一种位置无关的病状快速检测及识别方法技术

一种位置无关的病状快速检测及识别方法，其具体步骤如下：(1)对医学影像按其属性进行粗分类，得到具有同一属性的医学影像样本；(2)对具有同一属性的医学影像样本，采用图像处理技术进行病状的纹理特征和形状特征提取，得到该病状的特征描述；(3)对步骤(2)中得到的纹理特征向量、形状特征进行哈希编码，得到该病状的唯一编码值，存储形成哈希编码表；(4)检索查询时采用KMP算法进行输入图像病状和哈希编码表内病状编码值的字符相似度匹配，按照相似度降序排列输出查询结果。本发明专利技术的病状检测和识别是基于图像处理技术与哈希编码技术实现的，具有查询速度快，操作简单快捷，准确率高，能有效挖掘影像资料更有价值的信息等特点。

【技术实现步骤摘要】

本专利技术涉及一种位置无关的病状快速检测及识别方法。
技术介绍
随着医学的快速发展和医学影像技术的进步，医疗影像数据呈献快速增长，这给医学影像数据的存储和查询带来了巨大挑战，同时为满足医生的诊断需求以及学术的教学和研究，需要快速查询和检测到所需的影像资料，这就对影像数据库信息的快速定位提出了更高的要求，现有的医学影像数据库系统多数是按照医学影像的属性直接存储影像信息，医生查询医学影像要查看所有图像文件，找出所需图像，这种方法存在明显缺陷：(1)查询过程繁琐，速度慢，无法满足现代大量医学影像资料的查询；(2)医生直接查询，依靠经验区分影像资料，由于不同医生能力不同，所以导致查询结果随机性较大，查询结果不确定；(3)对医学影像缺少技术处理手段，因此，导致影像资料利用率低，有效价值挖掘不够深入。
技术实现思路
本专利技术提供了一种查询速度快，操作简单快捷，准确率高的位置无关的病状快速检测及识别方法。本专利技术采用的技术方案是：一种位置无关的病状快速检测及识别方法，其具体步骤如下：(1)对医学影像按其属性进行粗分类，得到具有同一属性的医学影像样本；(2)对具有同一属性的医学影像样本，采用图像处理技术进行病状的纹理特征和形状特征提取，得到该病状的特征描述，特征提取步骤包括，A、对医学影像样本进行高斯滤波得到抑制噪声后的平滑医学影像；B、对步骤A中得到的平滑医学影像采用Canny算子边缘检测方法进行边缘检测得到医学影像边缘；C、对步骤B中得到的医学影像边缘采用阈值分割法进行边缘分割获得病状ROI区域，并计算获得病状ROI区域的面积特征、圆形度和中心位置坐标，得到相应的形状特征；D、对步骤C中得到的病状ROI区域采用LBP算子进行纹理特征提取，得到纹理特征向量；(3)对步骤(2)中得到的纹理特征向量、形状特征进行哈希编码，得到该病状的唯一编码值，存储形成哈希编码表；(4)检索查询时采用KMP算法进行输入图像病状和哈希编码表内病状编码值的字符相似度匹配，按照相似度降序排列输出查询结果。本专利技术的病状检测和识别是基于图像处理技术与哈希编码技术实现的，具有查询速度快，操作简单快捷，准确率高，能有效挖掘影像资料更有价值的信息等特点。进一步，步骤A中高斯滤波是采用离散化的高斯函数产生一组归一化的高斯核，之后利用高斯核函数对图像灰度矩阵的每一行加权求和。进一步，步骤B中Canny算子边缘检测方法是先使用一阶有限差分计算偏导数阵列，其中选用的一对卷积阵列可以表示为Gx=-101-202-101Gy=-1-2-1000121,]]>最后进行非极大值抑制和双阈值检测，从而得到梯度值最大的点，利用两个阈值th1和th2检测边缘，取th1＝0.4*th2，将得到两幅阈值不同的第一图像和第二图像，扫描第一图像，遇到非零灰度像素p(x,y)时，跟踪p(x,y)开始的轮廓线，直到终点；再次扫描第二图像，找到与第一图像中位置相对应的点，在其8邻域内寻找非零像素作为起点，重复上述步骤，直到两幅图像无法继续为止，这样就找到了两幅图像的轮廓线，也就是边缘检测完成。进一步，步骤C中病状ROI区域的形状特征提取如下：为计算病状ROI区域的面积特征，定义其中SROI表示病状ROI区域面积，f(x，y)为ROI区域的像素；为计算圆形度C，定义δR=1KΣk=0N[||(xk-yk)-(x‾-y‾)||-μR]2,]]>可得C=μRδR,]]>当病状ROI区域趋于圆形时，特征量C是单调递增且趋于无穷的，不受区域，旋转度和尺度变化的影响。进一步，步骤D中提取纹理特征时，选定LBP算子窗口大小为3*3，将该窗口在图像中滑动，若周围像素值大于中心像素值，则该像素点位置标记为1，否则为0，结束后每一幅图像可得到与之相关的LBP码，之后对每一张图像进行直方图统计，并归一化处理，最后得到的就是这幅图像中病状的纹理特征向量。进一步，步骤(1)中的粗分类是根据医学影像的病状部位、性别、年龄、影像类型、方位来进行。本专利技术的有益效果：查询速度快，操作简单快捷，准确率高，能有效挖掘影像资料更有价值的信息。附图说明图1是本专利技术的结构示意图。图2是本专利技术的步骤流程图。具体实施方式下面结合具体实施例来对本专利技术进行进一步说明，但并不将本专利技术局限于这些具体实施方式。本领域技术人员应该认识到，本专利技术涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。参见图1、图2，一种位置无关的病状快速检测及识别方法，其具体步骤如下：(1)对医学影像按其属性进行粗分类，得到具有同一属性的医学影像样本；(2)对具有同一属性的医学影像样本，采用图像处理技术进行病状的纹理特征和形状特征提取，得到该病状的特征描述，特征提取步骤包括，A、对医学影像样本进行高斯滤波得到抑制噪声后的平滑医学影像；B、对步骤A中得到的平滑医学影像采用Canny算子边缘检测方法进行边缘检测得到医学影像边缘；C、对步骤B中得到的医学影像边缘采用阈值分割法进行边缘分割获得病状ROI(RegionofInterest)区域，并计算获得病状ROI区域的面积特征、圆形度和中心位置坐标，得到相应的形状特征；D、对步骤C中得到的病状ROI区域采用LBP(LocalBinaryPattren,局部二值模型)算子进行纹理特征提取，得到纹理特征向量；(3)对步骤(2)中得到的纹理特征向量、形状特征进行哈希编码，得到该病状的唯一编码值，存储形成哈希编码表；(4)检索查询时采用KMP(Knuth-Morris-Pratt)算法进行输入图像病状和哈希编码表内病状编码值的字符相似度匹配，按照相似度降序排列输出查询结果。本专利技术的病状检测和识别是基于图像处理技术与哈希编码技术实现的，具有查询速度快，操作简单快捷，准确率高，能有效挖掘影像资料更有价值的信息等特点。本实施例步骤A中高斯滤波是采用离散化的高斯函数产生一组归一化的高斯核，之后利用高斯核函数对图像灰度矩阵的每一行加权求和。本实施例步骤B中Canny算子边缘检测方法是先使用一阶有限差分计算偏导数阵列，其中选用的一对卷积阵列可以表示为Gx=-101-202-101Gy=-1-2-1000121,]]>最后进行非极大值抑制和双阈值检测，从而得到梯度值最大的点，利用两个阈值th1和th2检测边缘，取th1＝0.4*th2，将得到两幅阈值不本文档来自技高网...

