一种医学影像处理系统技术方案

本发明专利技术公开一种医学影像处理系统，包括外部对接模块、算法模板配置模块、影像增强处理模块和影像对比和后处理模块。本发明专利技术通过深度学习算法提高图像信噪比，快速完成图像降噪且减少图像蜡像感，提升图像质量，从而降低CT放射剂量，减少MRI成像时间，提高设备运转率和工作效率；可与医院设备工作站和原有PACS系统无缝对接。

A Medical Image Processing System

The invention discloses a medical image processing system, which comprises an external docking module, an algorithm template configuration module, an image enhancement processing module and an image contrast and post-processing module. The invention improves the image signal-to-noise ratio by deep learning algorithm, completes image denoising quickly, reduces image wax sense and improves image quality, thereby reducing CT radiation dose, reducing MRI imaging time, improving equipment operation rate and working efficiency, and can seamlessly dock with hospital equipment workstation and original PACS system.

【技术实现步骤摘要】
一种医学影像处理系统
本专利技术属于影像处理
，特别是涉及一种医学影像处理系统。
技术介绍
目前，CT检查已被广泛应用于疾病诊断治疗和健康检查实践中。为了形成清晰的医学图像，需要较长的扫描时间和CT放射量，但CT放射量会对人体产生辐射伤害，但减少CT放射计量会使图像质量降低。因此，提高图像质量，提升扫描速度，降低辐射质量，优化后期处理是世界高端CT生产商主攻目标，也是各大厂商产品技术竞争的最核心指标。世界领先的CT生产商均采用多重迭代重建方法来处理图像，但迭代处理时间长，运算量大，处理产生的图片蜡像感突出，图像质量不高。作为医学影像最高端、最先进的设备，MRI(核磁共振成像)的原理是把人体放置在一个强大的磁场中，通过射频脉冲激发人体内氢质子，发生核磁共振，然后接受质子发出的核磁共振信号，经过梯度场三个方向的定位，再经过计算机的运算，构成各方位的图像。由于它彻底摆脱了电离辐射对人体的损害，又有参数多，信息量大，可多方位成像，以及对软组织有高分辨力等突出的特点，从它一问世便引起各方面学者的重视，无论是设备的改进、软件的更新及升级，还是对全身各部位器官的诊断作用的研究，发展相当快，目前已经成熟，被广泛用于临床疾病的诊断，对有些病变成为必不可少的检查方法。MRI的主要不足，在于它扫描所需的时间较长，通常为15到20分钟，如果减少扫描时间会使图像质量降低，因而对一些病情危重的病人和部分幽闭恐惧症病人的检查常感困难，对运动性器官，例如胃肠道因缺乏合适的对比剂，常常显示不清楚，因为MRI设备昂贵，运营维护成本高，如果能在保证图像质量的前提下减少扫描时间，提高设备运营效率，具有较大的社会效益和经济效益。降低CT影响放射剂量，缩短MRI扫描时间，目前市场上主流厂商主要采用迭代重构(IterativeReconstruction)的算法进行图像降噪。比如GE在CT的生产中运用ASiR-V和VEO算法对低剂量的图片进行降噪，从而使得低剂量的图片和高剂量的图片噪音不变。相对应的，西门子有SAFIRE和ADMIRE，飞利浦有iDose和IMR，东芝有AIDR3D等等。但是传统的迭代重构算法有两大缺陷。第一是计算时间很长，如果要把噪音降到60％，处理一张图片需要耗时30min左右；二是处理过的图片会有蜡像感，通俗来讲就是模糊的感觉，甚至有可能抹去病灶信息，造成医生误诊。
技术实现思路
