本發(fā)明涉及醫(yī)學(xué)影像處理，尤其涉及基于云平臺(tái)的醫(yī)學(xué)影像診斷方法及系統(tǒng)。

背景技術(shù)：

1、醫(yī)學(xué)影像處理技術(shù)領(lǐng)域包含醫(yī)學(xué)影像的獲取、存儲(chǔ)、傳輸、分析、可視化處理，該技術(shù)領(lǐng)域的核心內(nèi)容包括通過(guò)計(jì)算機(jī)技術(shù)對(duì)醫(yī)學(xué)影像數(shù)據(jù)進(jìn)行處理，輔助醫(yī)生進(jìn)行臨床診斷和治療決策，醫(yī)學(xué)影像處理涉及多種模式的醫(yī)學(xué)成像技術(shù)，如x射線、計(jì)算機(jī)斷層掃描ct、磁共振成像mri和超聲成像，該領(lǐng)域涵蓋醫(yī)學(xué)影像的去噪、增強(qiáng)、分割、特征提取、圖像配準(zhǔn)、三維重建多個(gè)環(huán)節(jié)，應(yīng)用于疾病篩查、病變檢測(cè)、手術(shù)規(guī)劃、治療監(jiān)測(cè)，結(jié)合云計(jì)算、大數(shù)據(jù)、人工智能技術(shù)的發(fā)展，醫(yī)學(xué)影像處理逐步向智能化和遠(yuǎn)程化方向發(fā)展，使醫(yī)學(xué)影像數(shù)據(jù)的分析更加精準(zhǔn)和高效。

2、其中，基于云平臺(tái)的醫(yī)學(xué)影像診斷方法是指利用云計(jì)算架構(gòu)和分布式計(jì)算技術(shù)，對(duì)醫(yī)學(xué)影像數(shù)據(jù)進(jìn)行遠(yuǎn)程處理、分析和診斷，方法涵蓋醫(yī)學(xué)圖像的云端存儲(chǔ)、分布式計(jì)算、深度學(xué)習(xí)模型推理和遠(yuǎn)程訪問(wèn)等技術(shù)手段，依托云平臺(tái)的計(jì)算資源，通過(guò)影像預(yù)處理、特征提取、分類識(shí)別，實(shí)現(xiàn)醫(yī)學(xué)圖像的智能分析，醫(yī)學(xué)影像數(shù)據(jù)通過(guò)影像采集設(shè)備獲取，并經(jīng)由數(shù)據(jù)接口上傳至云端存儲(chǔ)模塊，利用云端服務(wù)器進(jìn)行圖像格式轉(zhuǎn)換、去噪和增強(qiáng)，借助基于卷積神經(jīng)網(wǎng)絡(luò)的分類模型進(jìn)行目標(biāo)識(shí)別和病灶分割，通過(guò)遠(yuǎn)程訪問(wèn)模塊向終端用戶提供診斷結(jié)果和影像分析數(shù)據(jù)。

3、傳統(tǒng)醫(yī)學(xué)影像診斷技術(shù)在醫(yī)學(xué)影像的處理、分析和遠(yuǎn)程訪問(wèn)方面存在不足，病灶識(shí)別過(guò)程中缺乏精細(xì)化的紋理密度分析，導(dǎo)致病灶邊界模糊，影響分割的準(zhǔn)確性，病灶空間預(yù)測(cè)主要依賴全局特征分析，未能充分考慮局部梯度變化，降低了擴(kuò)展趨勢(shì)判斷的精度，以單幀數(shù)據(jù)為主，未能有效結(jié)合多個(gè)時(shí)間點(diǎn)的變化特征，使病變活動(dòng)的評(píng)估缺乏時(shí)序連貫性，影像存儲(chǔ)方式較為固定，未能根據(jù)病灶屬性、患者信息等多維度特征進(jìn)行分類，降低了影像檢索的精準(zhǔn)度和效率，遠(yuǎn)程影像訪問(wèn)采用固定分辨率加載方式，未能結(jié)合訪問(wèn)身份、用戶交互和網(wǎng)絡(luò)狀態(tài)進(jìn)行動(dòng)態(tài)調(diào)整，使影像調(diào)用受限于網(wǎng)絡(luò)帶寬波動(dòng)，導(dǎo)致加載延遲和訪問(wèn)體驗(yàn)下降。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有技術(shù)中存在的缺點(diǎn)，而提出的基于云平臺(tái)的醫(yī)學(xué)影像診斷方法及系統(tǒng)。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：基于云平臺(tái)的醫(yī)學(xué)影像診斷方法，包括以下步驟：