【技术保护点】
一种位置无关的病状快速检测及识别方法，其具体步骤如下：(1)对医学影像按其属性进行粗分类，得到具有同一属性的医学影像样本；(2)对具有同一属性的医学影像样本，采用图像处理技术进行病状的纹理特征和形状特征提取，得到该病状的特征描述，特征提取步骤包括，A、对医学影像样本进行高斯滤波得到抑制噪声后的平滑医学影像；B、对步骤A中得到的平滑医学影像采用Canny算子边缘检测方法进行边缘检测得到医学影像边缘；C、对步骤B中得到的医学影像边缘采用阈值分割法进行边缘分割获得病状ROI区域，并计算获得病状ROI区域的面积特征、圆形度和中心位置坐标，得到相应的形状特征；D、对步骤C中得到的病状ROI区域采用LBP算子进行纹理特征提取，得到纹理特征向量；(3)对步骤(2)中得到的纹理特征向量、形状特征进行哈希编码，得到该病状的唯一编码值，存储形成哈希编码表；(4)检索查询时采用KMP算法进行输入图像病状和哈希编码表内病状编码值的字符相似度匹配，按照相似度降序排列输出查询结果。本专利技术的病状检测和识别是基于图像处理技术与哈希编码技术实现的，具有查询速度快，操作简单快捷，准确率高，能有效挖掘影像资料更有价值的信息等特点。...

【技术特征摘要】
2015.10.15 CN 20151067361021.一种位置无关的病状快速检测及识别方法，其具体步骤如下：
(1)对医学影像按其属性进行粗分类，得到具有同一属性的医学影像样本；
(2)对具有同一属性的医学影像样本，采用图像处理技术进行病状的纹理特征和形状
特征提取，得到该病状的特征描述，特征提取步骤包括，
A、对医学影像样本进行高斯滤波得到抑制噪声后的平滑医学影像；
B、对步骤A中得到的平滑医学影像采用Canny算子边缘检测方法进行边缘检测得到医
学影像边缘；
C、对步骤B中得到的医学影像边缘采用阈值分割法进行边缘分割获得病状ROI区域，并
计算获得病状ROI区域的面积特征、圆形度和中心位置坐标，得到相应的形状特征；
D、对步骤C中得到的病状ROI区域采用LBP算子进行纹理特征提取，得到纹理特征向量；
(3)对步骤(2)中得到的纹理特征向量、形状特征进行哈希编码，得到该病状的唯一编
码值，存储形成哈希编码表；
(4)检索查询时采用KMP算法进行输入图像病状和哈希编码表内病状编码值的字符相
似度匹配，按照相似度降序排列输出查询结果。本发明的病状检测和识别是基于图像处理
技术与哈希编码技术实现的，具有查询速度快，操作简单快捷，准确率高，能有效挖掘影像
资料更有价值的信息等特点。
2.如权利要求1所述的一种位置无关的病状快速检测及识别方法，其特征在于：步骤A
中高斯滤波是采用离散化的高斯函数产生一组归一化的高斯核，之后利用高斯核函数对图
像灰度矩阵的每一行加权求和。
3.如权利要求1或2所述的一种位置无关的病状快速检测及识别方法，其特征在于：步
骤B中Canny算子边缘检测方法是先使用一阶有限差分计算偏导数阵列，其中选用的一对卷
积阵列可以表示为
G...

【专利技术属性】
技术研发人员：程国华，何林阳，苏宝星，
申请(专利权)人：浙江健培慧康医疗科技股份有限公司，
类型：发明
国别省市：浙江;33