一种医学影像数据处理方法及系统技术方案

本发明专利技术公开一种医学影像数据处理方法及系统，其方法包括步骤：S1、根据病理过程的不同时期采集同一病变位置处图像数据；S2、对图像数据进行预处理，获取最优病理表现图片；S3、通过图片特征识别算法抓取最优病理表现图片中病变特征；S4、根据病理过程的时间先后顺序，将病理过程的不同时期最优病理表现图片拼接为影像；S5、按照病理过程的时间先后顺序，逐一判断每个最优病理表现图片中的病变特征是否加重；S6、将步骤S4中拼接的影像和病变加重信息发送至用户端，告知用户；S7、进一步判断病变特征是否减轻，若没有减轻，则返回步骤S3中，切换至另一类病变特征；S8、将步骤S4中拼接的影像和病变减轻信息发送至用户端，告知用户。本发明专利技术通过病理过程的不同时期医学影像综合展示其病理过程的变化。其病理过程的变化。其病理过程的变化。

【技术实现步骤摘要】
一种医学影像数据处理方法及系统


[0001]本专利技术属于图像数据处理
，具体来说，涉及一种医学影像数据处理方法及系统。

技术介绍

[0002]医学影像技术是现代医学诊断的主要手段之一，X射线成像，计算机断层成像，磁共振成像，B超等医学影像设备的广泛运用，极大促进了医学诊断治疗方式的发展。病理学诊断中依靠医学图像的形态学来识别细胞，与组织中各类细胞的含量、分布、形态等异常的表现，从而结合临床资料确定疾病的良恶性、类型分组、恶性程度、判断预后、指导临床治疗等。病理学诊断的方法类别较多，其中以图像诊断为一大类别，包括HE染色、巴氏染色、特殊染色、免疫组化、免疫荧光、电子显微镜等医学图像。人工智能、机器学习、深度学习等多种计算机技术已逐渐广泛应用于自然图像识别的领域，目前人工智能在肺CT影像中已取得相应的进展。随着算力及算法的不断迭代与提升，未来对于依靠人类经验识别的自然图像领域将会有更深入的发展。
[0003]在专利号为CN201910532706.5的中国专利技术专利中，公开了一种医学图像处理方法，所述方法包括：获取医学图像，对所述医学图像进行数字化处理得到数字医学图像；对所述数字医学图像中的各个区域进行特征识别，得到每个区域对应的图像特征，所述图像特征包括：颜色特征、形态特征、纹理特征中的至少一种；根据各个区域对应的图像特征将所述数字医学图像中的区域分为多个类别，具有相同或相似图像特征的区域属于同一类别。本专利技术通过自动化实现医学图像的数字化处理、识别每个区域对应的图像特征、把相同或相似图像特征的区域进行归类得出病理图像区域，从而后续让医生只从事相对简洁而不费时的审核工作。因此，本专利技术自动化、快捷、准确的识别出病理图像区域，提高了医生工作效率。
[0004]现有专利的缺陷在于，虽然实现了相同或相似图像特征的区域进行归类得出病理图像区域，但缺乏多期医学影像综合展示其病理过程的变化。

