[发明专利]一种医学影像大数据的分析方法

说明书

本发明涉及医学影像处理领域，具体涉及一种医学影像大数据的分析方法，包括如下步骤：S1、基于Hadoop依次运行图像去噪算法、Otsu算法实现医学影像的去噪处理和阈值分割，得到二值图像；S2、基于病灶区识别模型实现医学影像内载病灶区的识别，并实现病灶区的对比度增强；S3、基于病灶类型识别模型实现病灶区类型的识别；S4、实现人体器官三维模型的构建，并实现病灶区所在位置信息的获取；S5、调用对应的测量标尺实现病灶区三维尺寸数据的获取；S6、根据病灶区类型的识别结果、所在位置信息、三维尺寸数据生成诊断报告。本发明可以实现医学影像内载的病灶区的快速精准定位、识别和测量。

技术领域

本发明涉及医学影像处理领域，具体涉及一种医学影像大数据的分析方法。

背景技术

医学图像分析已广泛应用于良恶性肿瘤、脑功能与精神障碍、心脑血管疾病等重大疾病的临床辅助筛查、诊断、分级、治疗决策与引导、疗效评估等方面。医学图像分类与识别、定位与检测、组织器官与病灶分割是当前医学图像分析深度学习方法研究主要应用领域。

发明内容

本发明的目的在于提供一种医学影像大数据的分析方法，可以实现医学影像内载的病灶区的快速精准定位、识别和测量。

为实现上述目的，本发明采取的技术方案为：

一种医学影像大数据的分析方法，包括如下步骤：

S1、基于Hadoop依次运行图像去噪算法、Otsu算法实现医学影像的去噪处理和阈值分割，得到二值图像；

S2、基于病灶区识别模型实现医学影像内载病灶区的识别，并实现病灶区的对比度增强；

S3、基于病灶类型识别模型实现病灶区类型的识别；

S4、实现人体器官三维模型的构建，并实现病灶区所在位置信息的获取；

S5、调用对应的测量标尺实现病灶区三维尺寸数据的获取；

S6、根据病灶区类型的识别结果、所在位置信息、三维尺寸数据生成诊断报告。

进一步地，还包括基于无限深度神经网络模型根据医学影像内载的器官名称实现医学影像分类，并调用对应的图像去噪算法、Otsu算法、病灶区识别模型的步骤。

进一步地，所述步骤S2中，病灶区识别模型采用Dssd_Inception_V3模型，Dssd_Inception_V3模型采用Dssd目标检测算法，采用病灶区图像集训练Inception_V3神经网络后所得。

进一步地，所述步骤S4中，首先调用对应的人体器官三维模型构建算法实现人体器官三维模型的构建，然后以该人体器官三维模型的中心点为原点建立坐标系，实现病灶区中心点坐标的获取，即为病灶区所在位置信息。

进一步地，所述步骤S5中，根据病灶区类型的识别结果调用对应的测量标尺，以病灶区中心点坐标为起点，运行当前测量标尺对应的测量脚本，实现病灶区三维尺寸数据的获取，测量过程中通过识别图像对比度实现病灶区边缘的定位。

进一步地，所述步骤S3中，基于病灶区的参数集实现病灶区类型的识别，基于Bi-LSTM+Attention模型实现。

进一步地，所述步骤S6中，基于预设的模板实现诊断报告的编制，编制时，基于预设的模板内载的数据挖掘模块实现病灶区类型的识别结果、所在位置信息、三维尺寸数据的自动挖掘填充，生成诊断报告。

进一步地，还包括：通过带噪声抑制的反锐化掩模算法，将图像按照细节信息的多少分为高、中、低细节区域实现完成对比度增强处理后的图像的锐化处理的步骤。

附图说明

图1为本发明实施例1一种医学影像大数据的分析方法的流程图。