一种医疗智能显示器控制方法技术

本发明专利技术涉及一种医疗智能显示器控制方法

【技术实现步骤摘要】
一种医疗智能显示器控制方法、装置、设备及存储介质


[0001]本专利技术属于医疗
，具体涉及一种医疗智能显示器控制方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]随着各种医疗影像设备的快速发展，以及数字图像处理技术的日益成熟和普及，医学显示器作为阅读载体在疾病诊断和检测方面变得更加主流和全面
。
由于医用显示器是医疗影像的最终显示，因此图像的显示质量和稳定性直接影响临床诊断的准确性
。
传统的医疗检测设备存在着技术局限，医疗人员诊断病情的技术也存在着差异，面临着遗漏诊断
、
错误诊断的风险
。

技术实现思路

[0003]为解决现有技术中存在的上述问题，本专利技术提供了一种医疗智能显示器控制方法
、
装置
、
设备及存储介质
。
[0004]本专利技术的目的可以通过以下技术方案实现：
[0005]S1
：获取医疗探测信号，通过对所述医疗探测信号进行时域频域分析转换为数字医疗图像；
[0006]S2
：对所述数字医疗图像进行分类得到医疗图像类型，将所述医疗图像类型转化为模态数据，通过对所述模态数据进行小波变换和小波逆变换得到融合图像；
[0007]S3
：根据所述模态数据和所述融合图像预设医疗图像分类数据集，对所述医疗图像分类数据集训练得到数据分析模型；
[0008]S4
：对所述数字医疗图像进行图像处理得到医疗配准图像，通过所述数据分析模型确定所述医疗图像类型对应的医疗配准图像；
[0009]S5
：将所述医疗配准图像进行图像分割生成掩膜数据，通过移动立方体算法对所述掩膜数据进行三维重建得到
obj
模型，将所述
obj
模型显示在对应的显示区域内
。
[0010]具体地，所述步骤
S1
包括：
[0011]通过对所述医疗探测信号进行时域采样得到脉冲序列和脉冲序列频谱，对所述脉冲序列和所述脉冲序列频谱卷积得到离散时间信号，通过对所述脉冲序列频谱进行傅里叶变换得到离散时间傅里叶变换，计算公式为：
[0012][0013]其中，
n
为时域自变量取值，
x(n)
为离散时间信号，
w
为角频率，
j
为
DTFT(x(n))
为离散时间傅里叶变换；
[0014]对所述医疗探测信号进行频域采样得到频域采样序列和频域采样序列频谱，通过
对所述离散时间傅里叶变换和所述频域采样序列频谱进行卷积得到离散傅里叶变换，计算公式为：
[0015][0016]其中，
n
为时域自变量取值，
x(n)
为离散时间信号，
w
为角频率，
j
为
k
为频域自变量取值，
X(k)
为频域中的序列，
N
为变换区间的长度；
[0017]通过对所述离散傅里叶变换采样并截取主值得到数字医疗图像
。
[0018]具体地，所述步骤
S2
具体包括以下步骤：
[0019]通过信号传输通道得到
CT
图像模态数据
、
核磁共振图像模态数据
、
内窥镜图像模态数据；
[0020]将所述
CT
图像模态数据和所述核磁共振图像模态数据进行小波变换得到多尺度分解系数矩阵；
[0021]将所述多尺度分解系数矩阵进行融合处理得到多尺度图像；
[0022]对所述多尺度图像进行小波逆变换得到融合图像
。
[0023]具体地，所述步骤
S3
具体包括以下步骤：
[0024]对所述医疗图像分类数据集进行卷积运算，得到具象特征，计算公式为：
[0025][0026]其中，
b
为偏置值；
l
为卷积层数，
(i
，
j)
为图像像素点的坐标值；
Z
l
为第
l+1
层的卷积输入特征图；
Z
l+1
为第
l+1
层的卷积输出特征图；
k
为特征图的通道数，
f
为卷积核大小，
s0为卷积步长，
w
为权重值；
[0027]将所述具象特征通过池化减少训练参数的数量，得到具象特征向量；
[0028]将所述具象特征向量通过激活函数计算出激活数据，通过预设模型对所述激活数据进行分类，得到模型参数；
[0029]对所述模型参数通过计算最小化损失函数，得到数据分析模型
。
[0030]具体地，所述步骤
S4
具体包括以下步骤：
[0031]S401
：通过高斯滤波平滑所述数字医疗图像，计算得到医疗图像像素点梯度强度和医疗图像像素点梯度方向，计算公式为：
[0032][0033][0034]其中
G
为所述医疗图像像素点梯度强度，
G
x
为医疗图像像素点水平方向
