一种基于云计算的医学影像处理的方法与流程

1.本发明涉及医学影像处理技术领域，尤其涉及一种基于云计算的医学影像处理的方法。


背景技术：

2.医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程医学影像数据涵盖了不同的影像模态(如x射线、ct扫描、mri、超声等)以及不同疾病的数据，医学影像数据通常具有大规模和多样化的特点，医学影像数据通常非常庞大，包含大量的图像和相关数据；由于数据的多样性和复杂性，对于不同模态和疾病类型的数据没有一致的标注和标准化，缺乏一致的标准和指南可能导致不同标注者之间的差异，限制了对于某些特定疾病的深入分析和模型训练，从而影响了对该疾病的精确诊断和预测能力。


技术实现要素：

3.为此，本发明提供一种基于云计算的医学影像处理的方法，用以解决上述背景中提到的问题。
4.本发明提供一种基于云计算的医学影像处理的方法，包括：获取医学影像数据，所述医学影像数据指从各种影像设备(ct扫描、mri、x光)通过网络上传到云服务器；将采集到的医学影像数据转换成dicom(数字图像与通信医学)格式，并通过网络将医学影像数据上传到云服务器；
5.对所述医学影像数据进行预处理，以去除噪音、调整对比度、标准化尺度操作，预处理步骤应该在整个数据集上保持一致，以确保数据的可比性和一致性，对于不同的预处理操作，需要进行参数调整，通过实验和评估，找到最适合的参数设置，对预处理操作的效果进行评估，确保预处理不会引入新的问题或损失关键信息。
6.对所述医学影像进行分割，将目标区域提取出来，所述目标区域指ct扫描中肿瘤或器官分割、mri中肿瘤或器官分割、x光影像中的结构分割；分割方法采用像素之间的相似度和边的权重，使用最小割算法来将图像分割为两个或多个区域，根据像素的相似性和空间关系将目标区域分割出来。
7.通过目标区域获取对比医学影像模型，将提取的特征与对比医学影像的相应区域进行比对；
8.从比对结果中提取有价值的特征，如形状、纹理、强度分布；
9.处理后的医学影像结果可以进行分析和可视化，将生成报告、绘制三维模型、制作动态演示，以协助医生进行诊断和治疗决策。
10.进一步地，所述方法还包括对处理后的医学影像结果进行分级处理，所述分级处理的方法包括构建分类模型，所述分类模型构建方法为：
11.计算每个特征的平均值，然后将每个样本的每个特征减去对应特征的均值；
12.计算其标准差，并将每个样本的每个特征除以对应特征的标准差；
13.将数据缩放到特定范围，通过使用最小-最大缩放方法来实现，其中每个特征的最小值被映射到0，最大值被映射到1，并在此范围内线性缩放其他值；
14.将数据映射到高维空间与相应的医学标签进行关联，构建用于分类的模型。
15.进一步地，所述分级处理的方法还包括还包括对训练好的模型进行评估，根据评估结果进行模型调优，以提高分类的准确性和性能，根据评估结果进行模型调优，可以调整模型的超参数、使用不同的特征选择方法来提高模型的准确性和性能。
16.进一步地，所述评估方法为计算模型预测正确的样本数占总样本数的比例高低，准确率可以通过以下公式计算：准确率＝正确预测的样本数/总样本数，其中，正确预测的样本数是指模型在预测过程中正确分类的样本数，而总样本数是指整个数据集中样本的总数。
17.进一步地，所述分级处理的方法还包括，将医学影像结果与训练好的模型进行比对，对待处理的医学影像数据进行分级处理，根据模型的输出，将影像结果分为不同的级别或类别，生成相应的结果报告或标注信息，可以帮助医疗专业人员更好地理解和解释影像结果，并作出相应的诊断或治疗决策。
18.进一步地，所述分级处理的方法还包括，将结果报告上传到云服务器上进行存储，通过将数据存储在云端，可以实现数据的备份和集中管理，便于后续的数据分析、共享和访问。
19.与现有技术相比，本发明通过对医学影像进行分级处理，对医学影像数据进行自动标注和分类，以实现对不同疾病或不同模态的影像进行一致性标准化和标注，可以提高医学影像数据的可比性和可分析性，从而为进一步的研究、诊断和预测提供更有用的信息。
附图说明
20.图1为本发明所述的一种基于云计算的医学影像处理的方法流程图；
21.图2为本发明所述的一种基于云计算的医学影像处理的方法分级处理的方法流程图。
具体实施方式
22.为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
23.下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
24.需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
25.此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，
可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
26.本发明提供一种基于云计算的医学影像处理的方法，包括：获取医学影像数据，所述医学影像数据指从各种影像设备(ct扫描、mri、x光)通过网络上传到云服务器；将采集到的医学影像数据转换成dicom(数字图像与通信医学)格式，并通过网络将医学影像数据上传到云服务器；
27.对所述医学影像数据进行预处理，以去除噪音、调整对比度、标准化尺度操作，预处理步骤应该在整个数据集上保持一致，以确保数据的可比性和一致性，对于不同的预处理操作，需要进行参数调整，通过实验和评估，找到最适合的参数设置，对预处理操作的效果进行评估，确保预处理不会引入新的问题或损失关键信息。
