一种基于大数据的超声影像管理方法及系统技术方案

本发明专利技术涉及影像管理技术领域，具体为一种基于大数据的超声影像管理方法及系统，包括：对超声影像进行分帧提取，采集超声探头的位置信息和探测角度信息，不同用户在目标检测部位的超声影像；分析异常图像在探测位置上的连续性，图像的异常程度，确认两者之间的距离；分析任意异常图像探测位置的历史关联性，并根据历史关联性初步确认关联范围，匹配所有关联图像和相应的探测角度，筛选出关联范围中满足异常图像替换要求的关联图像，还原出清晰的图像数据；将还原出的图像数据发送至终端，通过识别模糊影像并进行智能还原，极大的提高了医生对超声影像的检测和评估能力。超声影像的检测和评估能力。超声影像的检测和评估能力。

【技术实现步骤摘要】
一种基于大数据的超声影像管理方法及系统


[0001]本专利技术涉及影像管理
，具体为一种基于大数据的超声影像管理方法及系统。

技术介绍

[0002]随着我国医学水平的不断进步，将超声成像技术应用到医学诊断领域，从静态向动态图像发展，从黑白向彩色图像过渡，从二维图像向三维图像迈进，从反射法向透射法探索，以求得到专一性、特异性的超声信号，达到定量化、特异性诊断的目的。
[0003]超声成像技术是利用超声波束扫描人体，通过对反射信号的接收、处理，以获得体内器官的图像；一般情况下，医生进行超声影像探测时，若探测到模糊影像，为了对病灶图像的判断和识别更加的精准，往往需要返回到出现模糊影像的位置进行重新超声探测，浪费医生大量的检测时间，降低医患检测效率，因此如何对模糊影像进行智能识别和还原成为目前亟待解决的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于大数据的超声影像管理方法及系统，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的超声影像管理方法，其特征在于：包括以下步骤：步骤S100：利用超声成像技术探测目标用户在目标检测部位的超声影像，并对超声影像进行分帧提取，形成超声图像序列；采集获得超声图像序列中任意帧超声图像时超声探头的位置信息和探测角度信息，形成位置集；采集历史数据中不同用户在目标检测部位的超声影像，形成历史影像集；步骤S200：根据超声图像序列对出现模糊特征的超声图像进行捕捉，形成异常图像集；提取异常图像内各目标超声图像在超声图像序列中的位置编号信息，分析位置编号的连续性；根据连续性分析图像的异常程度，初步判断出现模糊特征的超声图像是否可进行图像还原；步骤S300：若满足图像还原判断，比较各目标超声图像和超声图像序列A内其他未出现模糊特征的超声图像之间的距离；根据历史影像集中任意超声影像的图像轮廓特征分析各目标超声图像在探测位置上的历史关联性，基于历史关联性初步确认各目标超声图像的关联范围；步骤S400：根据各目标超声图像的关联范围匹配相应的关联图像和探测角度，基于探测角度的变化对各目标超声图像的所有关联图像进行校验，锁定图像还原组并利用整合算法智能还原出清晰的图像数据；步骤S500：将还原出的图像数据发送至终端，并通知医生做进一步检测和评估。
[0006]进一步的，步骤S100包括：
步骤S110：利用超声成像技术探测目标用户在目标检测部位的超声影像，并对超声影像进行分帧提取，形成超声图像序列A={a1,a2,
…
,an}，其中a1,a2,
…
,an表示在时间序列上的第1,2,
…
,n帧超声图像数据；采集获得超声图像序列中任意帧超声图像时超声探头的位置信息和探测角度信息，形成位置集B={b1,b2,
…
,bn}，其中b1,b2,
…
,bn表示获得第1,2,
…
,n帧超声图像时超声探头的位置信息和探测角度信息，且每一个检测位置点的间隔距离均很近；步骤S120：采集历史数据中不同用户在目标检测部位的超声影像，形成历史影像集C。
[0007]进一步的，步骤S200包括：步骤S210：利用opencv模糊检测算法对超声图像序列A中出现模糊特征的超声图像进行捕捉，将所述出现模糊特征的超声图像设为目标超声图像；对所有目标超声图像进行汇集，得到异常图像集*A={*a1,*a2,
…
,*am}，其中*a1,*a2,
…
