌上型计算机、笔记本电脑、掌上电脑或云端数据中心的任一计算设备中,所述计算设备包括:处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述一种儿童临床影像资料的自动管理方法中的步骤,可运行的系统可包括,但不仅限于,处理器、存储器、服务器集群。
本公开的实施例提供的一种儿童临床影像资料的自动管理系统,如图2所示,该实施例的一种儿童临床影像资料的自动管理系统包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种儿童临床影像资料的自动管理方法实施例中的步骤,所述处理器执行所述计算机程序运行在以下系统的单元中:
标注单元,用于获取具折叠度数量张的带时间顺序的人体图像组成人体图像序列,所述人体图像上标注有关节点;
折叠存放单元,用于对人体图像序列进行折叠存放,得到折叠存放的人体图像序列;
再折叠存放单元,用于当有新的人体图像加入所述折叠存放的人体图像序列时,则需再次进行折叠存放,得到再次折叠存放的人体图像序列;
检测单元,用于将所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列进行对照,检测所述新的人体图像出现误差的概率。
其中,为了更好地统一计量不同单位的物理量之间的数值的线性关系与概率联系,可以对不同的物理量间进行无量纲化处理。
其中,优选地,本发明中所有未定义的变量,若未有明确定义,均可为人工设置的阈值。
所述一种儿童临床影像资料的自动管理系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中。所述一种儿童临床影像资料的自动管理系统包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种儿童临床影像资料的自动管理方法、系统及设备的示例,并不构成对一种儿童临床影像资料的自动管理方法、系统及设备的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种儿童临床影像资料的自动管理系统还可以包括输入输出设备、网络接入设备、总线等。
本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品:
一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行所述一种儿童临床影像资料的自动管理方法以及其中各项步骤的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行所述一种儿童临床影像资料的自动管理方法以及其中各项步骤的方法。
一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现所述一种儿童临床影像资料的自动管理方法以及其中各项步骤的方法。
其中,电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立元器件门电路或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种儿童临床影像资料的自动管理系统的控制中心,利用各种接口和线路连接整个一种儿童临床影像资料的自动管理系统的各个分区域。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种儿童临床影像资料的自动管理方法、系统及设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
本公开提供了一种儿童临床影像资料的自动管理方法、系统及设备,通过获取具折叠度数量张的带时间顺序的人体图像组成人体图像序列,所述人体图像上标注有关节点;对人体图像序列进行折叠存放,得到折叠存放的人体图像序列;当有新的人体图像加入所述折叠存放的人体图像序列时,则需再次进行折叠存放,得到再次折叠存放的人体图像序列;将所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列进行对照,检测所述新的人体图像出现误差的概率。能够有效提高儿童医学诊断的精确度和效率,同时还能够节约存储空间和算力成本。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种儿童临床影像资料的自动管理方法,其特征在于,所述方法包括:获取具折叠度数量张的带时间顺序的人体图像组成人体图像序列,所述人体图像上标注有关节点;对人体图像序列进行折叠存放,得到折叠存放的人体图像序列;当有新的人体图像加入所述折叠存放的人体图像序列时,则需再次进行折叠存放,得到再次折叠存放的人体图像序列;将所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列进行对照,检测所述新的人体图像出现误差的概率。
2.根据权利要求1所述的一种儿童临床影像资料的自动管理方法,其特征在于,所述带时间顺序的人体图像为于不同采样时间的临床影像的图像。
3.根据权利要求1所述的一种儿童临床影像资料的自动管理方法,其特征在于,具折叠度数量张具体表示:所述具折叠度数量为一个正整数数值,所述具折叠度数量的数值大于核心张数加2的数值,所述核心张数不少于3,所述核心张数为奇数。
4.根据权利要求1所述的一种儿童临床影像资料的自动管理方法,其特征在于,带时间顺序的人体图像为选取等间隔的多个采样时间按顺序的人体图像。
5.根据权利要求1至4中任一项所述的一种儿童临床影像资料的自动管理方法,其特征在于,对人体图像序列进行折叠存放,具体为:
从所述人体图像序列中为每一张人体图像选取其折叠对图像组;
根据各人体图像及其折叠对图像组,对人体图像序列进行折叠存放,得到人体图像的对齐折叠率。
6.根据权利要求5所述的一种儿童临床影像资料的自动管理方法,其特征在于,从所述人体图像序列中为每一张人体图像选取其折叠对图像组的方法为:
令所述人体图像序列中的末个元素的下一个元素指向所述人体图像序列中的首个元素,使所述人体图像序列连成一个环作为人体图像环序列;
获取对折叠位数,以人体图像序列的长度的一半为第一数值,以人体图像序列的长度的平方根为第二数值,以所述第一数值与所述第二数值之差的绝对值为第一距离,以所述第一数值与所述第一距离之和在大于所述第一数值并小于人体图像序列的长度的取值范围内进行取整得到所述对折叠位数;
在所述人体图像环序列中,对一张人体图像选取其向两边方向分别遍历至第对折叠位数个的元素作为该人体图像的折叠对图像组,折叠对图像组包括正折叠对图像与反折叠对图像。
7.根据权利要求5所述的一种儿童临床影像资料的自动管理方法,其特征在于,根据各人体图像及其折叠对图像组,对人体图像序列进行折叠存放,具体为:
对每一张人体图像获取该人体图像相对于其正折叠对图像的相对熵作为正向相对熵,获取该人体图像相对于其反折叠对图像的相对熵作为反向相对熵,使用正向相对熵和反向相对熵计算得到该人体图像的折叠商;
将每一张人体图像,分别与该人体图像的正折叠对图像和反折叠对图像进行对齐折叠,并计算每一张人体图像的对齐折叠率:将每一张人体图像分别与该人体图像的正折叠对图像或反折叠对图像在一关节点上叠放着重合对齐以进行对比和分析,其中重合对齐的关节点称为对齐定点,以此对叠放着重合对齐的两张人体图像进行其余各关节点的对比,分别对比其余各关节点与所述对齐定点的距离角度的偏离,通过计算对比其余各关节点与所述对齐定点的距离角度的偏离的算术平均值乘以该人体图像的折叠商得到该人体图像的对齐折叠率。
8.根据权利要求5所述的一种儿童临床影像资料的自动管理方法,其特征在于,将所述折叠存放的人体图像序列与所述再次折叠存放的人体图像序列进行对照,检测所述新的人体图像出现误差的概率,具体为:
获取所述折叠存放的人体图像序列中各人体图像对应的对齐折叠率的数值组成对第一齐折叠率数组;
获取所述再次折叠存放的人体图像序列中各人体图像对应的对齐折叠率的数值组成对第二齐折叠率数组;
将第二齐折叠率数组中对应加入所述折叠存放的人体图像序列的新的人体图像的人体图像的对齐折叠率的数值进行去除后,得到与所述第一齐折叠率数组长度相等的数组为再齐折叠率数组;
