【技术实现步骤摘要】
本专利技术涉及医学，具体来说，涉及一种基于影像的重症疾病对比评估方法及系统。
技术介绍
1、随着互联网和移动通信技术的进步，使得移动互联网医疗目标的实现成为可能，现在的医院信息系统已经相当完善，该系统也已经能够提供就诊人员的完整诊疗情况，医院信息系统中含有大量的医疗影像数据，这些数据可以用于重症疾病的诊断和治疗。通过使用先进的数据分析技术，比如机器学习和深度学习，可以从这些数据中提取出有用的信息，以帮助医生更准确地诊断和治疗重症疾病。随着重症医学的快速发展，重症超声影像因为其动态、实时、准确、可重复等特点，被广泛应用于icu、急诊、麻醉等科室，作为重症病人监测和评估的重要工具，它不仅可以对各个器官进行动态监测，还可以根据监测结果提供准确的评估数据。重症的特色是病人瞬息的多方法多器官的损害，需要能准确比出器官大小、血流等的变化程度。
2、现有的基于影像的重症疾病对比评估过程中，往往都是直接通过查看影像去分析病情，不便于对原始影像进行去除噪声和调整亮度及色彩的处理，容易影响医生从影像中提取关键信息，从而降低了后续疾病评估的精度和可靠性，不便于医生做出更准确的诊断，降低了疾病诊断的准确性和效率，并且不便于分析患者的医学影像，不便于定期进行影像评估，使得不能更好地监测患者的健康状况，对慢性疾病的管理带来了束缚，进而降低治疗成功率。
3、针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
1、针对现有技术的不足，本专利技术提出一种基于影像的重症疾病对比评
2、为实现以上目的，本专利技术通过以下技术方案予以实现：
3、根据本专利技术的一个方面，提供了一种基于影像的重症疾病对比评估方法，该基于影像的重症疾病对比评估方法包括以下步骤：
4、s1、获取患者相关医学影像，并对医学影像进行预处理，得到医学特征图像；
5、s2、通过分类算法将得到的医学特征图像与数据库中对应的医学特征图像进行分类，识别患者的疾病特征；
6、s3、通过比对算法将识别患者的疾病特征与已知的各种疾病特征进行对比，评估患者当前的疾病状态和严重程度；
7、s4、通过分析算法对评估结果进行分析，生成详细的疾病评估报告；
8、s5、根据生成疾病评估报告提供治疗建议或方案。
9、进一步的，所述获取患者相关医学影像，并对医学影像进行预处理，得到医学特征图像包括以下步骤：
10、s11、通过高斯滤波器对获取的患者相关医学影像进行噪声去除；
11、s12、对去除噪声后的患者相关医学影像进行亮度和色彩偏差的校正；
12、s13、通过图像处理技术处理校正后的患者相关医学影像，得到对比度和清晰度增强后的患者相关医学影像；
13、s14、从得到的对比度和清晰度增强后的患者相关医学影像中提取图像序列，并对图像序列中的每帧图像进行灰度化处理，得到灰度图像；
14、s15、采用sobel算子计算灰度图像中每个像素点的边缘梯度；
15、s16、采用局部梯度均值法对边缘梯度进行局部筛选及增强，并设置阈值对边缘梯度进行过滤，得到梯度图像；
16、s17、通过欧式距离计算区域面积的有序特征向量来表示患者相关医学图像；
17、s18、对梯度图像进行细化及二值化处理，并将梯度值大于阈值的像素点作为边缘点；
18、s19、将相邻的边缘点连接成连通域，得到最终的边缘图像作为医学特征图像。
19、进一步的，所述通过分类算法将得到的医学特征图像与数据库中对应的医学特征图像进行分类，识别患者的疾病特征包括以下步骤：
20、s21、设定相关参数，并根据相关参数生成初步的医学特征图像及对应的特征趋势矩阵；
21、s22、计算初步的医学特征图像的适应度函数值；
22、s23、计算所有医学特征图像的群体适应度方差，当满足预设条件时，发生变异转至步骤s25，否则转至步骤s24；
23、s24、根据计算惯性权重的公式更新惯性权重点，并根据特征图像的变化趋势更新公式及位置的更新公式分别更新特征图像的变化趋势及位置；
24、s25、检查是否满足结束条件，若满足，则结束优化过程，否则转至步骤s22继续寻优；
25、s26、将寻到的最优参数向量赋值给支持向量机模型；
26、s27、将处理过的医学特征图像输入支持向量机模型中，并对支持向量机模型进行训练，得到训练好的支持向量机分类模型；
27、s28、通过训练好的支持向量机分类模型对新的医学特征图像进行判定，得到最终的疾病分类结果，并停止计算；
28、s29、通过最终的疾病分类结果，识别患者的疾病特征。
