[发明专利]一种基于并行深度神经网络的骨扫描图像处理方法及系统

权利要求书

1.一种基于并行深度神经网络的骨扫描图像处理方法，包括以下步骤：

步骤1：导入骨扫描图像，所述骨扫描图像包括前身图像和后身图像；

步骤2：对骨扫描图像进行预处理和图像分割，获取骨骼的分割部位图像；

步骤3：建立并行深度神经网络模型，根据分割部位图像训练并行深度神经网络模型，得到训练好的并行深度神经网络模型；

步骤3.1：根据步骤2的分割部位图像的数量，建立包含对应数量的单一深度神经网络的并行深度神经网络模型；

步骤3.2：医生对若干个分割部位图像进行标记，标记出存在热点的部位；

步骤3.3：将标记好的若干个分割部位图像同时输入并行深度神经网络模型进行训练，得到训练好的并行深度神经网络模型。

步骤4：根据训练好的并行深度神经网络模型对步骤2的分割部位图像进行特征提取，得到存在热点的部位；

步骤5：根据步骤4提取出的存在热点的部位对分割部位图像进行分类，并在骨扫描图像上区别标记出热区部位和常区部位。

2.根据权利要求1所述的一种基于并行深度神经网络的骨扫描图像处理方法，其特征在于，所述步骤1包括：

步骤1.1：用探测放射性的显像仪器探测全身骨骼后得到DICOM格式的骨扫描图像，即前身图像和后身图像；

步骤1.2：以图像矩阵的形式导入骨扫描图像。

3.根据权利要求1所述的一种基于并行深度神经网络的骨扫描图像处理方法，其特征在于，所述步骤2包括：

步骤2.1：分别对前身图像和后身图像依次进行对比度调节、自动阈值分割、闭运算、中值滤波、第一次开运算、掩码运算、高斯模糊、均衡化、图片裁剪、简单阈值分割和第二次开运算，提高图像的质量；

步骤2.2：基于解剖分割算法对预处理后的前身图像和后身图像分别进行关键点定位和图像分割，分割后得到若干个分割部位图像。

4.根据权利要求1所述的一种基于并行深度神经网络的骨扫描图像处理方法，其特征在于：所述步骤5包括：

步骤5.1：根据步骤4提取出的存在热点的部位对所有分割部位图像进行分类，得到存在热点的热区分割部位图像集和没有热点的常区分割部位图像集；

步骤5.2：将热区分割部位图像集和常区分割部位图像集的图汇合为整体骨扫描图像，并在整体骨扫描图像中区别标记出热区部位和常区部位。

5.一种基于并行深度神经网络的骨扫描图像处理系统，其特征在于，包括图像获取模块、图像处理模块、模型训练模块、特征提取模块和分类模块；

(1)所述图像获取模块用于导入骨扫描图像，所述骨扫描图像包括前身图像和后身图像；所述图像处理模块用于对骨扫描图像进行预处理和图像分割，获取骨骼的分割部位图像；

(2)所述图像处理模块中，对骨扫描图像进行预处理包括：分别对前身图像和后身图像依次进行对比度调节、自动阈值分割、闭运算、中值滤波、第一次开运算、掩码运算、高斯模糊、均衡化、图片裁剪、简单阈值分割和第二次开运算；对骨扫描图像进行图像分割包括：基于解剖分割算法对预处理后的前身图像和后身图像分别进行关键点定位和图像分割，分割后得到若干个分割部位图像；

(3)所述模型训练模块用于建立并行深度神经网络模型，根据分割部位图像训练并行深度神经网络模型，包括：根据图像处理模块的分割部位图像的数量，建立包含对应数量的单一深度神经网络的并行深度神经网络模型；对分割部位图像进行标记，标记出存在热点的部位；再将标记好的分割部位图像同时输入并行深度神经网络模型进行训练；

(4)所述特征提取模块用于根据训练好的并行深度神经网络模型对图像处理模块得到的分割部位图像进行特征提取，得到存在热点的部位；

(5)所述分类模块用于根据存在热点的部位对分割部位图像进行分类，并在骨扫描图像上区别标记出热区部位和常区部位。

6.根据权利要求5所述的一种基于并行深度神经网络的骨扫描图像处理系统，其特征在于，所述图像获取模块中导入骨扫描图像包括：用探测放射性的显像仪器探测全身骨骼后得到DICOM格式的骨扫描图像，即前身图像和后身图像；再将骨扫描图像以图像矩阵的形式导入图像获取模块。

7.根据权利要求5所述的一种基于并行深度神经网络的骨扫描图像处理系统，其特征在于，所述分类模块中根据存在热点的部位对分割部位图像进行分类，在骨扫描图像上区别标记出热区部位和常区部位包括：根据存在热点的部位对所有分割部位图像进行分类，得到存在热点的热区分割部位图像集和没有热点的常区分割部位图像集；再将热区分割部位图像集和常区分割部位图像集的图汇合为整体骨扫描图像，并在整体骨扫描图像中区别标记出热区部位和常区部位。