【技术实现步骤摘要】
针对云端环境快速提取和划分医学影像大数据的工作方法
本专利技术涉及大数据挖掘领域，尤其涉及一种针对云端环境快速提取和划分医学影像大数据的工作方法。
技术介绍
由于图像数据随着云端存储的不断深化，尤其对于医疗影像数据来说更需要将海量数据进行云端存储，但是在云端存储之后如何能够快速查找定位相应的医学影像数据是比较困难的事情，尤其随之医学影像数据的不断更新，数据的差异化明显，但是没有规范的归类和划分，造成数据定位不准，查找困难，这就亟需本领域技术人员解决相应的技术问题。
技术实现思路
本专利技术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针对云端环境快速提取和划分医学影像大数据的工作方法。为了实现本专利技术的上述目的，本专利技术提供了一种针对云端环境快速提取和划分医学影像大数据的工作方法，包括如下步骤：S1，对医学影像数据通过最大似然估计算法进行划分操作；S2，对医学影像数据进行属性归类操作，将划分和归类完成的医学影像数据进行准确性验证；S3，验证完毕，对医学影像数...
【技术保护点】
1.一种针对云端环境快速提取和划分医学影像大数据的工作方法，其特征在于，包括如下步骤：/nS1，对医学影像数据通过最大似然估计算法进行划分操作；/nS2，对医学影像数据进行属性归类操作，将划分和归类完成的医学影像数据进行准确性验证；/nS3，验证完毕，对医学影像数据进行骨架提取，并标注属性特征点，并将骨架提取的属性特征点反馈至相应的NAS存储器。/n
【技术特征摘要】
1.一种针对云端环境快速提取和划分医学影像大数据的工作方法，其特征在于，包括如下步骤：
S1，对医学影像数据通过最大似然估计算法进行划分操作；
S2，对医学影像数据进行属性归类操作，将划分和归类完成的医学影像数据进行准确性验证；
S3，验证完毕，对医学影像数据进行骨架提取，并标注属性特征点，并将骨架提取的属性特征点反馈至相应的NAS存储器。
2.根据权利要求1所述的针对云端环境快速提取和划分医学影像大数据的工作方法，其特征在于，所述S1包括如下步骤：
S1-1，获取实例医学影像数据xi∈L和xj∈L，其中i,j≥1，对于xi和xj中包括医学影像数据索引信息，索引信息中还包括NAS存储器地址信息、医学影像数据像素信息、医学影像数据用户拍摄位置信息，
S1-2，先从分布在NAS存储器中医学影像数据抽取医学影像训练样本ci，然后根据ci所对应的高斯分布中生成一个实例xi，然后根据分布在NAS存储器中医学影像数据抽取医学影像评价样本cj，然后根据cj所对应的高斯分布中生成另一个实例xj，通过影像特征评价参数Oi,j，像素质量评价参数Qi,j，细节复杂度评价参数Ui,j，求解医学影像数据索引信息的最大似然估计为：
假设事先知道了每个实例的xi和xj，那么这个最大似然估计问题将变得简单。在此，最大似然估计引入了S(ci|xi)表示获取实例xi属于医学影像训练样本ci的概率：S(cj|xj)表示获取实例xj属于医学影像评价样本cj的概率，上标T为设置医学影像数据调节因子μ对实例的xi和xj进行调节之后的数值求转置：通过对医学影像训练样本ci和医学影像评价样本cj的影响特征、像素质量、和细节复杂度进行计算后，能够刻画出医学影像数据的索引值，完成半监督判断过程中根据最大似然估计进行医学影像数据索引信息的评价，从而对医学影像数据进行划分操作。
3.根据权利要求1所述的针对云端环境快速提取和划分医学影像大数据的工作方法，其特征在于，所述S2包括如下步骤：
S2-1，对医学影像数据进行属性归类，
医学影像数据中属性归类需要进行信息匹配，得到医学影像数据索引信息与NAS存储器中预先存储的医学影像数据的正相关条件函数：
其中，N(Ki(r)||Kj(r))为医学影像数据的关联特征数据集，Ki(r)为医学影像数据中匹配信息r中信息元素i的数据集，Kj(r)为医学影像数据中匹配信息r中信息元素j的数据集，λi,j为图像信息元素i和j对于关联特征数据集的调节参数，Y(x,y)和Z(x,y)分别表示医学影像数据中图像特征坐标和无关信息坐标之间缺失的相互作用关系，Ti为医学影像数据的控制变量，Tj为医学影像数据的条件变量，...
【专利技术属性】
技术研发人员：郭付国，
申请(专利权)人：重庆渝抗医药科技有限公司，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。