3、s1：基于輸入醫(yī)學(xué)影像，分析圖像中多個(gè)位置的紋理密度，計(jì)算像素點(diǎn)的灰度梯度變化方向和速率，提取圖像中病灶區(qū)域的邊界點(diǎn)，對(duì)病灶圖像進(jìn)行分割，得到病灶邊界數(shù)據(jù)；

4、s2：基于所述病灶邊界數(shù)據(jù)，獲取病變區(qū)域的組織密度值，計(jì)算鄰近像素間的密度變化率，得到組織密度分布數(shù)據(jù)，通過(guò)計(jì)算病灶區(qū)域內(nèi)的密度梯度變化趨勢(shì)，分析病灶區(qū)域的擴(kuò)展方向，構(gòu)建病灶區(qū)域的空間分布預(yù)測(cè)結(jié)果，建立分布位置預(yù)測(cè)結(jié)果；

5、s3：調(diào)用所述分布位置預(yù)測(cè)結(jié)果，分析多個(gè)時(shí)間點(diǎn)的患者醫(yī)療影像，提取動(dòng)態(tài)影像序列中病灶區(qū)域的灰度變化信息，計(jì)算多個(gè)病灶區(qū)域在影像幀中的信號(hào)變化速率，識(shí)別多個(gè)病灶的活動(dòng)等級(jí)，輸出活動(dòng)速率分級(jí)數(shù)據(jù)；

6、s4：基于所述活動(dòng)速率分級(jí)數(shù)據(jù)，根據(jù)病灶的類型、位置、活動(dòng)等級(jí)、患者信息，建立分級(jí)索引規(guī)則庫(kù)，通過(guò)匹配影像內(nèi)容和索引規(guī)則，對(duì)醫(yī)學(xué)影像進(jìn)行分類，并存儲(chǔ)至云平臺(tái)，生成影像數(shù)據(jù)索引。

7、作為本發(fā)明的進(jìn)一步方案，所述病灶邊界數(shù)據(jù)包括病灶輪廓點(diǎn)坐標(biāo)、邊界灰度梯度方向、邊界像素變化速率，所述分布位置預(yù)測(cè)結(jié)果具體為病灶擴(kuò)展方向、病灶空間分布區(qū)域、病灶邊界變化趨勢(shì)，所述活動(dòng)速率分級(jí)數(shù)據(jù)包括病灶灰度變化速率、病灶信號(hào)變化等級(jí)、病灶活動(dòng)分類結(jié)果，所述影像數(shù)據(jù)索引具體指影像分類標(biāo)簽、影像存儲(chǔ)路徑、影像類型標(biāo)識(shí)。

8、作為本發(fā)明的進(jìn)一步方案，所述病灶邊界數(shù)據(jù)的獲取步驟具體為：

9、s111：基于輸入醫(yī)學(xué)影像，獲取醫(yī)學(xué)影像的像素灰度值，計(jì)算每個(gè)像素點(diǎn)在鄰域范圍內(nèi)的灰度變化速率，獲取灰度梯度值，并計(jì)算像素點(diǎn)在每個(gè)方向上的灰度變化幅度，生成紋理密度數(shù)據(jù)；

10、s112：基于所述紋理密度數(shù)據(jù)，計(jì)算像素點(diǎn)在多個(gè)方向上的密度梯度，獲取梯度變化速率并計(jì)算像素間的梯度比值，標(biāo)定邊界候選點(diǎn)，建立邊界點(diǎn)提取結(jié)果；

11、s113：基于所述邊界點(diǎn)提取結(jié)果，計(jì)算相鄰邊界點(diǎn)的梯度變化一致性，采用公式：

12、；

13、計(jì)算邊界點(diǎn)調(diào)整后的位置，優(yōu)化邊界形態(tài)，對(duì)病灶圖像進(jìn)行分割，生成病灶邊界數(shù)據(jù)；

