[发明专利]基于深度学习和数字图像结合的肺区尘肺分期系统

权利要求书

1.一种基于深度学习和数字图像结合的肺区尘肺分期系统，其特征在于，包括：

图像数据接入模块、肺区子区域分割模块、对比度增强模块、暗通道计算模块、暗通道差值特征抽取模块、子肺区特征抽取模块、双分支特征融合模块、分期模块，

图像数据接入模块的数据输出端与肺区子区域分割模块的数据输入端相连，肺区子区域分割模块的数据输出端与对比度增强模块的数据输入端相连，对比度增强模块的数据输出端分别与暗通道计算模块、子肺区特征抽取模块的数据输入端相连，暗通道计算模块的数据输出端与暗通道差值特征抽取模块的数据输入端相连，

子肺区特征抽取模块的数据输出端、暗通道差值特征抽取模块的数据输出端与双分支特征融合模块的数据输入端相连，双分支特征融合模块的数据输出端与分期模块的数据输入端相连；

图像数据接入模块：用于获取待分割原始图像；

肺区子区域分割模块：用于将左右肺区分别划分为上中下三个子区域；

对比度增强模块：用于对肺区子区域图像进行直方图均衡化；

暗通道计算模块：利用暗通道先验计算均衡化后的子肺区的暗通道；

暗通道差值特征抽取模块：用来获取暗通道与原始图像差值，用于抽取肺部尘絮的特征；

子肺区特征抽取模块：用以抽取均衡化后肺区的特征；

双分支特征融合模块：将暗通道差值特征抽取模块输出的子区域图和子肺区特征抽取模块输出的子肺区特征进行叠加融合；

分期模块：根据双分支特征融合模块的输出值用作分类尘肺所属阶段，所述输出值为尘肺所属各阶段的概率值，概率值最大的就是分期的结果；所述阶段包括正常阶段、一期阶段、二期阶段和三期阶段。

2.根据权利要求所述的一种基于深度学习和数字图像结合的肺区尘肺分期系统，其特征在于，所述肺区子区域分割模块包括：

解外接矩阵模块和子区域分割模块，解外接矩阵模块的数据输出端与子区域分割模块的数据输入端相连；

解外接矩阵模块：用于对完整肺区进行外接矩阵裁剪；

子区域分割模块：对裁剪之后的肺区进行三等分处理，左右肺区都将被划分为上中下三部分的子区域。

3.根据权利要求所述的一种基于深度学习和数字图像结合的肺区尘肺分期系统，其特征在于，所述对比度增强模块包括：

利用直方图均衡化算法来处理当前肺区子区域每个像素，

通过用一个滑动窗口对该像素周边的区域进行直方图均衡算法，达到扩大局部对比度、显示平滑区域细节的作用。

4.根据权利要3求所述的一种基于深度学习和数字图像结合的肺区尘肺分期系统，其特征在于，所述直方图均衡化算法包括以下步骤：

S-1，计算直方图；

S-2，修剪直方图；

S-3，进行均衡化。

5.根据权利要4求所述的一种基于深度学习和数字图像结合的肺区尘肺分期系统，其特征在于，所述S-2包括：

对给定的像素(i，j)，利用块水平和垂直位置(s，t)计算块的权重值；为了混合四个查找函数{f₀₀,f₀₁,f₁₀,f₁₁}，将采用双线性混合函数，如下式所示：

f_s,t(I)＝(1-s)(1-t)f₀₀(I)+s(1-t)f₁₀(I)+t(1-s)f₀₁(I)+stf₁₁(I)

其中I表示原始输入的图片；

s表示块水平位置；

t表示块垂直位置。