基于区块链的智慧医疗异常图像大数据检测方法与系统

1.本发明涉及图像分析技术领域，具体而言，涉及一种基于区块链的智慧医疗异常图像大数据检测方法与系统。


背景技术：

2.随着国家医疗保障事业的不断发展，给越来越多的百姓提供了良好的医疗条件。然而，由于我国人口数量较多，有限的医疗资源无法及时满足所有就诊人员的医疗需求。尽管现有技术中也以将许多现代信息技术应用于就诊人员的医疗图像检测，但其仍然无法保持较为理想的检测精度。同时，在检测的过程中缺少一种有效的记录和存储方式，显著降低了可靠性。区块链作为近年来新兴的技术，可以为医疗诊断过程中的信息记录和存储提供直接的支持。因此，如何利用现代信息技术并深度结合区块链技术，实现智慧医疗异常图像大数据精准检测成为一个新的问题。


技术实现要素：

3.为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种基于区块链的智慧医疗异常图像大数据检测方法与系统，结合基于显著性区域去噪的超分辨率重建模型、基于高熵值区域检测的纹理直方图比对模型和基于图像加强的多编码匹配互验模型等多种方法模型，大大提高了图像检测精度和检测效率；并结合区块链技术实现核心数据的上链存储，保证了数据可靠性。
4.本发明的实施例是这样实现的：第一方面，本发明实施例提供一种基于区块链的智慧医疗异常图像大数据检测方法，包括以下步骤：就诊人员到医院首次就诊时，采集并发送就诊人员的身体部位医学图像给对应的医生进行诊断，获取医生的诊断结果；若医生的诊断结果为健康图像，则利用基于显著性区域去噪的超分辨率重建模型，对该身体部位医学图像进行优化，以得到基准健康图像；获取并将就诊人员身份信息、基准健康图像以及基准健康图像获取时间上传至区块链；该就诊人员进行复查时，采集该就诊人员的对应身体部位的医学图像，并基于显著性区域去噪的超分辨率重建模型，对该医学图像进行优化，以作为待检测图像；利用基于高熵值区域检测的纹理直方图比对模型，计算待检测图像和基准健康图像之间的相似性，以得到第一相似性结果；若第一相似性结果大于预置的相似性阈值，则利用基于图像加强的多编码匹配互验模型，计算待检测图像和基准健康图像之间的相似性，以得到第二相似性结果；若第二相似性结果大于预置的相似性阈值，则认定待检测图像为未发生病变图像；反之，则认定待检测图像为疑似病变图像，并将该疑似病变图像发送给对应的医生进行
诊断；复查后，获取并将就诊人员身份信息、待检测图像、待检测图像获取时间和诊断结果上传至区块链。
5.为了解决现有技术中的问题，本方法利用基于显著性区域去噪的超分辨率重建模型，对基准健康图像和待检测图像进行了优化，深度提升了基准健康图像和待检测图像的质量，为基准健康图像和待检测图像的精准相似性检测提供了直接支持。在此基础上，本方法深度结合基于高熵值区域检测的纹理直方图比对模型和基于图像加强的多编码匹配互验模型，精准地对待检测图像和基准健康图像的相似性进行了检测，为准确判断待检测图像是否为疑似病变图像提供了直接支持。本方法还结合区块链技术，将就诊人员就诊过程中的多项核心信息进行了上链存储，确保数据的可靠性和稳定性。基于本发明，对于绝大多数的就诊人员，可以直接利用信息技术完成诊断，显著地降低了医疗资源的消耗。
6.基于第一方面，在本发明的一些实施例中，上述利用基于显著性区域去噪的超分辨率重建模型，对该身体部位医学图像进行优化，以得到基准健康图像的方法包括以下步骤：利用显著性区域检测方法对医学图像进行检测，以得到医学显著性区域图像；对医学显著性区域图像进行去噪处理，以得到并采用去噪区域图像替换该医学图像中对应的医学显著性区域图像，以得到新医学图像；对新医学图像进行超分辨率重建，以得到基准健康图像。
7.基于第一方面，在本发明的一些实施例中，上述利用基于高熵值区域检测的纹理直方图比对模型，计算待检测图像和基准健康图像之间的相似性，以得到第一相似性结果的方法包括以下步骤：分别对待检测图像和基准健康图像进行多等分处理，以得到多个待检测等分区域图像和多个基准健康等分区域图像；计算并根据各个待检测等分区域图像的熵值选定熵值最高的待检测等分区域图像作为目标区域图像，并对该目标区域图像进行纹理直方图构建，以得到待检测纹理直方图；选取目标区域图像对应的区域的基准健康等分区域图像作为目标基准区域图像，并对该目标基准区域图像进行纹理直方图构建，以得到基准纹理直方图；计算待检测纹理直方图和基准纹理直方图之间的相似性，以得到第一相似性结果。