28.对所述医学影像进行分割，将目标区域提取出来，所述目标区域指ct扫描中肿瘤或器官分割、mri中肿瘤或器官分割、x光影像中的结构分割；分割方法采用像素之间的相似度和边的权重，使用最小割算法来将图像分割为两个或多个区域，根据像素的相似性和空间关系将目标区域分割出来。
29.通过目标区域获取对比医学影像模型，将提取的特征与对比医学影像的相应区域进行比对；
30.从比对结果中提取有价值的特征，如形状、纹理、强度分布；
31.处理后的医学影像结果可以进行分析和可视化，将生成报告、绘制三维模型、制作动态演示，以协助医生进行诊断和治疗决策。
32.所述方法还包括对处理后的医学影像结果进行分级处理，所述分级处理的方法包括构建分类模型，所述分类模型构建方法为：
33.计算每个特征的平均值，然后将每个样本的每个特征减去对应特征的均值；
34.计算其标准差，并将每个样本的每个特征除以对应特征的标准差；
35.将数据缩放到特定范围，通过使用最小-最大缩放方法来实现，其中每个特征的最小值被映射到0，最大值被映射到1，并在此范围内线性缩放其他值；
36.将数据映射到高维空间与相应的医学标签进行关联，构建用于分类的模型。
37.所述分级处理的方法还包括，对训练好的模型进行评估，根据评估结果进行模型调优，以提高分类的准确性和性能，根据评估结果进行模型调优，可以调整模型的超参数、使用不同的特征选择方法来提高模型的准确性和性能。
38.所述评估方法为计算模型预测正确的样本数占总样本数的比例高低，准确率可以通过以下公式计算：准确率＝正确预测的样本数/总样本数，其中，正确预测的样本数是指模型在预测过程中正确分类的样本数，而总样本数是指整个数据集中样本的总数。
39.所述分级处理的方法还包括，将医学影像结果与训练好的模型进行比对，对待处理的医学影像数据进行分级处理，根据模型的输出，将影像结果分为不同的级别或类别，生成相应的结果报告或标注信息，可以帮助医疗专业人员更好地理解和解释影像结果，并作出相应的诊断或治疗决策。
40.所述分级处理的方法还包括，将结果报告上传到云服务器上进行存储，通过将数据存储在云端，可以实现数据的备份和集中管理，便于后续的数据分析、共享和访问。
41.至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域
技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
42.以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于云计算的医学影像处理的方法，其特征在于，所述方法包括：获取医学影像数据，所述医学影像数据指从各种影像设备(ct扫描、mri、x光)通过网络上传到云服务器；对所述医学影像数据进行预处理，以去除噪音、调整对比度、标准化尺度操作；对所述医学影像进行分割，将目标区域提取出来，所述目标区域指ct扫描中肿瘤或器官分割、mri中肿瘤或器官分割、x光影像中的结构分割；通过目标区域获取对比医学影像模型，将提取的特征与对比医学影像的相应区域进行比对：从比对结果中提取有价值的特征，如形状、纹理、强度分布；处理后的医学影像结果可以进行分析和可视化，将生成报告、绘制三维模型、制作动态演示，以协助医生进行诊断和治疗决策。2.根据权利要求1所述的一种基于云计算的医学影像处理的方法，其特征在于，所述方法还包括对处理后的医学影像结果进行分级处理，所述分级处理的方法包括构建分类模型，所述分类模型构建方法为：计算每个特征的平均值，然后将每个样本的每个特征减去对应特征的均值；计算其标准差，并将每个样本的每个特征除以对应特征的标准差；将数据缩放到特定范围，通过使用最小-最大缩放方法来实现，其中每个特征的最小值被映射到0，最大值被映射到1；将数据映射到高维空间与相应的医学标签进行关联，用于构建分类的模型。3.根据权利要求2所述的一种基于云计算的医学影像处理的方法，其特征在于，所述方法还包括对训练好的模型进行评估，根据评估结果进行模型调优，以提高分类或回归的准确性和性能。4.根据权利要求3所述的一种基于云计算的医学影像处理的方法，其特征在于，所述评估方法为计算模型预测正确的样本数占总样本数的比例高低。5.根据权利要求2所述的一种基于云计算的医学影像处理的方法，其特征在于，所述分级处理的方法还包括，将医学影像结果与训练好的模型进行比对，对待处理的医学影像数据进行分级处理，根据模型的输出，将影像结果分为不同的级别或类别，生成相应的结果报告或标注信息。6.根据权利要求2所述的一种基于云计算的医学影像处理的方法，其特征在于，所述分级处理的方法还包括将结果报告上传到云服务器上进行存储。

技术总结
本发明涉及医学影像处理技术领域，尤其涉及一种基于云计算的医学影像处理的方法，该方法包括以下步骤：获取医学影像数据；对所述医学影像数据进行预处理；对所述医学影像进行分割，将目标区域提取出来；通过目标区域获取对比医学影像模型，将提取的特征与对比医学影像的相应区域进行比对；从比对结果中提取有价值的特征；处理后的医学影像结果可以进行分析和可视化；以协助医生进行诊断和治疗决策，本发明通过对医学影像进行分级处理，对医学影像数据进行自动标注和分类，以实现对不同疾病或不同模态的影像进行一致性标准化和标注，可以提高医学影像数据的可比性和可分析性，从而为进一步的研究、诊断和预测提供更有用的信息。诊断和预测提供更有用的信息。诊断和预测提供更有用的信息。


技术研发人员：俞峰 刘磊
受保护的技术使用者：深圳市云影医疗科技有限公司
技术研发日：2023.07.28
技术公布日：2023/10/11