,*am分别表示在超声图像序列A中出现的第1,2,
…
,m个目标超声图像；对异常图像集*A={*a1,*a2,
…
,*am}内各目标超声图像在超声图像序列A中对应的位置编号信息进行提取，得到位置信息集合I={c1，c2,
…
,cm}，其中c1，c2,
…
,cm表示第1,2,
…
,m个目标超声图像对应的位置编号信息；其中，所述opencv模糊检测算法属于本领域技术人员的常规技术手段，因此在本申请中就不再做出过多的赘述；步骤S220：为了分析所有异常图像在探测位置上存在连续性：依次对所述位置信息集合I内每两个目标超声图像对应的位置编号信息进行提取，当第j个目标超声图像*aj的位置信号信息cj，与第j+1个目标超声图像*a(j+1)的位置信息c(j+1)之间满足c(j+1)
‑
cj=1，判断在aj与a(j+1)之间构成一个图像模糊节点，逐一对位置信息集合I内存在的所有图像模糊节点进行提取，得到图像模糊节点总数g；则计算异常图像集*A的异常程度为β=m/n+g/(m
‑
1)，当异常图像集*A的异常程度β小于异常阈值ρ时，初步判断可用超声图像序列A内其他未出现模糊特征的超声图像，对所述异常图像集*A={*a1,*a2,
…
,*am}内的目标超声图像进行图像还原；反之，若异常程度β大于异常阈值时，表明出现模糊特征的异常图像可能是由于设备故障或者医生的非常规操作手段等问题导致的，属于非自然因素，无法进行图像还原，则通知相关人员进行检查；属于判断是否可以进行图像还原的初步条件；通过利用opencv模糊检测算法对异常图像进行捕捉，分析异常图像在探测位置上的连续性，并根据连续性确认异常图像集的异常程度，作为判断是否可以进行图像还原的初步条件，避免因设备故障或者医生误操作等非常规因素加大系统运算时间的问题。
[0008]进一步的，步骤S300包括：步骤S310：当异常程度β小于异常阈值时，对异常图像集*A内各目标超声图像*aj对应超声探头的位置信息进行获取；获取超声图像序列A内其他未出现模糊特征的超声图像，形成正常图像集A
’
，得到各目标超声图像*aj的位置和正常图像集A
’
内所有超声图像的位置距离集合d；步骤S320：对历史影像集C内各超声图像序列进行遍历，其中，对目标检测部位进行一次历史检测产生一个对应的超声图像序列；当在某个超声图像序列中，出现2张以上的超声图像所对应超声探头的位置信息相同，将所述位置信息设为所述某个超声图像序列中
的异常标识位置；分别将各异常标识位置对应的第一张超声图像和最后一张超声图像设为所述异常标识位置的原始图像数据fk和标识图像*fk；分别对各异常标识位置中的标识图像*fk根据图像比例分割为e*e个区块，则利用轮廓特征提取算法对各标识图像中任意区块的轮廓特征进行提取，形成各标识图像对应的特征集合G={g1,g2,
…
,g(e*e)}，其中g1,g2,
…
,g(e*e)表示各标识图像中第1,2,
…
,e*e个区块对应的轮廓特征；步骤S330：将某个超声图像序列中各异常标识位置对应的原始图像数据fk进行剔除，并对剔除后剩余的所有超声图像进行轮廓特征提取，形成待定特征图像集合H；将各标识图像对应的特征集合G和待定特征图像集合H本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的超声影像管理方法，其特征在于：包括以下步骤：步骤S100：利用超声成像技术探测目标用户在目标检测部位的超声影像，并对超声影像进行分帧提取，形成超声图像序列；采集获得超声图像序列中任意帧超声图像时超声探头的位置信息和探测角度信息，形成位置集；采集历史数据中不同用户在目标检测部位的超声影像，形成历史影像集；步骤S200：根据超声图像序列对出现模糊特征的超声图像进行捕捉，形成异常图像集；提取异常图像内各目标超声图像在超声图像序列中的位置编号信息，分析位置编号的连续性；根据连续性分析图像的异常程度，初步判断出现模糊特征的超声图像是否可进行图像还原；步骤S300：若满足图像还原判断，比较各目标超声图像和超声图像序列A内其他未出现模糊特征的超声图像之间的距离；根据历史影像集中任意超声影像的图像轮廓特征分析各目标超声图像在探测位置上的历史关联性，基于历史关联性初步确认各目标超声图像的关联范围；步骤S400：根据各目标超声图像的关联范围匹配相应的关联图像和探测角度，基于探测角度的变化对各目标超声图像的所有关联图像进行校验，锁定图像还原组并利用整合算法智能还原出清晰的图像数据；步骤S500：将还原出的图像数据发送至终端，并通知医生做进一步检测和评估。2.根据权利要求1所述的一种基于大数据的超声影像管理方法，其特征在于：所述步骤S100包括：步骤S110：利用超声成像技术探测目标用户在目标检测部位的超声影像，并对超声影像进行分帧提取，形成超声图像序列A={a1,a2,
