一种医学信息显示方法及显示系统技术方案

本发明专利技术公开了一种医学信息显示方法及显示系统，涉及医学信息技术领域，获取多帧连续的医学图像进行处理和优化，得到高分辨率的输出图像。建立医学标准图像库，将选取出的高分辨率医学图像与医学标准图像库进行配准、识别和比较，并根据比较后的差异医学图像是否存在疾病特征，并输出显示比较结果。此方法方便医生直观的获知患者的医学图像与医学标准图像之间的差异，快速且准确的进行病症的判断，大大的降低了误诊的概率，提高诊断的准确性。提高诊断的准确性。提高诊断的准确性。

【技术实现步骤摘要】
一种医学信息显示方法及显示系统


[0001]本专利技术涉及医学信息
，特别涉及一种医学信息显示方法及显示系统。

技术介绍

[0002]医学信息学，MI(Medicine information)是医学和计算机科学的结合科学，是医学发展的必经阶段。是一门新兴交叉学科。医学信息学包括下属子领域，如：生物信息学，药物信息学，公共卫生信息学，医学图形信息学等。而在实际生活中，医学图形信息的应用较为广泛，医生可以通过观察患者的医学图形信息进而获知患者的身体状况，方便进行诊断。医学图形信息可以高效的反映人体异常，但现有技术都是由机器获取医学图形，再由医生以肉眼进行观察，判断患者病症，此人工方法的准确性不高，产生误诊的几率较大。为了解决此问题，本申请提供了一种医学信息显示方法及显示系统，采用智能化方法处理识别医学图像，辨别医学图像与标准之间的差异，并输出显示差异结果，方便医生一目了然的了解患者身体的异常。