14、其中，代表優(yōu)化后的第個(gè)邊界點(diǎn)坐標(biāo)，為原始的第個(gè)邊界點(diǎn)坐標(biāo)，為第個(gè)邊界點(diǎn)的灰度值，為第個(gè)相鄰邊界點(diǎn)的灰度值，為第個(gè)邊界點(diǎn)的梯度變化速率，為第個(gè)相鄰邊界點(diǎn)的梯度變化速率，為邊界點(diǎn)的權(quán)重系數(shù)，為平滑調(diào)整系數(shù)，表示當(dāng)前邊界點(diǎn)編號(hào)，表示當(dāng)前邊界點(diǎn)的下一個(gè)相鄰邊界點(diǎn)。

15、作為本發(fā)明的進(jìn)一步方案，所述分布位置預(yù)測(cè)結(jié)果的獲取步驟具體為：

16、s211：基于所述病灶邊界數(shù)據(jù)，提取病灶區(qū)域內(nèi)像素點(diǎn)的灰度值，構(gòu)建灰度值矩陣，評(píng)估病變區(qū)域的組織密度變化情況，生成組織密度分布數(shù)據(jù)；

17、s212：基于所述組織密度分布數(shù)據(jù)，計(jì)算相鄰像素點(diǎn)間的密度梯度變化率，計(jì)算相鄰像素點(diǎn)的灰度值差值，得到密度變化梯度矩陣，分析病灶區(qū)域的擴(kuò)展方向，生成擴(kuò)展方向趨勢(shì)數(shù)據(jù)；

18、s213：基于所述擴(kuò)展方向趨勢(shì)數(shù)據(jù)，對(duì)病灶區(qū)域邊界像素點(diǎn)執(zhí)行密度變化率計(jì)算，采用公式：

19、；

20、計(jì)算病灶區(qū)域空間擴(kuò)展趨勢(shì)量，結(jié)合像素點(diǎn)的梯度變化率，建立病變區(qū)域的空間擴(kuò)展預(yù)測(cè)圖，獲取分布位置預(yù)測(cè)結(jié)果；

21、其中，為病灶區(qū)域的空間擴(kuò)展趨勢(shì)量，為第個(gè)像素點(diǎn)的密度梯度值，為第個(gè)相鄰像素的密度梯度值，為第個(gè)像素點(diǎn)的灰度值，為第個(gè)相鄰像素的灰度值，為病灶區(qū)域邊界的像素總數(shù)，其中，為當(dāng)前邊界像素點(diǎn)的編號(hào)，為與編號(hào)相鄰的下一個(gè)邊界像素點(diǎn)。

22、作為本發(fā)明的進(jìn)一步方案，所述活動(dòng)速率分級(jí)數(shù)據(jù)的獲取步驟具體為：

23、s311：調(diào)用所述分布位置預(yù)測(cè)結(jié)果，分析多個(gè)時(shí)間點(diǎn)的患者醫(yī)療影像，獲取每幀影像中的病灶區(qū)域，提取病灶區(qū)域的灰度值，計(jì)算病灶區(qū)域在多個(gè)影像幀中的平均灰度，生成病灶區(qū)域灰度變化數(shù)據(jù)；

24、s312：基于所述病灶區(qū)域灰度變化數(shù)據(jù)，計(jì)算相鄰幀間的灰度變化幅度，獲取病灶區(qū)域在影像序列中的灰度變動(dòng)速率，采用公式：

25、；

26、運(yùn)算獲取病灶區(qū)域的信號(hào)變化速率，建立病灶信號(hào)變化速率數(shù)據(jù)；

27、其中，代表第個(gè)病灶區(qū)域的信號(hào)變化速率，為第個(gè)病灶區(qū)域在第幀的平均灰度值，為第幀的平均灰度值，為病灶區(qū)域在所有幀間灰度變化的標(biāo)準(zhǔn)差，為相鄰幀之間的時(shí)間間隔，為影像序列的總幀數(shù)，表示病灶區(qū)域的序號(hào)標(biāo)識(shí)，表示當(dāng)前幀的時(shí)間索引，表示相鄰的下一幀時(shí)間索引；

