可视化癌症检测辅助诊断仪制造技术

本发明专利技术公开了可视化癌症检测辅助诊断仪，包括个人电脑、硬件部分和软件部分，其中所述个人电脑通过读取数据管理库图像将CT三维重建图像进行分割形成四方位成像，所述硬件部分为三维全息显示，所述软件部分为云端医学辅助诊断，所述硬件部分利用快速傅里叶变化实现CT三维图像重建，得到物光波信息，再对物光波信息进行离散化；可实现多种癌症的有效快速诊断，其结果的准确率高，需要强调的是像肺癌等早期阶段人工诊断难的癌症利用本发明专利技术的诊断仪也可实现，具有适合于所有用户的特点，对于无医学经验的用户利用我们的平台也可进行操作，患者也可利用本发明专利技术中的三维全息显示所呈现的三维立体可视化图像观看病灶所在位置。现的三维立体可视化图像观看病灶所在位置。现的三维立体可视化图像观看病灶所在位置。

【技术实现步骤摘要】
可视化癌症检测辅助诊断仪


[0001]本专利技术涉及癌症检测诊断
，特别涉及可视化癌症检测辅助诊断仪。

技术介绍

[0002]在新冠疫情的大背景下，医学影像需求增大。医疗需求攀升造成医疗负担重、供给失衡的局面，引发影像检查等待时间长、误诊漏诊率高、服务质量差等问题，医疗设备诊断效率亟待提高，现有的癌症检测辅助诊断不能进行病灶部位的自动化识别，仅能进行医学影像的三维重建，且对于非CT专业医师，特别是手术者理解较为困难，为此，我们提出可视化癌症检测辅助诊断仪。
[0003]目前，我国的医学影像领域主要存在以下问题：
[0004]1、医学影领域专业医生缺口巨大
[0005]医院影像图片量每年有40％左右的增长，但是医院每年影像医生的数量却顶多只以4.1％的速度在增加，医学影像科医生缺口较大。
[0006]2、医学影像误诊漏诊率偏高
[0007]人工诊断工作量大、重复性高是导致此问题的主要原因。繁重的工作使得医生易于疲劳，因此误诊和漏诊率高。中国医学会数据显示，中国临床医疗总误诊率在27.8％。
[0008]3、医学影像诊断速度有限
[0009]影像科医生读片、勾画、标注耗费时间长，对每个病人的影像诊断平均花费3到5个小时的时间，同时，医生还需要根据影像诊断结果确定不同的检查方案或者手术方案，因此医学影像诊断速度极为受限。

