System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及病灶预测,尤其涉及一种基于荧光标记技术的病灶预测系统。
技术介绍
1、病灶预测是医学领域中的重要课题,旨在帮助医生准确地检测和定位病变,并提供有效的诊断和治疗方案。传统的病灶预测方法依赖于医学影像技术,如x射线、ct、mri等,但在某些情况下,这些方法可能无法提供足够的准确性和敏感性;荧光标记技术可以利用荧光标记物的特性,在病变区域发出荧光信号,通过显微镜或其他成像设备捕捉荧光图像,并应用图像分析算法对图像进行处理和分析,从而可实现病灶的位置的预测和定量评估。
2、查阅相关已公开技术方案,如cn110751179a现有技术公开了一种病灶信息获取方法、病灶预测模型的训练方法及超声设备,获取方法包括:获取超声图像;基于所述超声图像,利用病灶预测模型预测超声图像中的病灶区域及病灶类别;利用预测出的病灶区域,确定与预测出的病灶区域对应的第一目标病灶区域;获取预测出的病灶类别对应的第一目标病灶类别;第一目标病灶区域和第一目标病灶类别为超声图像的病灶信息。对于获取到的超声图像先利用病灶预测模型预测该超声图像中的病灶区域及病灶类别,对病灶信息的获取形成辅助引导,以减轻病灶信息获取的工作量;同时结合人工调节,从而可以得到精确的病灶信息;另一种典型的公开号为cn112801168a的现有技术公开了一种肿瘤影像的病灶区域预测分析方法、系统及终端设备,该病灶区域预测分析方法包括:影像数据、诊断文本以及病史数据的采集和肿瘤病灶区域预测分析,具体为:对采集的数据进行预处理,通过构建的融合加权提取网络模型提取图像特征;通过将病人的
技术实现思路
1、本专利技术的目的在于,针对目前所存在的不足,提出了一种基于荧光标记技术的病灶预测系统。
2、本专利技术采用如下技术方案:
3、一种基于荧光标记技术的病灶预测系统,其特征在于,包括标记模块、成像模块、图像处理模块和分析预测模块;
4、所述标记模块用于对收集的病人的组织样本进行荧光标记生成标记样本;所述成像模块用于对所述标记样本进行成像处理形成荧光图像;所述图像处理模块用于对荧光图像进行处理和分析;所述分析预测模块用于将荧光图像处理信息和临床数据进行整合分析实现对病灶的预测;
5、所述标记模块包括样本处理单元、试剂选择单元和结合单元,所述样本处理单元用于对收集的病人的组织样本进行预处理,所述预处理包括采集、固定、切片和染色步骤;所述试剂选择单元用于根据病人病况选择对应荧光试剂;所述结合单元用于将预处理后的组织样本与荧光试剂结合生成标记样本;
6、所述图像处理模块对于荧光图像的处理和分析包括以下步骤:
7、s11:图像分割:使用图像分割算法将荧光图像中病变区域分离出来;所述图像分割算法包括:对荧光图像进行灰度处理:
8、;
9、其中,为荧光图像中某像素点坐标,为该像素点的灰度值,为该像素点的红色通道亮度值,为该像素点的绿色通道亮度值,为该像素点的蓝色通道亮度值;、和分别为对应颜色通道的权重因子,满足,其数值可根据所选择的荧光试剂的不同而自行设定;
10、设置合适的分割阈值,将荧光图像中各像素点的灰度值与分割阈值相比较,从而将荧光图像分割成灰度值大于分割阈值的部分和灰度值小于分割阈值的部分;
11、将荧光图像中灰度值大于分割阈值的部分进行平滑和区域填充处理,生成病变区域;
12、s12:获取病变形态参数:计算所述病变区域的病变占比和紧凑度;
13、所述病变区域的病变占比通过下式计算:
14、;
15、其中,为病变区域中所有像素点数目,为荧光图像中所有像素点数目;
16、所述紧凑度通过下式计算:
17、;
18、其中,为病变区域周长;为病变区域面积;所述病变形态参数包括病变区域的病变占比和紧凑度;
19、s13:获取病变强度参数:计算病变区域的荧光强度;
20、;
21、其中,为病变区域的荧光强度,为病变区域中像素点的平均灰度值,为病变区域中像素点的最大灰度值,为病变区域像素点中灰度值大于平均灰度值的像素点数目,为病变区域中所有像素点数目,为病变区域像素点中灰度值大于平均灰度值的第个像素点的灰度值,为病变区域所有像素点中第个像素点的灰度值;所述病变强度参数即为病变区域的荧光强度;