8.基于第一方面，在本发明的一些实施例中，上述利用基于图像加强的多编码匹配互验模型，计算待检测图像和基准健康图像之间的相似性，以得到第二相似性结果的方法包括以下步骤：利用图像加强方法对待检测图像和基准健康图像进行图像加强处理，以得到待检测加强图像和基准健康加强图像；利用稀疏编码方法，对待检测加强图像和基准健康加强图像进行编码，并利用欧式距离计算待检测加强图像和基准健康加强图像之间的相似度，以得到第一相似度值；利用自编码方法，对待检测加强图像和基准健康加强图像进行编码，并利用欧式距离计算待检测加强图像和基准健康加强图像之间的相似度，以得到第二相似度值；
利用哈希编码方法，对待检测加强图像和基准健康加强图像进行编码，并利用欧式距离计算待检测加强图像和基准健康加强图像之间的相似度，以得到第三相似度值；根据第一相似度值、第二相似度值和第三相似度值生成第二相似性结果。
9.第二方面，本发明实施例提供一种基于区块链的智慧医疗异常图像大数据检测系统，包括：医生诊断模块、基准图像模块、就诊数据上链模块、复查图像采集模块、第一相似性模块、第二相似性模块、复查判断模块以及复查数据上链模块，其中：医生诊断模块，用于就诊人员到医院首次就诊时，采集并发送就诊人员的身体部位医学图像给对应的医生进行诊断，获取医生的诊断结果；基准图像模块，用于若医生的诊断结果为健康图像，则利用基于显著性区域去噪的超分辨率重建模型，对该身体部位医学图像进行优化，以得到基准健康图像；就诊数据上链模块，用于获取并将就诊人员身份信息、基准健康图像以及基准健康图像获取时间上传至区块链；复查图像采集模块，用于该就诊人员进行复查时，采集该就诊人员的对应身体部位的医学图像，并基于显著性区域去噪的超分辨率重建模型，对该医学图像进行优化，以作为待检测图像；第一相似性模块，用于利用基于高熵值区域检测的纹理直方图比对模型，计算待检测图像和基准健康图像之间的相似性，以得到第一相似性结果；第二相似性模块，用于若第一相似性结果大于预置的相似性阈值，则利用基于图像加强的多编码匹配互验模型，计算待检测图像和基准健康图像之间的相似性，以得到第二相似性结果；复查判断模块，用于若第二相似性结果大于预置的相似性阈值，则认定待检测图像为未发生病变图像；反之，则认定待检测图像为疑似病变图像，并将该疑似病变图像发送给对应的医生进行诊断；复查数据上链模块，用于复查后，获取并将就诊人员身份信息、待检测图像、待检测图像获取时间和诊断结果上传至区块链。
10.为了解决现有技术中的问题，本系统通过医生诊断模块、基准图像模块、就诊数据上链模块、复查图像采集模块、第一相似性模块、第二相似性模块、复查判断模块以及复查数据上链模块等多个模块的配合，利用基于显著性区域去噪的超分辨率重建模型，对基准健康图像和待检测图像进行了优化，深度提升了基准健康图像和待检测图像的质量，为基准健康图像和待检测图像的精准相似性检测提供了直接支持。在此基础上，本系统深度结合基于高熵值区域检测的纹理直方图比对模型和基于图像加强的多编码匹配互验模型，精准地对待检测图像和基准健康图像的相似性进行了检测，为准确判断待检测图像是否为疑似病变图像提供了直接支持。本系统还结合区块链技术，将就诊人员就诊过程中的多项核心信息进行了上链存储，确保数据的可靠性和稳定性。基于本发明，对于绝大多数的就诊人员，可以直接利用信息技术完成诊断，显著地降低了医疗资源的消耗。
11.第三方面，本技术实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当一个或多个程序被处理器执行时，实现如上述第一方面中任一项的方法。
12.第四方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