Sobel
算子，
G
y
为医疗图像像素点垂直方向
Sobel
算子，
θ
为所述医疗图像像素点梯度方向；
[0035]S402
：筛选所述医疗图像像素点梯度方向上医疗图像像素点梯度强度的最大值得到重构医疗图像像素点梯度强度，判断所述重构医疗图像像素点梯度强度是否在预设阈值
区间范围内，是，则保留所述重构医疗图像像素点梯度强度对应的重构医疗图像像素点，否，则删除所述医疗图像像素点；
[0036]S403
：重复步骤
S401
至
S402
得到重构图像，所述重构图像是所述医疗图像像素点组成的集合；
[0037]S404
：对所述重构图像进行特征提取得到特征重构图像，计算所述特征重构图像的形变场，根据所述形变场对所述重构图像进行变换，得到医疗配准图像
。
[0038]具体地，所述步骤
S5
具体包括以下步骤：
[0039]将所述医疗配准图像转换为
png
格式图像，对所述
png
格式图像进行滤波和灰度拉伸得到体数据；
[0040]遍历所述体数据邻域内的像素点，分离出灰度值大于预设阈值的点，得到所述掩膜数据；
[0041]对所述掩膜数据进行重新设定，将取值转化为自然数保存为掩膜数组构建体素单元，对所述体素单元进行遍历得到
obj
模型，将所述
obj
模型绘制在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种医疗智能显示器控制方法，其特征在于，包括如下步骤：
S1
：获取医疗探测信号，通过对所述医疗探测信号进行时域频域分析转换为数字医疗图像；
S2
：对所述数字医疗图像进行分类得到医疗图像类型，将所述医疗图像类型转化为模态数据，通过对所述模态数据进行小波变换和小波逆变换得到融合图像；
S3
：根据所述模态数据和所述融合图像预设医疗图像分类数据集，对所述医疗图像分类数据集训练得到数据分析模型；
S4
：对所述数字医疗图像进行图像处理得到医疗配准图像，通过所述数据分析模型确定所述医疗图像类型对应的医疗配准图像；
S5
：将所述医疗配准图像进行图像分割生成掩膜数据，通过移动立方体算法对所述掩膜数据进行三维重建得到
obj
模型，将所述
obj
模型显示在对应的显示区域内
。2.
根据权利要求1所述的医疗智能显示器控制方法，其特征在于，所述步骤
S1
包括以下步骤：通过对所述医疗探测信号进行时域采样得到脉冲序列和脉冲序列频谱，对所述脉冲序列和所述脉冲序列频谱卷积得到离散时间信号，通过对所述脉冲序列频谱进行傅里叶变换得到离散时间傅里叶变换，计算公式为：其中，
n
为时域自变量取值，
x(n)
为离散时间信号，
w
为角频率，
j
为
DTFT(x(n))
为离散时间傅里叶变换；对所述医疗探测信号进行频域采样得到频域采样序列和频域采样序列频谱，通过对所述离散时间傅里叶变换和所述频域采样序列频谱进行卷积得到离散傅里叶变换，计算公式为：其中，
n
为时域自变量取值，
x(n)
为离散时间信号，
w
为角频率，
j
为
k
为频域自变量取值，
X(k)
为频域中的序列，
N
为变换区间的长度；通过对所述离散傅里叶变换采样并截取主值得到数字医疗图像
。3.
根据权利要求1所述的医疗智能显示器控制方法，其特征在于，所述步骤
S2
具体包括以下步骤：通过信号传输通道得到
CT
图像模态数据
、
核磁共振图像模态数据
、
内窥镜图像模态数据；将所述
CT
图像模态数据和所述核磁共振图像模态数据进行小波变换得到多尺度分解系数矩阵；将所述多尺度分解系数矩阵进行融合处理得到多尺度图像；
对所述多尺度图像进行小波逆变换得到融合图像
。4.
根据权利要求1所述的医疗智能显示器控制方法，其特征在于，所述步骤
S3
具体包括以下步骤：对所述医疗图像分类数据集进行卷积运算，得到具象特征，计算公式为：其中，
b
为偏置值；
l
为卷积层数，
(i
，
j)
为图像像素点的坐标值；
Z
l
为第
l+1
层的卷积输入特征图；
Z
l+1
为第
l+1
层的卷积输出特征图；
k
为特征图的通道数，
f
为卷积核大小，
s0为卷积步长，
w
为权重值；将所述具象特征通过池化减少训练参数的数量得到具象特征向量；将所述具象特征向量通过激活函数计算出激活数据，通过预设模型对所述激活数据进行分类得到模型参数；对所述模型参数通过计算最小化损失函数得到数...

【专利技术属性】
技术研发人员：冯伟，
申请(专利权)人：美显信息科技上海有限公司，
类型：发明
国别省市：