22、进一步的,所述分析预测模块包括模型建立单元、临床病变点设置单元和预测单元;所述模型建立单元用于建立人体预测模型,所述人体预测模型包括人体模型框架与器官模型,以及设置在人体预测模型上的坐标系;所述临床病变点设置单元用于依据病人的临床数据与先验医学知识以辅助医生在人体预测模型上设置多个病灶中心点;所述预测单元通过对病灶中心点和荧光图像处理信息进行分析从而实现对病灶的预测;
23、进一步的,所述预测单元通过将获取的病人组织样本所在位置与人体预测模型的坐标系相对应从而获取各荧光图像所在的组织样本在人体预测模型中的位置信息;通过图像处理模块获取各荧光图像的图像处理信息;所述各荧光图像所在的组织样本在人体预测模型中的位置信息即为获取病人的组织样本所在位置对应的人体预测模型中的位置;所述图像处理信息包括病变形态参数和病变强度参数;
24、所述预测单元通过对每个病灶中心点的影响力值进行从而对病人病灶进行预测:
25、;
26、其中,为所获取的病人组织样本总数,为第个病人组织样本与该病灶中心点间的距离,为第个病人组织样本病变区域的病变占比;为第个病人组织样本病变区域的紧凑度;为第个病人组织样本病变区域的荧光强度;、和为权重因子,医生可根据丰富医疗经验与疾病种类自行设定。
27、本专利技术所取得的有益效果是:
28、本专利技术通过标记模块使用荧光标记技术对组织样本进行荧光染色或标记,可以在显微镜下直接观察荧光信号的位置和分布情况;且荧光标记技术可以实时地观察和监测荧光信号,使系统可以实时的对病灶进行预测,这对于一些需要及时决策或随访的临床场景非常重要,可以提供即时的病灶预测结果;
29、通过图像处理模块对荧光图像进行分析,通过病变区域的病变占比、紧凑度和荧光强度更精确的表达出病变的形态、大小和分布信息,为病灶预测提供了更全面的病灶信息,有助于做出更精确的病灶预测;
30、本系统使用的荧光显微镜具有较高的灵敏度和分辨率,可以检测低本文档来自技高网...
【技术保护点】
1.一种基于荧光标记技术的病灶预测系统,其特征在于,包括标记模块、成像模块、图像处理模块和分析预测模块;
2.根据权利要求1所述的一种基于荧光标记技术的病灶预测系统,其特征在于,所述分析预测模块包括模型建立单元、临床病变点设置单元和预测单元;所述模型建立单元用于建立人体预测模型,所述人体预测模型包括人体模型框架与器官模型,以及设置在人体预测模型上的坐标系;所述临床病变点设置单元用于依据病人的临床数据与先验医学知识以辅助医生在人体预测模型上设置多个病灶中心点;所述预测单元通过对病灶中心点和荧光图像处理信息进行分析从而实现对病灶的预测。
3.根据权利要求2所述的一种基于荧光标记技术的病灶预测系统,其特征在于,所述预测单元通过将获取的病人组织样本所在位置与人体预测模型的坐标系相对应从而获取各荧光图像所在的组织样本在人体预测模型中的位置信息;通过图像处理模块获取各荧光图像的图像处理信息;所述各荧光图像所在的组织样本在人体预测模型中的位置信息即为获取病人的组织样本所在位置对应的人体预测模型中的位置;所述图像处理信息包括病变形态参数和病变强度参数;
【技术特征摘要】
1.一种基于荧光标记技术的病灶预测系统,其特征在于,包括标记模块、成像模块、图像处理模块和分析预测模块;
2.根据权利要求1所述的一种基于荧光标记技术的病灶预测系统,其特征在于,所述分析预测模块包括模型建立单元、临床病变点设置单元和预测单元;所述模型建立单元用于建立人体预测模型,所述人体预测模型包括人体模型框架与器官模型,以及设置在人体预测模型上的坐标系;所述临床病变点设置单元用于依据病人的临床数据与先验医学知识以辅助医生在人体预测模型上设置多个病灶中心点;所述预测单元通...
【专利技术属性】
技术研发人员:麦婉诗,冯明红,龙健灵,
申请(专利权)人:广州盛安医学检验有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。