28、s313：根據(jù)所述病灶信號(hào)變化速率數(shù)據(jù)，識(shí)別患者醫(yī)療影像中多個(gè)病灶的活動(dòng)等級(jí)，生成活動(dòng)速率分級(jí)數(shù)據(jù)。

29、作為本發(fā)明的進(jìn)一步方案，所述影像數(shù)據(jù)索引的獲取步驟具體為：

30、s411：基于所述活動(dòng)速率分級(jí)數(shù)據(jù)，提取病灶的類型、位置、活動(dòng)等級(jí)、患者信息，形成病灶索引關(guān)鍵項(xiàng)，構(gòu)建分級(jí)索引規(guī)則庫(kù)；

31、s412：基于所述分級(jí)索引規(guī)則庫(kù)，解析醫(yī)學(xué)影像數(shù)據(jù)的特征參數(shù)，匹配影像數(shù)據(jù)與索引規(guī)則，采用公式：

32、；

33、計(jì)算影像分類權(quán)重值，識(shí)別多個(gè)醫(yī)學(xué)影像在索引庫(kù)中的歸屬類別，生成影像分類匹配結(jié)果；

34、其中，為影像分類權(quán)重值，為第個(gè)影像數(shù)據(jù)與索引規(guī)則的匹配程度，為第個(gè)影像數(shù)據(jù)的分類權(quán)重，為第個(gè)影像數(shù)據(jù)的參考基準(zhǔn)值，為第個(gè)影像數(shù)據(jù)的目標(biāo)調(diào)整值，為影像數(shù)據(jù)的總數(shù)，為影像數(shù)據(jù)的索引；

35、s413：基于所述影像分類匹配結(jié)果，提取分類后影像的索引參數(shù)，建立索引關(guān)聯(lián)關(guān)系，并存儲(chǔ)至云平臺(tái)，生成影像數(shù)據(jù)索引。

36、作為本發(fā)明的進(jìn)一步方案，所述方法還包括：

37、s5：調(diào)用所述影像數(shù)據(jù)索引，分析云平臺(tái)的訪問(wèn)請(qǐng)求信息，根據(jù)訪問(wèn)身份提取用戶權(quán)限，匹配可訪問(wèn)的影像分辨率，結(jié)合用戶實(shí)時(shí)操作和網(wǎng)絡(luò)狀態(tài)，動(dòng)態(tài)調(diào)整圖像加載區(qū)域的分辨率，生成影像訪問(wèn)管理參數(shù)；

38、所述影像訪問(wèn)管理參數(shù)包括用戶權(quán)限級(jí)別、影像分辨率匹配規(guī)則、動(dòng)態(tài)加載區(qū)域范圍。

39、作為本發(fā)明的進(jìn)一步方案，所述影像訪問(wèn)管理參數(shù)的獲取步驟具體為：

40、s511：調(diào)用所述影像數(shù)據(jù)索引，解析用戶訪問(wèn)請(qǐng)求的身份信息，獲取用戶權(quán)限等級(jí)，生成用戶權(quán)限匹配數(shù)據(jù)；

41、s512：根據(jù)所述用戶權(quán)限匹配數(shù)據(jù)，根據(jù)用戶當(dāng)前訪問(wèn)請(qǐng)求的權(quán)限等級(jí)，為用戶匹配影像分辨率加載參數(shù)，生成影像分辨率許可值；

42、s513：基于所述影像分辨率許可值，實(shí)時(shí)采集用戶的實(shí)時(shí)操作信息和當(dāng)前網(wǎng)絡(luò)狀態(tài)參數(shù)，采用公式：

43、；

44、運(yùn)算獲取圖像加載區(qū)域分辨率調(diào)整量，對(duì)影像加載區(qū)域的分辨率進(jìn)行動(dòng)態(tài)調(diào)整，生成影像訪問(wèn)管理參數(shù)；