为了解决上述问题，本专利技术提出了一种医学影像处理系统，通过深度学习算法提高图像信噪比，快速完成图像降噪且减少图像蜡像感，提升图像质量，从而降低CT放射剂量，减少MRI成像时间，提高设备运转率和工作效率；可与医院设备工作站和原有PACS系统无缝对接。为达到上述目的，本专利技术采用的技术方案是：一种医学影像处理系统，包括外部对接模块、算法模板配置模块、影像增强处理模块和影像对比和后处理模块；所述外部对接模块，在医院设备工作站和PACS系统间进行数据双向传输，设备工作站或PACS系统将影像DICOM文件传输给影像增强处理模块，影像增强处理模块将通过算法优化后的文件传回至医院设备工作站和PACS系统；所述算法模板配置模块，根据影像匹配相应的图像处理算法，所述图像处理算法为深度学习算法；所述影像增强处理模块，第一步为DICOM图像预处理，按照用户需求，利用HU解析方法，根据DICOM文件自带窗位和窗宽信息，对DICOM进行预处理，突出图像重点细节；第二步为增强处理，相应的图像处理算法提高图像信噪比，改善图像质量，并确保图像清晰度；所述影像对比和后处理模块，调取处理前后的图像在同一窗口中进行对比，分析影像处理结果，作为诊断或科研过程的辅助和支持。进一步的是，所述外部对接模块包括光纤或者双绞线传输数据；通过医学影像处理系统优化后的图像将直接分发至PACS系统，无缝对接医院的现有系统；同时医学影像处理系统基于DICOM3.0标准进行影像数据传输过程进行数字签名加密，保障医院和患者的信息安全。进一步的是，对人体各部位采用相对应的样本训练集训练算法模型，每个部位匹配有独自的算法模型构成算法模板；所述算法模板配置模块根据获取的影像判断并识别影像类型和扫描部位从而匹配相应的算法模板，或由用户根据影像的类型和扫描部位选择相应的算法模板。进一步的是，所述DICOM影像增强处理的方法，包括步骤：首先，对所采集的医学影像数据进行数据筛选；然后，对数据进行预处理，准备算法实验样本，实验样本包括训练集和测试集；针对不同使用场景构建多种神经网络框架，使用训练集对每一种框架进行训练，得到多种图像增强模型；最后，使用测试集对每一种图像增强模型进行测试，通过测试结果对多种图像增强模型进行改善，直到达到预期目标。进一步的是，所述影像对比的处理方法，将处理前后图像放入统一对比窗口中，用户对原图和处理结果放大或旋转对比查看，用户对处理结果进行评价。进一步的是，所述影像后处理的方法：包括多平面重建、曲面重建、表面遮盖、最大密度投影、最小密度投影和测量；向医生提供观察方式供医生参考，帮助医生快速的做出正确判断；多平面重建：把图像横断面的像素叠加起来回到三维容积排列上，根据需要组成的不同方位，重新组合新的断层图像；从而显示组织器官内复杂解剖关系，弥补横断图像观察的不足，有利于病变的准确定位；曲面重建叠加：三维容积排列后，重新选取截面时按曲线走行，重新构建曲面；帮助医生在短时间内观察和研究血管组织；表面遮盖：提取图像中组织结构边缘的体素信息，把容积数据转换为多边形表面片拟合的等值面，然后根据广招和敏感模型进行消隐和渲染；用于胸腹大血管、肺门及肺内血管、肠系膜血管、肾血管及骨与关节的三维显示；最大密度投影：沿着虚拟的操作者实现方向，将图像中相对密度最高的体素值投射到屏幕上，而形成的新的平面投影；真实的反应组织的密度差异，用于显示具有相对较高密度的组织结构；最小密度投影：将图像中每一条沿视线方向所遇到的体素最小值投影到二维平面上，从而形成MinIP重建图像；用于显示密度差异较大的低密度组织；测量：对图像中目标或区域的特征进行测量，包括：图像的灰度特征、纹理特征和几何特征，定量分析墙体和肿瘤的体积，血管的直径，从而获得距离、面积、角度和统计分布测量。采用本技术方案的有益效果：本专利技术通过影像增强处理深度学习算法提高图像信噪比，快速完成图像降噪且减少图像蜡像感，提升图像质量，从而降低CT放射剂量，减少MRI成像时间，提高设备运转率和工作效率；本专利技术算法模板自由配置的功能是根据设备类型和扫描部位自由组合算法，加快运算速率且使影像以达到最佳优化效果；DICOM影像增强处理主要是对医学影像进行降噪处理，提高信噪比，并确保影像的清晰度；通过影像对比功能可查看优化前后图片，直观感受影像优化效果；影像后处理功能作为影像诊断或科研过程的辅助和支持，可为临床医生提供病情诊断辅助；本专利技术可与医院设备工作站和原有PACS系统无缝对接；对接医院设备工作站和PACS系统可减少研发成本、维持用户使用习惯，能够接入现有设备中，增加通用性能。附图说明图1为本专利技术的一种医学影像处理系统的结构示意图；图2为传统迭代重构算法生成的NPS曲线图；图3为本专利技术实施例中生成的NPS曲线图；图4为本专利技术实施例中生成的影像处理结果图。具体实施方式为了使本本文档来自技高网...