技术实现思路

[0003]本专利技术的目的在于提供一种医学信息显示方法及显示系统，采用智能化方法处理识别医学图像，辨别医学图像与标准之间的差异，并输出显示差异结果，方便医生一目了然的了解患者身体的异常。
[0004]本专利技术提供了一种医学信息显示方法，包括以下步骤：
[0005]S1、采用医学图像获取装置获取多帧连续的医学图像，通过卷积神经网络进行医学图像的特征提取，并对得到的线性特征图进行修正和优化，选取出一帧高分辨率的医学图像；
[0006]S2、建立医学标准图像库，并从中选取训练样本进行特征向量的聚类，得出训练样本与医学图像的相似性排序，进行医学图像所属器官的类别确定，并与训练样本进行器官的差异比较；
[0007]S3、根据比较结果判别医学图像是否存在差异特征，并输出显示比较结果。
[0008]进一步地，所述步骤S1中从多帧连续的医学图像中获取一张医学图像的方法步骤为：
[0009]S1.1、将多帧相邻的医学图像输入到一个通道数为N的卷积层中，其中N为医学图像的帧数，输出线性特征图；
[0010]S1.2、将线性特征图输入修正线性单元进行修正，得到非线性的特征图；
[0011]S1.3、将非线性特征图输入具有相同结构的残差网络模块进行优化，得到高频细节特征图；
[0012]S1.4、将得到的高频细节特征图输入两个亚像素卷积层，提高输出图像的分辨率，得到放大的特征图；
[0013]S1.5、将放大的特征图输入到最后一个卷积层，将通道数降到RGB通道，输出最终
的高分辨率图像。
[0014]进一步地，所述步骤S2中选取的医学图像与医学标准图像库进行配准、识别和比较的步骤如下所示：
[0015]S2.1：在医学标准图像库中选取每一类器官图像作为训练样本；
[0016]S2.2：采用网格化均匀提取训练样本的Sift特征点，对训练样本中每张图像进行均匀化网格划分，得到若干个图像块，计算每个图像块的中心点sift特征描述向量，得到每张图像的特征描述向量集合F
i
；
[0017]S2.3：对训练样本中的所有特征描述向量F
i
进行K均值聚类，获得聚类中心向量集合；
[0018]S2.4：聚类过程得出每个器官包含的特征描述向量集，计算每个器官的特征直方图；
[0019]S2.5：基于修正直方图交叉核函数的相似性度量方法计算选出的医学图像与每个训练样本的相似性，得到相似性矩阵I；
[0020]S2.6：对相似性矩阵进行降序排序，设置k近邻分类中邻域大小d，基于近邻分类器计算得出医学图像所属的器官类别；
[0021]S2.7：根据识别的结果进行医学图像与医学标准图像库中对应器官图像之间的比较，判断两者是否存在差异。
[0022]进一步地，器官图像的比较包括：骨头的外观及形状的比较、骨头之间的间隙的比较、脏器的外观及形状的比较、肿瘤的存在及大小的比较。
[0023]进一步地，所述步骤S3判别依据为：
[0024]若医学图像与医学标准图像库中对应器官图像之间存在差异，则判别医学图像中的该器官存在差异特征，输出显示比较结果和诊断结果；若无差异，则表示医学图像内的器官无异常，输出医学图像和诊断结果。
[0025]进一步地，应用一种医学信息显示方法的显示系统，包括信号连接的医学图像采集模块和医学信息处理显示器；
[0026]医学图像采集模块：用于采集患者身体部位的连续多帧医学图像；
[0027]医学信息处理显示器：接收采集到的连续多帧医学图像，进行图像的优化处理，并与建立的医学标准图像库内的图像进行配准、识别和比较，根据比较结果判别是否存在疾病特征，并进行显示。
[0028]进一步地，所述医学信息处理显示器内包括图像处理优化模块、配准识别比较模块和显示中心；
[0029]图像处理优化模块：接收采集到的连续多帧医学图像，进行处理和优化，得出一帧高分辨率图像；
[0030]配准识别比较模块：将优化后的医学图像与建立的医学标准图像库内的图像进行配准、识别和比较；
[0031]显示中心：根据比较结果判别是否存在差异特征，并进行显示。
[0032]与现有技术相比，本专利技术具有如下显著优点：
[0033]本专利技术提出的一种医学信息显示方法及显示系统，获取多帧连续的医学图像进行处理和优化，得到高分辨率的输出图像。建立医学标准图像库，将选取出的高分辨率医学图
像与医学标准图像库进行配准、识别和比较，并根据比较后的差异医学图像是否存在疾病特征，并输出显示比较结果。此方法方便医生直观的获知患者的医学图像与医学标准图像之间的差异，快速且准确的进行病症的判断，大大的降低了误诊的概率，提高诊断的准确性。
附图说明
[0034]图1为本专利技术实施例提供的一种医学信息显示方法及显示系统的方法流程图；
[0035]图2为本专利技术实施例提供的一种医学信息显示方法及显示系统的系统构成图。
具体实施方式
[0036]下面结合本专利技术中的附图，对本专利技术实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。
[0037]参照图1
‑
2，本专利技术提供了一种医学信息显示方法，包括以下步骤：
[0038]S1、采用医学图像获取装置获取多帧连续的医学图像，通过卷积神经网络进行医学图像的特征提取，并对得到的线性特征图进行修正和优化，选取出一帧高分辨率的医学图像；
[0039]S2、建立医学标准图像库，并从中选取训练样本进行特征向量的聚类，得出训练样本与医学图像的相似性排序，进行医学图像所属器官的类别确定，并与训练样本进行器官的差异比较；
[0040]S3、根据比较结果判别医学图像是否存在差异特征，并输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学信息显示方法，其特征在于，包括以下步骤：S1、采用医学图像获取装置获取多帧连续的医学图像，通过卷积神经网络进行医学图像的特征提取，并对得到的线性特征图进行修正和优化，选取出一帧高分辨率的医学图像；S2、建立医学标准图像库，并从中选取训练样本进行特征向量的聚类，得出训练样本与医学图像的相似性排序，进行医学图像所属器官的类别确定，并与训练样本进行器官的差异比较；S3、根据比较结果判别医学图像是否存在差异特征，并输出显示比较结果。2.如权利要求1所述的一种医学信息显示方法，其特征在于，所述步骤S1中从多帧连续的医学图像中获取一张医学图像的方法步骤为：S1.1、将多帧相邻的医学图像输入到一个通道数为N的卷积层中，其中N为医学图像的帧数，输出线性特征图；S1.2、将线性特征图输入修正线性单元进行修正，得到非线性的特征图；S1.3、将非线性特征图输入具有相同结构的残差网络模块进行优化，得到高频细节特征图；S1.4、将得到的高频细节特征图输入两个亚像素卷积层，提高输出图像的分辨率，得到放大的特征图；S1.5、将放大的特征图输入到最后一个卷积层，将通道数降到RGB通道，输出最终的高分辨率图像。3.如权利要求1所述的一种医学信息显示方法，其特征在于，所述步骤S2中选取的医学图像与医学标准图像库进行配准、识别和比较的步骤如下所示：S2.1：在医学标准图像库中选取每一类器官图像作为训练样本；S2.2：采用网格化均匀提取训练样本的Sift特征点，对训练样本中每张图像进行均匀化网格划分，得到若干个图像块，计算每个图像块的中心点sift特征描述向量，得到每张图像的特征描述向量集合F
i
；S2.3：对训练样本中的所有特征描述向量F
i
进行K均值聚类，获得聚类中心向量集合；S2.4：聚类过程得出每...

【专利技术属性】
技术研发人员：刘冬，鲁玮，靳蓓蓓，朱向明，
申请(专利权)人：皖南医学院第一附属医院皖南医学院弋矶山医院，
类型：发明
国别省市：