45、其中，為圖像加載區(qū)域的分辨率調(diào)整量，為該用戶權(quán)限對(duì)應(yīng)的影像分辨率許可值，為用戶第個(gè)實(shí)時(shí)操作的調(diào)整倍率，為操作類型對(duì)影像分辨率的影響，為當(dāng)前網(wǎng)絡(luò)帶寬值，為網(wǎng)絡(luò)帶寬穩(wěn)定性調(diào)整系數(shù)，為用戶實(shí)時(shí)操作數(shù)據(jù)的總數(shù)量，為用戶實(shí)時(shí)操作數(shù)據(jù)的索引編號(hào)。

46、基于云平臺(tái)的醫(yī)學(xué)影像診斷系統(tǒng)，所述基于云平臺(tái)的醫(yī)學(xué)影像診斷系統(tǒng)用于執(zhí)行上述基于云平臺(tái)的醫(yī)學(xué)影像診斷方法，所述系統(tǒng)包括：

47、圖像邊界檢測(cè)模塊基于輸入醫(yī)學(xué)影像，分析圖像的紋理密度分布，執(zhí)行灰度梯度計(jì)算，獲取梯度變化方向和速率，提取病灶區(qū)域的邊界信息，獲取病灶邊界數(shù)據(jù)；

48、空間分布預(yù)測(cè)模塊基于所述病灶邊界數(shù)據(jù)，提取病變區(qū)域的組織密度值，計(jì)算相鄰像素的密度變化速率，獲取組織密度分布數(shù)據(jù)，分析病灶擴(kuò)展方向的趨勢(shì)，計(jì)算病灶邊界點(diǎn)的擴(kuò)展概率，構(gòu)建病灶區(qū)域的空間分布預(yù)測(cè)結(jié)果，獲取分布位置預(yù)測(cè)結(jié)果；

49、病灶動(dòng)態(tài)分析模塊調(diào)用所述分布位置預(yù)測(cè)結(jié)果，針對(duì)多個(gè)時(shí)間點(diǎn)的患者醫(yī)學(xué)影像，提取動(dòng)態(tài)影像序列中病灶區(qū)域的灰度變化數(shù)據(jù)，計(jì)算相鄰幀間病灶信號(hào)的強(qiáng)度變化速率，識(shí)別病灶的活動(dòng)等級(jí)，生成活動(dòng)速率分級(jí)數(shù)據(jù)；

50、分類存儲(chǔ)管理模塊基于所述活動(dòng)速率分級(jí)數(shù)據(jù)，結(jié)合病灶的類型、位置、活動(dòng)等級(jí)、患者基本信息，建立分級(jí)索引規(guī)則庫(kù)，通過(guò)匹配影像內(nèi)容和索引規(guī)則，對(duì)影像分類存儲(chǔ)，生成影像數(shù)據(jù)索引；

51、遠(yuǎn)程訪問(wèn)管理模塊調(diào)用所述影像數(shù)據(jù)索引，解析云平臺(tái)的訪問(wèn)請(qǐng)求信息，依據(jù)訪問(wèn)用戶身份權(quán)限，匹配影像加載分辨率參數(shù)，結(jié)合用戶交互行為和網(wǎng)絡(luò)狀態(tài)，動(dòng)態(tài)調(diào)整圖像加載區(qū)域的分辨率，生成影像訪問(wèn)管理參數(shù)。

52、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)和積極效果在于：

53、本發(fā)明中，通過(guò)計(jì)算圖像中多個(gè)位置的紋理密度，實(shí)現(xiàn)了病灶區(qū)域的精準(zhǔn)分割，利用病變區(qū)域的組織密度值及鄰近像素間的密度變化率，預(yù)測(cè)病灶的空間分布，使病變區(qū)域的動(dòng)態(tài)變化得到量化，動(dòng)態(tài)影像序列的分析，實(shí)現(xiàn)了病灶活動(dòng)等級(jí)的分級(jí)，使病變的發(fā)展趨勢(shì)更加直觀，結(jié)合實(shí)時(shí)用戶操作和網(wǎng)絡(luò)狀態(tài)，動(dòng)態(tài)調(diào)整圖像加載區(qū)域的分辨率，優(yōu)化遠(yuǎn)程影像訪問(wèn)的體驗(yàn)，使影像調(diào)用更加高效流暢。