【技术实现步骤摘要】
本专利技术涉及图像处理，特别涉及一种基于频谱增强的医学图像处理系统。
技术介绍
1、随着计算机科学技术的发展，人工智能技术已经渗透到各行各业，强大的计算和深度学习能力成功引发了全球医疗专家们的密切关注，已有不少工作将深度学习方法应用到医疗图像分析中，可以帮助医生更准确地诊断疾病，能够一定程度缓解医生的工作压力，提高诊断效率。
2、cn201910809281.8记载的一种医学图像处理方法、医学图像识别方法及装置是获取待识别医学图像后通过医学图像分类模型获取所述待识别医学图像所对应的特征图以及病灶分类结果，但是对于待识别医学图像，不同医疗机构提供的病理切片图像存在一定的差异，通常会导致医学图像分类模型处理不准确，从而导致分类结果误差较大，因此，本专利技术提出了一种基于频谱增强的医学图像处理系统，通过针对病理切片图像进行频谱分析与数据增强处理减少病理切片图像的显著差异，减少对医学图像分类模型泛化能力的影响，提高分类结果的准确性。
技术实现思路
1、本专利技术的目的在于提供一种基于频谱增强的医学图像处理系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于频谱增强的医学图像处理系统，包括：预处理模块、数据增强模块、中间处理模块、模型训练模块和模型应用模块；
3、所述预处理模块，用于针对源域病理切片图像和目标域病理切片图像进行频谱分析，获取源域病理切片图像和目标域病理切片图像的高频成分和低频成分；
4
5、所述中间处理模，用于将源域病理切片图像数据增强后的低频成分与源域病理切片图像的高频成分结合，得到中间域病理切片图像；
6、所述模型训练模块，用于获取医学图像分类模型，并利用中间域病理切片图像针对医学图像分类模型进行模型训练，得到训练好的医学图像分类模型；
7、所述模型应用模块，用于将目标域病理切片图像输入训练好的医学图像分类模型进行模型处理，得到目标域病理切片图像的分类结果。
8、进一步地，所述预处理模块针对源域病理切片图像和目标域病理切片图像进行频谱分析时采用傅里叶变换进行图像预处理，分别获取源域病理切片图像和目标域病理切片图像的频谱，然后根据源域病理切片图像和目标域病理切片图像的频谱将源域病理切片图像和目标域病理切片图像分离出源域病理切片图像的高频成分和低频成分和目标域病理切片图像的高频成分和低频成分。
9、进一步地，所述数据增强模块包括：第一混合单元、替代单元和第二混合单元；
10、所述第一混合单元，用于将源域病理切片图像的低频成分与任一目标域病理切片图像的低频成分按比例混合；
11、所述替代单元，用于将任一目标域病理切片图像的低频成分替换源域病理切片图像的低频成分；
12、所述第二混合单元，用于将源域病理切片图像的低频成分与任意两张目标域病理切片图像的低频成分按比例混合。
13、进一步地，所述模型训练模块在利用中间域病理切片图像针对医学图像分类模型进行模型训练时，包括：
14、将中间域病理切片图像作为初始训练集，其中，初始训练集中的中间域病理切片图像包括病理切片图像和图像标注；
15、利用医学图像分类模型针对初始训练集进行分类处理，获取初始训练集的模型分类结果；
16、分析模型分类结果是否正确，得到分析结果，并判断分析结果是否达到预期效果，得到判断结果；
17、当判断结果为分析结果未达到预期效果时，根据分析结果将初始训练集中的中间域病理切片图像分为正确训练样本和错误训练样本；
18、结合正确训练样本和错误训练样本调整医学图像分类模型参数，得到参数调整医学图像分类模型，并按照训练集更新规则针对初始训练集进行更新，得到更新训练集；
19、利用参数调整医学图像分类模型针对更新训练集进行分类处理，得到更新训练集的模型分类结果；
20、分析更新训练集的模型分类结果是否正确，得到分析结果，并判断分析结果是否达到预期效果，得到判断结果；
21、根据判断结果进行循环，直至判断结果为分析结果达到预期效果时，结束模型训练，此时的参数调整医学图像分类模型即为训练好的医学图像分类模型。
22、进一步地，所述按照训练集更新规则针对初始训练集进行更新时，结合正确训练样本和错误训练样本进行更新，包括：
23、在初始训练集中将正确训练样本筛选出来，得到中间域病理切片图像正确分类图像集，获取中间域病理切片图像正确分类图像集的集合大小，并结合第一比例确定删减数目，然后按照删减数目在中间域病理切片图像正确分类图像集中过滤与删减数目相同数目的中间域病理切片图像，得到第一更新图像集；
24、在初始训练集中将错误训练样本的数目筛选出来，得到中间域病理切片图像错误分类图像集，获取中间域病理切片图像错误分类图像集的集合大小，并结合第二比例确定增添数目，然后按照增添数目在中间域病理切片图像错误分类图像集中增加与增添数目相同数目的中间域病理切片图像，得到第二更新图像集；
25、根据第一更新图像集和第二更新图像集得到更新训练集。
26、进一步地，采用傅里叶变换进行图像预处理，包括：
27、针对源域病理切片图像和目标域病理切片图像进行灰度处理，得到源域病理切片灰度图像和目标域病理切片灰度图像；
28、采用傅里叶变换算法对源域病理切片灰度图像和目标域病理切片灰度图像进行分析，得到源域病理切片图像频域信息和目标域病理切片图像频域信息；
29、分别分析源域病理切片图像频域信息和目标域病理切片图像频域信息的梯度变化，并根据梯度变化结合分割阈值在源域病理切片图像和目标域病理切片图像中分别确定高频部分和低频部分，得到源域病理切片图像和目标域病理切片图像的高频成分和低频成分。
30、进一步地，所述中间处理模将源域病理切片图像数据增强后的低频成分与源域病理切片图像的高频成分结合时，针对源域病理切片图像数据增强后的低频成分与源域病理切片图像的高频成分采用反傅立叶变换算法进行逆变换，得到中间域病理切片图像。
31、进一步地，所述模型训练模块在得到训练好的医学图像分类模型时，基于模型数据库获得，包括：
32、针对源域病理切片图像分析确定图像类型；
33、在模型数据库中根据图像类型进行匹配，得到模型匹配结果；
34、根据模型匹配结果调取目标模型，当模型匹配结果中存在匹配的模型时，则将匹配的模型调取出来，得到目标医学图像分类模型，当模型匹配结果中不存在匹配的模型时，在模型数据库中获取分类基础模型，将分类基础模型作为目标医学图像分类模型；
35、利用中间域病理切片图像针对目标医学图像分类模型进行模型训练，得到本文档来自技高网...