技术实现思路

[0005]针对现有医学图像处理方法缺乏多期医学影像综合展示其病理过程的变化的问题，本专利技术提供了一种医学影像数据处理方法及系统。
[0006]为实现上述技术目的，本专利技术采用的技术方案如下：
[0007]一种医学影像数据处理方法，包括步骤：
[0008]S1、根据病理过程的不同时期采集同一病变位置处图像数据；
[0009]S2、对图像数据进行预处理，获取最优病理表现图片；
[0010]S3、通过图片特征识别算法抓取最优病理表现图片中病变特征；
[0011]S4、根据病理过程的时间先后顺序，将病理过程的不同时期最优病理表现图片拼接为影像；
[0012]S5、按照病理过程的时间先后顺序，逐一判断每个最优病理表现图片中的病变特征是否加重，若加重，进入步骤S6，若没有加重，进入步骤S7；
[0013]S6、将步骤S4中拼接的影像和病变加重信息发送至用户端，告知用户；
[0014]S7、进一步判断病变特征是否减轻，若没有减轻，则返回步骤S3中，切换至另一类病变特征，若减轻进入步骤S8；
[0015]S8、将步骤S4中拼接的影像和病变减轻信息发送至用户端，告知用户。
[0016]进一步地，病变特征包括颜色特征、数量特征、形态特征和线条特征。
[0017]进一步地，图像数据进行预处理的详细步骤包括：
[0018]S201、对图像数据的视频流进行分割，获取图像数据的所有病理表现图片；
[0019]S202、病理表现图片相互之间逐一比对；
[0020]S203、获取颜色和轮廓表现最清晰的图片，作为最优病理表现图片。
[0021]进一步地，图片特征识别算法包括步骤：
[0022]S301、通过最优病理表现图片与同一病变位置处正常的表现图片比对，获取可能导致病变的所有特征；
[0023]S302、通过可能导致病变的所有特征建立病变特征数据库；
[0024]S303、将不同病变特征分类存储；
[0025]S304、根据每一类别中病变特征程度不同，选取程度最重的病变特征作为最优病理表现病变特征。
[0026]一种医学影像数据处理系统，包括病变位置处图像数据采集模块、图像数据预处理模块、病变特征抓取模块、病理过程影像拼接模块、病变特征是否加重判断模块、病变特征切换模块、通信模块和数据库；
[0027]病变位置处图像数据采集模块，用于根据病理过程的不同时期采集同一病变位置处图像数据；
[0028]图像数据预处理模块与病变位置处图像数据采集模块通信连接，通过图像分割算法，将图像数据分割病理表现图片，获取颜色和轮廓表现最清晰的图片；
[0029]病变特征抓取模块与图像数据预处理模块通信连接，通过图片特征识别算法抓取最优病理表现图片中病变特征；
[0030]病理过程影像拼接模块与病变特征抓取模块通信连接，根据病理过程的时间先后顺序，将病理过程的不同时期最优病理表现图片拼接为影像；
[0031]病变特征是否加重判断模块与病理过程影像拼接模块通信连接，按照病理过程的时间先后顺序，逐一判断每个最优病理表现图片中的病变特征是否加重或减轻；
[0032]病变特征切换模块与病变特征是否加重判断模块，对病变特征没有变化的影像，切换其它病变特征重新判断病变特征是否加重；
[0033]通信模块，将病变特征程度加重或减轻与最优病理表现图片拼接的影像一并传输至用户端；
[0034]数据库，用于存储图像数据和最优病理表现图片拼接的影像。
[0035]本专利技术相比现有技术，具有如下有益效果：
[0036]通过病理过程的不同时期医学影像综合展示其病理过程的变化，并实现了病变特征程度轻重变化的判断，辅助用户和医生判断病情情况。
附图说明
[0037]图1为本专利技术实施例一种医学影像数据处理方法的整体流程图；
[0038]图2为本专利技术实施例一种医学影像数据处理系统的结构框图。
[0039]图中标记说明：10
‑
病变位置处图像数据采集模块，20
‑
图像数据预处理模块，30
‑
病变特征抓取模块，40
‑
病理过程影像拼接模块，50
‑
病变特征是否加重判断模块，60
‑
病变特征切换模块，70
‑
通信模块，80
‑
数据库。
具体实施方式
[0040]为了便于本领域技术人员的理解，下面结合实施例与附图对本专利技术作进一步的说明，实施方式提及的内容并非对本专利技术的限定。
[0041]如图1所示，本实施例提供了一种医学影像数据处理方法，包括步骤：
[0042]S1、根据病理过程的不同时期采集同一病变位置处图像数据；
[0043]S2、对图像数据进行预处理，获取最优病理表现图片；
[0044]S3、通过图片特征识别算法抓取最优病理表现图片中病变特征；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学影像数据处理方法，其特征在于，包括步骤：S1、根据病理过程的不同时期采集同一病变位置处图像数据；S2、对图像数据进行预处理，获取最优病理表现图片；S3、通过图片特征识别算法抓取最优病理表现图片中病变特征；S4、根据病理过程的时间先后顺序，将病理过程的不同时期最优病理表现图片拼接为影像；S5、按照病理过程的时间先后顺序，逐一判断每个最优病理表现图片中的病变特征是否加重，若加重，进入步骤S6，若没有加重，进入步骤S7；S6、将步骤S4中拼接的影像和病变加重信息发送至用户端，告知用户；S7、进一步判断病变特征是否减轻，若没有减轻，则返回步骤S3中，切换至另一类病变特征，若减轻进入步骤S8；S8、将步骤S4中拼接的影像和病变减轻信息发送至用户端，告知用户。2.根据权利要求1所述的一种医学影像数据处理方法，其特征在于，病变特征包括颜色特征、数量特征、形态特征和线条特征。3.根据权利要求2所述的一种医学影像数据处理方法，其特征在于，图像数据进行预处理的详细步骤包括：S201、对图像数据的视频流进行分割，获取图像数据的所有病理表现图片；S202、病理表现图片相互之间逐一比对；S203、获取颜色和轮廓表现最清晰的图片，作为最优病理表现图片。4.根据权利要求3所述的一种医学影像数据处理方法，其特征在于，图片特征识别算法包括步骤：S301、通过最优病理表现图片与同一病变位置处正常的表现图片比对，获取可能导致病变的所有特征；S302、通过可能导致病变的所有特征建立病变特征数据库；S303、将不同病变特征...

【专利技术属性】
技术研发人员：萧毅，邹勤，刘士远，崔园园，徐少春，弓静，李树平，陆坚，白光涛，
申请(专利权)人：德为智慧医疗科技北京有限公司，
类型：发明
国别省市：