通过计算所述第一齐折叠率数组与所述再齐折叠率数组的相关系数,得到所述新的人体图像出现误差的概率。
9.一种儿童临床影像资料的自动管理系统,其特征在于,所述一种儿童临床影像资料的自动管理系统运行于桌上型计算机、笔记本电脑或云端数据中心的任一计算设备中,所述计算设备包括:处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的一种儿童临床影像资料的自动管理方法中的步骤。
10.一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311216909.6A CN117150058B (zh) | 2023-09-19 | 2023-09-19 | 一种儿童临床影像资料的自动管理方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311216909.6A CN117150058B (zh) | 2023-09-19 | 2023-09-19 | 一种儿童临床影像资料的自动管理方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117150058A true CN117150058A (zh) | 2023-12-01 |
CN117150058B CN117150058B (zh) | 2024-04-05 |
Family
ID=88912065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311216909.6A Active CN117150058B (zh) | 2023-09-19 | 2023-09-19 | 一种儿童临床影像资料的自动管理方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117150058B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833344A (zh) * | 2020-07-23 | 2020-10-27 | 上海商汤智能科技有限公司 | 医学图像的处理方法及装置、电子设备和存储介质 |
US20210201912A1 (en) * | 2020-09-14 | 2021-07-01 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Virtual Object Image Display Method and Apparatus, Electronic Device and Storage Medium |
CN114359974A (zh) * | 2022-03-08 | 2022-04-15 | 广东履安实业有限公司 | 一种人体姿态的检测方法、设备及存储介质 |
-
2023
- 2023-09-19 CN CN202311216909.6A patent/CN117150058B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833344A (zh) * | 2020-07-23 | 2020-10-27 | 上海商汤智能科技有限公司 | 医学图像的处理方法及装置、电子设备和存储介质 |
US20210201912A1 (en) * | 2020-09-14 | 2021-07-01 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Virtual Object Image Display Method and Apparatus, Electronic Device and Storage Medium |
CN114359974A (zh) * | 2022-03-08 | 2022-04-15 | 广东履安实业有限公司 | 一种人体姿态的检测方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117150058B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232719B (zh) | 一种医学图像的分类方法、模型训练方法和服务器 | |
US11120254B2 (en) | Methods and apparatuses for determining hand three-dimensional data | |
CN109754376A (zh) | 图像去噪方法及装置 | |
US10366488B2 (en) | Image processing used to estimate abnormalities | |
US10915786B2 (en) | Object detection and candidate filtering system | |
Vaiter et al. | Low complexity regularization of linear inverse problems | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN113362314B (zh) | 医学图像识别方法、识别模型训练方法及装置 | |
CA3111320A1 (en) | Determination of a growth rate of an object in 3d data sets using deep learning | |
Kbiri Alaoui et al. | On some new non-linear diffusion models for the image filtering | |
CN114782321B (zh) | 胸部ct影像选择方法、装置、设备及存储介质 | |
Tsymbal et al. | Towards cloud-based image-integrated similarity search in big data | |
Huang et al. | Graph-based pyramid global context reasoning with a saliency-aware projection for covid-19 lung infections segmentation | |
CN111882544A (zh) | 基于人工智能的医学影像显示方法及相关装置 | |
CN111199801B (zh) | 一种用于识别病历的疾病类型的模型的构建方法及应用 | |
CN117150058B (zh) | 一种儿童临床影像资料的自动管理方法、系统及设备 | |
CN115886833A (zh) | 心电信号分类方法及装置、计算机可读介质、电子设备 | |
Zhao et al. | Quantitation of vascular morphology by directed graph construction | |
WO2021218126A1 (zh) | 手势识别方法、终端设备及计算机可读存储介质 | |
WO2021073115A1 (zh) | 基于流形空间的数据监测方法、装置及存储介质 | |
Islam et al. | Distinguishing l and h phenotypes of Covid-19 using a single X-ray image | |
CN113344890A (zh) | 医学图像识别方法、识别模型训练方法及装置 | |
KR102074735B1 (ko) | 시계열 데이터의 최소 표현 및 패턴 세그먼트화 방법 및 시스템 | |
Chetia et al. | Quantum image edge extraction algorithm for noisy image | |
CN114625875B (zh) | 多数据源信息的模式匹配方法、装置、存储介质及设备 |
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 |