29、进一步的，所述利用训练好的支持向量机分类模型对新的医学特征图像进行判定，得到最终的疾病分类结果，并停止计算包括以下步骤：
30、s281、使用训练好的支持向量机模型对新的医学特征图像进行判定，得到每个医学特征图像属于各疾病类别的概率；
31、s282、预设信度阈值，将低于信度阈值的每个医学特征图像属于各疾病类别的概率进行过滤，并通过分类阈值从支持向量机模型的概率判断中确定类别标签；
32、s283、将确定的类别标签作为最终的疾病分类结果，并停止计算。
33、进一步的，所述通过比对算法将识别患者的疾病特征与已知的各种疾病特征进行对比，评估患者当前的疾病状态和严重程度包括以下步骤：
34、s31、从患者的疾病特征中获取并识别出影响疾病状态评估效率的异常检测特征数据；
35、s32、确定疾病状态评估效率的评估标准，设定预设阈值作为接受的最佳评估效率，并设定改进措施；
36、s33、若发现异常检测特征数据导致疾病状态评估效率超过预设阈值，则通过设定的改进措施对数据进行改进；
37、s34、确定目标函数和约束条件，并建立优化模型；
38、s35、将比对算法应用于优化模型中，寻找满足约束条件的最佳解，并作为判断异常检测特征数据是否导致疾病状态评估效率超过预设阈值的依据；
39、s36、将优化模型的结果应用于实际的疾病状态评估过程，并生成疾病状态评估指标用于评估患者当前的疾病状态和严重程度。
40、进一步的，所述将比对算法应用于优化模型中，寻找满足约束条件的最佳解，并作为判断异本文档来自技高网...
【技术保护点】
1.一种基于影像的重症疾病对比评估方法，其特征在于，该基于影像的重症疾病对比评估方法包括以下步骤：
2.根据权利要求1所述的一种基于影像的重症疾病对比评估方法，其特征在于，所述获取患者相关医学影像，并对医学影像进行预处理，得到医学特征图像包括以下步骤：
3.根据权利要求1所述的一种基于影像的重症疾病对比评估方法，其特征在于，所述通过分类算法将得到的医学特征图像与数据库中对应的医学特征图像进行分类，识别患者的疾病特征包括以下步骤：
4.根据权利要求3所述的一种基于影像的重症疾病对比评估方法，其特征在于，所述利用训练好的支持向量机分类模型对新的医学特征图像进行判定，得到最终的疾病分类结果，并停止计算包括以下步骤：
5.根据权利要求1所述的一种基于影像的重症疾病对比评估方法，其特征在于，所述通过比对算法将识别患者的疾病特征与已知的各种疾病特征进行对比，评估患者当前的疾病状态和严重程度包括以下步骤：
6.根据权利要求5所述的一种基于影像的重症疾病对比评估方法，其特征在于，所述将比对算法应用于优化模型中，寻找满足约束条件的最佳解，
7.根据权利要求1所述的一种基于影像的重症疾病对比评估方法，其特征在于，所述通过分析算法对评估结果进行分析，生成详细的疾病评估报告包括以下步骤：
8.根据权利要求7所述的一种基于影像的重症疾病对比评估方法，其特征在于，所述分别计算出每个健康指标与理想健康状况及非理想健康状况的灰色关联度的公式包括：
9.根据权利要求8所述的一种基于影像的重症疾病对比评估方法，其特征在于，所述构建理想健康状况的相对贴近度的公式为：
10.一种基于影像的重症疾病对比评估系统，用于实现权利要求1-9中任一项所述的基于影像的重症疾病对比评估方法，其特征在于，该基于影像的重症疾病对比评估系统包括：
...【技术特征摘要】
1.一种基于影像的重症疾病对比评估方法，其特征在于，该基于影像的重症疾病对比评估方法包括以下步骤：
2.根据权利要求1所述的一种基于影像的重症疾病对比评估方法，其特征在于，所述获取患者相关医学影像，并对医学影像进行预处理，得到医学特征图像包括以下步骤：
3.根据权利要求1所述的一种基于影像的重症疾病对比评估方法，其特征在于，所述通过分类算法将得到的医学特征图像与数据库中对应的医学特征图像进行分类，识别患者的疾病特征包括以下步骤：
4.根据权利要求3所述的一种基于影像的重症疾病对比评估方法，其特征在于，所述利用训练好的支持向量机分类模型对新的医学特征图像进行判定，得到最终的疾病分类结果，并停止计算包括以下步骤：
5.根据权利要求1所述的一种基于影像的重症疾病对比评估方法，其特征在于，所述通过比对算法将识别患者的疾病特征与已知的各种疾病特征进行对比，评估患者当前的疾病状态和严重程度包括以下步骤：<...
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。