[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

说明书

本发明公开了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，属于骨扫描图像处理技术领域，包括图像获取模块、对骨扫描图像进行预处理和图像分割，获取分割部位图像的图像处理模块、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的模型训练模块、根据训练好的并行深度神经网络模型对分割部位图像进行特征提取，检测存在热点的部位的特征提取模块，以及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的分类模块；本发明解决了现有手工处理骨扫描图像导致凸显不明确，标准不统一，存在误差且处理速度较慢、准确度较低的问题。

技术领域

本发明属于骨扫描图像处理技术领域，涉及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。

背景技术

骨扫描是一种全身性骨骼的核医学影像检查，用探测放射性的显像仪器(如γ照相机、ECT)探测全身骨骼放射性分布情况，得到骨扫描图像。长期以来，核医学医生在对骨扫描图像做出解释之前，通常会调整全身骨扫描图像的亮度和对比度以便清晰地鉴别图像，然后基于医生自己的专业知识和经验对骨扫描图像进行解释，并撰写检查报告。

这种人工处理图像、人工阅片并手工撰写检查报告的方式，存在诸多缺陷和不足。例如，由于需要对影像的亮度和对比度进行手工调节，每个人对图像进行亮度和对比度的调整力度可能会有所不同，导致图像异常部分凸显不明确，进而导致医生忽视某些异常部分，做出错误的解释；由于不同阅片人对影像的解析存在显著差异，针对同一张影像，不同医生也会有不同的解释，存在标准不统一的问题，导致检测结果误差较大、准确度较低的问题；且人工处理图像、人工阅片和撰写检测结果需要耗费医生大量的精力和时间，增加了医生的工作量，同时，病人也需要等待漫长的时间，才能获得知晓检测结果，增加了病人的焦虑和痛苦。

因此，本发明针对上述问题，提出了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。

发明内容

本发明的目的在于：提供了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，解决了现有手工处理骨扫描图像导致凸显不明确，标准不统一，存在误差且处理速度较慢、准确度较低的问题。

本发明采用的技术方案如下：

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。

进一步地，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。

进一步地，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。

进一步地，所述步骤3包括：