【技术保护点】
1.一种医学影像处理系统，其特征在于，包括外部对接模块、算法模板配置模块、影像增强处理模块和影像对比和后处理模块；所述外部对接模块，在医院设备工作站和PACS系统间进行数据双向传输，设备工作站或PACS系统将影像DICOM文件传输给影像增强处理模块，影像增强处理模块将通过算法优化后的文件传回至医院设备工作站和PACS系统；所述算法模板配置模块，根据影像匹配相应的图像处理算法，所述图像处理算法为深度学习算法；所述影像增强处理模块，第一步为DICOM图像预处理，按照用户需求，利用HU解析方法，根据DICOM文件自带窗位和窗宽信息，对DICOM进行预处理，突出图像重点细节；第二步为增强处理，相应的图像处理算法提高图像信噪比，改善图像质量，并确保图像清晰度；所述影像对比和后处理模块，调取处理前后的图像在同一窗口中进行对比；分析影像处理结果，作为诊断或科研过程的辅助和支持。

【技术特征摘要】
1.一种医学影像处理系统，其特征在于，包括外部对接模块、算法模板配置模块、影像增强处理模块和影像对比和后处理模块；所述外部对接模块，在医院设备工作站和PACS系统间进行数据双向传输，设备工作站或PACS系统将影像DICOM文件传输给影像增强处理模块，影像增强处理模块将通过算法优化后的文件传回至医院设备工作站和PACS系统；所述算法模板配置模块，根据影像匹配相应的图像处理算法，所述图像处理算法为深度学习算法；所述影像增强处理模块，第一步为DICOM图像预处理，按照用户需求，利用HU解析方法，根据DICOM文件自带窗位和窗宽信息，对DICOM进行预处理，突出图像重点细节；第二步为增强处理，相应的图像处理算法提高图像信噪比，改善图像质量，并确保图像清晰度；所述影像对比和后处理模块，调取处理前后的图像在同一窗口中进行对比；分析影像处理结果，作为诊断或科研过程的辅助和支持。2.根据权利要求1所述的一种医学影像处理系统，其特征在于，所述外部对接模块包括光纤或者双绞线传输数据；通过医学影像处理系统优化后的图像将直接分发至PACS系统，无缝对接医院的现有系统；同时医学影像处理系统基于DICOM3.0标准进行影像数据传输过程进行数字签名加密，保障医院和患者的信息安全。3.根据权利要求1所述的一种医学影像处理系统，其特征在于，对人体各部位采用相对应的样本训练集训练算法模型，每个部位匹配有独自的算法模型构成算法模板；所述算法模板配置模块根据获取的影像判断并识别影像类型和扫描部位从而匹配相应的算法模板，或由用户根据影像的类型和扫描部位选择相应的算法模板。4.根据权利要求1所述的一种医学影像处理系统，其特征在于，在所述影像增强处理模块中所述DICOM影像增强处理的方法，包括步骤：首先，对所采集的医学影像数据进行数据筛选；然后，对数据进行预处理，准备算法实验样本，实验样本包括训练...

【专利技术属性】
技术研发人员：杨紫陌，
申请(专利权)人：成都数浪信息科技有限公司，
类型：发明
国别省市：四川,51