技术实现思路

[0010]本专利技术的主要目的在于提供可视化癌症检测辅助诊断仪。
[0011]为实现上述目的，本专利技术采取的技术方案为：
[0012]可视化癌症检测辅助诊断仪，包括个人电脑、硬件部分和软件部分，其中所述个人电脑通过读取数据管理库图像将CT三维重建图像进行分割形成四方位成像，所述硬件部分为三维全息显示，所述软件部分为云端医学辅助诊断；
[0013]所述硬件部分利用快速傅里叶变化实现CT三维图像重建，得到物光波信息，再对物光波信息进行离散化，根据菲涅尔衍射计算公式，得到物光波在全息面上光场的分布，当所有CT图像计算完毕，利用博奇编码，将物光波在全息面上的光场分布的复值函数转变为非负函数，得到全息图函数，最后将全息图函数进行绘制，将呈现的全息图放在全息仪器上显示；
[0014]所述软件部分实现的原理是GAN、U
‑
net、3D
‑
CNN的串联，首先将CT影像数据进行数据预处理，图像变换和GAN结合对数据进行增强，通过U
‑
net分割结节，分割结束后，3D
‑
CNN对假阳性进行过滤，通过模型整合后将诊断结果展示在网络平台。
[0015]本专利技术进一步的改进在于，所述硬件部分三维全息显示包括以下步骤：
[0016]第一步：计算机读入CT图像数据。
[0017]第二步：通过快速傅里叶变换计算指定参数下三维数字图像每个切片的菲涅尔衍射场分布。
[0018]第三步：计算机模拟物光波分布。
[0019]第四步：叠加三维物体所有切片的复振幅信息，得到总体物光波分布。
[0020]第五步：判断是否读入所有CT图像。
[0021]第六步：利用计算机模拟参考光分布得到菲涅尔衍射光场。
[0022]第七步：利用博奇编码对光场分布进行编码，计算干涉条纹分布，得到三维物体的菲涅尔计算全息并在全息显示仪上展示。
[0023]本专利技术进一步的改进在于，CT图像数据处理如下：
[0024]第一步：利用菲涅尔衍射对CT数据图像进行处理得到衍射图。
[0025]第二步：物光波和平面参考光在全息面上干涉叠加形成干涉条纹记录物体的相位信息，从而得出全息照片。
[0026]本专利技术进一步的改进在于，所述软件部分诊断流程包括以下步骤：
[0027]第一步：CT扫描，通过发射X射线生成不同器官的CT图像。
[0028]第二步：通过直方图均衡化处理使肺部CT图像中的各种组织具有更高的对比度。
[0029]第三步：通过二值化使图像具有较高的对比度。
[0030]第四步：通过ROI提取图像的低层特征，使图像符合生物的视觉注意机制。
[0031]第五步：利用GAN通过模型的互相博弈学习产生更好的输出。
[0032]第六步：通过U
‑
Net对医学图像进行分割处理。
[0033]第七步：通过3D
‑
CNN对假阳性进行过滤。
[0034]第八步：将预测数据进行融合，得到最终分类结果。
[0035]本专利技术进一步的改进在于，网络平台搭建包括以下步骤：
[0036]第一步：基于Django框架搭建网站。
[0037]第二步：利用Nginx进行支持负载均衡和反向代理服务器。
[0038]第三步：使用docker技术快速部署应用。
[0039]1、与现有技术相比，本专利技术可实现多种癌症的有效快速诊断，其结果的准确率高，需要强调的是像肺癌等早期阶段人工诊断难的癌症利用本专利技术的诊断仪也可实现。
[0040]2、与现有技术相比，本专利技术具有适合于所有用户的特点，对于无医学经验的用户利用我们的平台也可进行操作，患者也可利用本专利技术中的三维全息显示所呈现的三维立体可视化图像观看病灶所在位置，对于医生而言，还可利用本专利技术中的硬件设备三维全息显示进行医学辅助诊断。
附图说明
[0041]图1为本专利技术可视化癌症检测辅助诊断仪的使用流程图。
[0042]图2为本专利技术可视化癌症检测辅助诊断仪CT图像数据预处理的流程图。
具体实施方式
[0043]下面结合具体实施方式对本专利技术作进一步的说明，其中，附图仅用于示例性说明，
表示的仅是示意图，而非实物图，不能理解为对本专利的限制，为了更好地说明本专利技术的具体实施方式，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸，对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的，基于本专利技术中的具体实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他具体实施方式，都属于本专利技术保护的范围。
[0044]具体实施方式
[0045]请参阅图1
‑
2，本专利技术提供以下技术方案：可视化癌症检测辅助诊断仪，包括个人电脑、硬件部分和软件部分，其中个人电脑通过读取数据管理库图像将CT三维重建图像进行分割形成四方位成像，硬件部分为三维全息显示，软件部分为云端医学辅助诊断；
[0046]硬件部分利用快速傅里叶变化实现CT三维图像重建，得到物光波信息，再对物光波信息进行离散化，根据菲涅尔衍射计算公式，得到物光波在全息面上光场的分布，当所有CT图像计算完毕，利用博奇编码，将物光波在全息面上的光场分布的复值函数转变为非负函数，得到全息图函数，最后将全息图函数进行绘制，将呈现的全息图放在全息仪器上显示；
[0047]软件部分实现的原理是GAN、U
‑
net、3D<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.可视化癌症检测辅助诊断仪，其特征在于：包括个人电脑、硬件部分和软件部分，其中所述个人电脑通过读取数据管理库图像将CT三维重建图像进行分割形成四方位成像，所述硬件部分为三维全息显示，所述软件部分为云端医学辅助诊断；所述硬件部分利用快速傅里叶变化实现CT三维图像重建，得到物光波信息，再对物光波信息进行离散化，根据菲涅尔衍射计算公式，得到物光波在全息面上光场的分布，当所有CT图像计算完毕，利用博奇编码，将物光波在全息面上的光场分布的复值函数转变为非负函数，得到全息图函数，最后将全息图函数进行绘制，将呈现的全息图放在全息仪器上显示；所述软件部分实现的原理是GAN、U
‑
net、3D
‑
CNN的串联，首先将CT影像数据进行数据预处理，图像变换和GAN结合对数据进行增强，通过U
‑
net分割结节，分割结束后，3D
‑
CNN对假阳性进行过滤，通过模型整合后将诊断结果展示在网络平台。2.根据权利要求1所述的可视化癌症检测辅助诊断仪，其特征在于，所述硬件部分三维全息显示包括以下步骤：第一步：计算机读入CT图像数据；第二步：通过快速傅里叶变换计算指定参数下三维数字图像每个切片的菲涅尔衍射场分布；第三步：计算机模拟物光波分布；第四步：叠加三维物体所有切片的复振幅信息，得到总体物光波分布；第五步：判断是否读入所有CT图像；...

【专利技术属性】
技术研发人员：孙瑞娜，庞岳鑫，刘乐，程前，聂君燕，姚珈安，
申请(专利权)人：中北大学，
类型：发明
国别省市：