…
,an}，其中a1,a2,
…
,an表示在时间序列上的第1,2,
…
,n帧超声图像；采集获得超声图像序列中任意帧超声图像时超声探头的位置信息和探测角度信息，形成位置信息集B={b1,b2,
…
,bn}，其中b1,b2,
…
,bn表示获得第1,2,
…
,n帧超声图像时超声探头的位置信息和探测角度信息；步骤S120：采集历史数据中不同用户在目标检测部位的超声影像，形成历史影像集C。3.根据权利要求2所述的一种基于大数据的超声影像管理方法，其特征在于：所述步骤S200包括：步骤S210：利用opencv模糊检测算法对超声图像序列A中出现模糊特征的超声图像进行捕捉，将所述出现模糊特征的超声图像设为目标超声图像；对所有目标超声图像进行汇集，得到异常图像集*A={*a1,*a2,
…
,*am}，其中*a1,*a2,
…
,*am分别表示在超声图像序列A中出现的第1,2,
…
,m个目标超声图像；对异常图像集*A={*a1,*a2,
…
,*am}内各目标超声图像在超声图像序列A中对应的位置编号信息进行提取，得到位置信息集合I={c1，c2,
…
,cm}，其中c1，c2,
…
,cm表示第1,2,
…
,m个目标超声图像对应的位置编号信息；步骤S220：依次对所述位置信息集合I内每两个目标超声图像对应的位置编号信息进行提取，当第j个目标超声图像*aj的位置信号信息cj，与第j+1个目标超声图像*a(j+1)的位置信息c(j+1)之间满足c(j+1)
‑
cj=1，判断在aj与a(j+1)之间构成一个图像模糊节点，逐一对位置信息集合I内存在的所有图像模糊节点进行提取，得到图像模糊节点总数g；则计算异常图像集*A的异常程度为β=m/n+g/(m
‑
1)，当异常图像集*A的异常程度β小于异常阈值ρ时，初步判断可用超声图像序列A内其他未出现模糊特征的超声图像，对所述异常图像集*
A={*a1,*a2,
…
,*am}内的目标超声图像进行图像还原。4.根据权利要求3所述的一种基于大数据的超声影像管理方法，其特征在于：所述步骤S300包括：步骤S310：当异常程度β小于异常阈值时，对异常图像集*A内各目标超声图像*aj对应超声探头的位置信息进行获取；获取超声图像序列A内其他未出现模糊特征的超声图像，形成正常图像集A
’
，得到各目标超声图像*aj的位置和正常图像集A
’
内所有超声图像的位置距离集合d；步骤S320：对历史影像集C内各超声图像序列进行遍历，其中，对目标检测部位进行一次历史检测产生一个对应的超声图像序列；当在某个超声图像序列中，出现2张以上的超声图像所对应超声探头的位置信息相同，将所述位置信息设为所述某个超声图像序列中的异常标识位置；分别将各异常标识位置对应的第一张超声图像和最后一张超声图像设为所述异常标识位置的原始图像数据fk和标识图像*fk；分别对各异常标识位置中的标识图像*fk根据图像比例分割为e*e个区块，则利用轮廓特征提取算法对各标识图像中任意区块的轮廓特征进行提取，形成各标识图像对应的特征集合G={g1,g2,
…
,g(e*e)}，其中g1,g2,
…
,g(e*e)表示各标识图像中第1,2,
…
,e*e个区块对应的轮廓特征；步骤S330：将某个超声图像序列中各异常标识位置对应的原始图像数据fk进行剔除，并对剔除后剩余的所有超声图像进行轮廓特征提取，形成待定特征图像集合H；将各标识图像对应的特征集合G和待定特征图像集合H进行相似度匹配，分别筛选出特征集合G...

【专利技术属性】
技术研发人员：郑依颖，蔡伟忠，许培达，
申请(专利权)人：广州索诺星信息科技有限公司，
类型：发明
国别省市：