13.本发明实施例至少具有如下优点或有益效果：本发明实施例提供一种基于区块链的智慧医疗异常图像大数据检测方法与系统，结合基于显著性区域去噪的超分辨率重建模型、基于高熵值区域检测的纹理直方图比对模型和基于图像加强的多编码匹配互验模型等多种方法模型，大大提高了图像检测精度和检测效率；并结合区块链技术实现核心数据的上链存储，保证了数据可靠性。
附图说明
14.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
15.图1为本发明实施例一种基于区块链的智慧医疗异常图像大数据检测方法的流程图；图2为本发明实施例一种基于区块链的智慧医疗异常图像大数据检测方法中利用基于显著性区域去噪的超分辨率重建模型进行图像优化的流程图；图3为本发明实施例一种基于区块链的智慧医疗异常图像大数据检测方法中利用基于高熵值区域检测的纹理直方图比对模型计算相似性的流程图；图4为本发明实施例一种基于区块链的智慧医疗异常图像大数据检测系统的原理框图；图5为本发明实施例提供的一种电子设备的结构框图。
16.附图标记说明：100、医生诊断模块；200、基准图像模块；300、就诊数据上链模块；400、复查图像采集模块；500、第一相似性模块；600、第二相似性模块；700、复查判断模块；800、复查数据上链模块；101、存储器；102、处理器；103、通信接口。
实施方式
17.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
18.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
19.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
20.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且
还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
实施例
21.如图1-图3所示，第一方面，本发明实施例提供一种基于区块链的智慧医疗异常图像大数据检测方法，包括以下步骤：s1、就诊人员到医院首次就诊时，采集并发送就诊人员的身体部位医学图像给对应的医生进行诊断，获取医生的诊断结果；就诊人员到医院首次就诊时，提取就诊人员的医学图像（可以是胸部、腹部等部位的图像），由医生进行诊断。如果医生诊断为异常图像，直接对就诊人员进行治疗（后期也由医生对此就诊人员进行定期诊疗即可）。
22.s2、若医生的诊断结果为健康图像，则利用基于显著性区域去噪的超分辨率重建模型，对该身体部位医学图像进行优化，以得到基准健康图像；进一步地，如图2所示，包括：s21、利用显著性区域检测方法对医学图像进行检测，以得到医学显著性区域图像；s22、对医学显著性区域图像进行去噪处理，以得到并采用去噪区域图像替换该医学图像中对应的医学显著性区域图像，以得到新医学图像；s23、对新医学图像进行超分辨率重建，以得到基准健康图像。
23.在本发明的一些实施例中，如果医生将该医学图像诊断为健康图像，利用基于显著性区域去噪的超分辨率重建模型，对该医学影像进行优化，作为基准健康图像。
24.上述利用基于显著性区域去噪的超分辨率重建模型进行图像优化具体包括：利用显著性区域检测方法图像进行检测，并对显著性区域进行去噪处理（去噪处理仅对提取图像过程中由于设备原因产生的噪声进行去除），处理之后对整幅图像进行超分辨率重建。
25.s3、获取并将就诊人员身份信息、基准健康图像以及基准健康图像获取时间上传至区块链；s4、该就诊人员进行复查时，采集该就诊人员的对应身体部位的医学图像，并基于显著性区域去噪的超分辨率重建模型，对该医学图像进行优化，以作为待检测图像；在本发明的一些实施例中，一段时间后（3个月或半年等），就诊人员进行复查，再次提取就诊人员的医学图像（和上次检查的部位相同）；利用基于显著性区域去噪的超分辨率重建模型，对该医学图像进行优化，作为待检测图像。