【技术保护点】
1.一种基于频谱增强的医学图像处理系统，其特征在于，所述医学图像处理系统包括：预处理模块、数据增强模块、中间处理模块、模型训练模块和模型应用模块；
2.根据权利要求1所述的医学图像处理系统，其特征在于，所述预处理模块针对源域病理切片图像和目标域病理切片图像进行频谱分析时采用傅里叶变换进行图像预处理，分别获取源域病理切片图像和目标域病理切片图像的频谱，然后根据源域病理切片图像和目标域病理切片图像的频谱将源域病理切片图像和目标域病理切片图像分离出源域病理切片图像的高频成分和低频成分和目标域病理切片图像的高频成分和低频成分。
3.根据权利要求1所述的医学图像处理系统，其特征在于，所述数据增强模块包括：第一混合单元、替代单元和第二混合单元；
4.根据权利要求1所述的医学图像处理系统，其特征在于，所述模型训练模块在利用中间域病理切片图像针对医学图像分类模型进行模型训练时，包括：
5.根据权利要求4所述的医学图像处理系统，其特征在于，所述按照训练集更新规则针对初始训练集进行更新时，结合正确训练样本和错误训练样本进行更新，包括：
6.
7.根据权利要求1所述的医学图像处理系统，其特征在于，所述中间处理模将源域病理切片图像数据增强后的低频成分与源域病理切片图像的高频成分结合时，针对源域病理切片图像数据增强后的低频成分与源域病理切片图像的高频成分采用反傅立叶变换算法进行逆变换，得到中间域病理切片图像。
8.根据权利要求1所述的医学图像处理系统，其特征在于，所述模型训练模块在得到训练好的医学图像分类模型时，基于模型数据库获得，包括：
9.根据权利要求8所述的医学图像处理系统，其特征在于，所述模型训练模块在得到训练好的医学图像分类模型时，还通过模型建立获得，包括：
10.根据权利要求1所述的医学图像处理系统，其特征在于，所述模型应用模块在将目标域病理切片图像输入训练好的医学图像分类模型进行模型处理之前还针对目标域病理切片图像进行尺寸分析，识别目标域病理切片图像中物象区域，并得到物象区域的尺寸，然后分析物象区域的尺寸是否符合标准尺寸集，当物象区域的尺寸符合标准尺寸集时，将目标域病理切片图像直接输入到训练好的医学图像分类模型进行模型处理，当物象区域的尺寸不符合标准尺寸集时，针对目标域病理切片图像进行尺寸微调，将目标域病理切片图像中的物象区域尺寸调整至符合标准尺寸集后将调整后的目标域病理切片图像输入到训练好的医学图像分类模型进行模型处理。
...【技术特征摘要】
1.一种基于频谱增强的医学图像处理系统，其特征在于，所述医学图像处理系统包括：预处理模块、数据增强模块、中间处理模块、模型训练模块和模型应用模块；
2.根据权利要求1所述的医学图像处理系统，其特征在于，所述预处理模块针对源域病理切片图像和目标域病理切片图像进行频谱分析时采用傅里叶变换进行图像预处理，分别获取源域病理切片图像和目标域病理切片图像的频谱，然后根据源域病理切片图像和目标域病理切片图像的频谱将源域病理切片图像和目标域病理切片图像分离出源域病理切片图像的高频成分和低频成分和目标域病理切片图像的高频成分和低频成分。
3.根据权利要求1所述的医学图像处理系统，其特征在于，所述数据增强模块包括：第一混合单元、替代单元和第二混合单元；
4.根据权利要求1所述的医学图像处理系统，其特征在于，所述模型训练模块在利用中间域病理切片图像针对医学图像分类模型进行模型训练时，包括：
5.根据权利要求4所述的医学图像处理系统，其特征在于，所述按照训练集更新规则针对初始训练集进行更新时，结合正确训练样本和错误训练样本进行更新，包括：
6.根据权利要求2所述的医学图像处理系统，其特征在于，采用傅里叶变换进行图像预处理，包括：
7.根据权利要求1所述的医...
【专利技术属性】
技术研发人员：王书浩，赵方正，
申请(专利权)人：北京透彻未来科技有限公司，
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。