[发明专利]一种医疗图像大数据动态获取工作方法

说明书

本发明提出了一种医疗图像大数据动态获取工作方法，包括如下步骤：S1，将内窥镜图像转换为灰度图像；将图像亮度进行提升，获取纹理特征描述直方图；截取图像中的最大连通区域；S2，对于纹理特征直方图获取的最大连通域，刻画纹理特征图像的最大轮廓，通过去噪算法对图像中的噪声进行平滑处理；通过3D残差网络输出预测图像，通过判断属性函数进行图像分类；S3，对分类后的图像通过加权过程实现损失函数计算，从而获取图像增强的内窥镜图像。

技术领域

本发明涉及大数据提取领域，尤其涉及一种医疗图像大数据动态获取工作方法。

背景技术

通过内窥镜获取的横断图像中，在边缘图像中会发生椭圆畸变，由于内窥镜图像获取过程中包括毛细血管在内会产生很多噪声，造成采样图像发生失真或者病灶不突出显示的问题，这在对内窥镜图像进行分类过程中普遍采用神经网络学习的方法进行不断学习，使获取图像更准确，但是因为类学习不充分，无法进行优化的学习方式，也不能准确分类和提取出来所需的医学影像，这就亟需本领域技术人员解决相应的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种医疗图像大数据动态获取工作方法。

为了实现本发明的上述目的，本发明提供了一种医疗图像大数据动态获取工作方法，包括如下步骤：

S1，将内窥镜图像转换为灰度图像；将图像亮度进行提升，获取纹理特征描述直方图；截取图像中的最大连通区域；

S2，对于纹理特征直方图获取的最大连通域，刻画纹理特征图像的最大轮廓，通过去噪算法对图像中的噪声进行平滑处理；通过3D残差网络输出预测图像，通过判断属性函数进行图像分类；

S3，对分类后的图像通过加权过程实现损失函数计算，从而获取图像增强的内窥镜图像。

优选的，所述S1包括：

S1-1，将全部内窥镜图像按照采集时间进行分组处理，图像序列为{w₁,w₂,...,w_n}的目标图像序列，由于内窥镜图像为圆形，带有血管信息的图像进行灰度处理，处理的目标图像形成目标图像向量序列{a₁,a₂,...,a_n}，对目标图像向量序列进行堆叠操作，形成图像向量矩阵为获取的内窥镜n个图像个数以及b级向量维度的矩阵。

优选的，所述S1还包括：

S1-2，为了能够更加容易观察到异常特征，对内窥镜图像进行颜色空间转换，根据彩色图像RGB转换至HSV颜色空间，分别计算色调H，饱和度S和亮度V的分量：

通过计算红颜色分量R最大像素值P_max减去最小像素值P_min得到相应差值，其中，P_maxP_min，获取的角度分量

V＝P_max，

通过HSV颜色分量的计算将亮度提升，从而帮助判断内窥镜图像突变区域，在HSV颜色空间提升亮度判断时，突变区域的中心区域是否在内窥镜图像中心位置。

优选的，所述S1还包括：

S1-3，通过计算内窥镜图像纹理特征直方图

获取整体灰度图像中的特定纹理特征；

截取整体灰度图像中特定纹理特征的最大连通域