26.s5、利用基于高熵值区域检测的纹理直方图比对模型，计算待检测图像和基准健康图像之间的相似性，以得到第一相似性结果；进一步地，如图3所示，包括：s51、分别对待检测图像和基准健康图像进行多等分处理，以得到多个待检测等分区域图像和多个基准健康等分区域图像；s52、计算并根据各个待检测等分区域图像的熵值选定熵值最高的待检测等分区域图像作为目标区域图像，并对该目标区域图像进行纹理直方图构建，以得到待检测纹理直方图；
s53、选取目标区域图像对应的区域的基准健康等分区域图像作为目标基准区域图像，并对该目标基准区域图像进行纹理直方图构建，以得到基准纹理直方图；s54、计算待检测纹理直方图和基准纹理直方图之间的相似性，以得到第一相似性结果。
27.在本发明的一些实施例中，利用基于高熵值区域检测的纹理直方图比对模型，检测待检测图像和基准健康图像的相似性。如果相似性较低，说明待检测图像和基准健康图像出现了显著差异，认为待检测图像为疑似病变图像，直接让医生诊断并得到诊断结果；反之，进行下一步，继续进行相似度对比。
28.上述利用基于高熵值区域检测的纹理直方图比对模型进行相似性检测具体包括：对待检测图像进行等分处理，例如对图像进行16等分。计算出16个区域每个区域的熵值，并对熵值最高的区域进行纹理直方图构建。在基准图像中找到对应区域（例如，待检测区域熵值最高的区域是左上区域，在基准图像中也对应到左上区域），进行纹理直方图构建。将2个纹理直方图进行比对，如果2个纹理直方图相似性较低，说明待检测图像和基准健康图像出现了显著差异，认为待检测图像为疑似病变图像，直接让医生诊断并得到诊断结果。
29.图像区域熵的计算方法如下：计算区域中每个像素点的灰度值；计算某个灰度在该图像区域中出现的概率；利用公式对区域熵进行计算。
30.s6、若第一相似性结果大于预置的相似性阈值，则利用基于图像加强的多编码匹配互验模型，计算待检测图像和基准健康图像之间的相似性，以得到第二相似性结果；进一步地，包括：利用图像加强方法对待检测图像和基准健康图像进行图像加强处理，以得到待检测加强图像和基准健康加强图像；利用稀疏编码方法，对待检测加强图像和基准健康加强图像进行编码，并利用欧式距离计算待检测加强图像和基准健康加强图像之间的相似度，以得到第一相似度值；利用自编码方法，对待检测加强图像和基准健康加强图像进行编码，并利用欧式距离计算待检测加强图像和基准健康加强图像之间的相似度，以得到第二相似度值；利用哈希编码方法，对待检测加强图像和基准健康加强图像进行编码，并利用欧式距离计算待检测加强图像和基准健康加强图像之间的相似度，以得到第三相似度值；根据第一相似度值、第二相似度值和第三相似度值生成第二相似性结果。
31.在本发明的一些实施例中，利用基于图像加强的多编码匹配互验模型，计算待检测图像和基准健康图像的相似性。如果相似性较低，说明待检测图像和基准健康图像出现了显著差异，认为待检测图像为疑似病变图像，让医生诊断并得到诊断结果。如果相似性较高，可直接最终认定待检测图像未出现病变。
32.上述利用基于图像加强的多编码匹配互验模型计算相似性具体包括：先利用图像加强方法对待检测图像和基准健康图像进行图像加强，基于此再进行如下步骤：（a）利用稀疏编码方法，对待检测图像和基准健康图像进行编码，并利用欧式距离计算它们之间的相似度；（b）利用自编码方法，对待检测图像和基准健康图像进行编码，并利用欧式距离计算它们之间的相似度；
（c）利用哈希编码方法，对待检测图像和基准健康图像进行编码，并利用欧式距离计算它们之间的相似度；如果（a）（b）（c）步骤中有任意一个相似度较低，低于预置的相似度阈值，则认定为待检测图像和基准健康图像相似度较低。
33.s7、若第二相似性结果大于预置的相似性阈值，则认定待检测图像为未发生病变图像；反之，则认定待检测图像为疑似病变图像，并将该疑似病变图像发送给对应的医生进行诊断；s8、复查后，获取并将就诊人员身份信息、待检测图像、待检测图像获取时间和诊断结果上传至区块链。
34.利用上述方法，每位就诊人员都进行初次检查并间隔一段时间进行复查，实现高质量的智能诊断。
35.为了解决现有技术中的问题，本方法利用基于显著性区域去噪的超分辨率重建模型，对基准健康图像和待检测图像进行了优化，深度提升了基准健康图像和待检测图像的质量，为基准健康图像和待检测图像的精准相似性检测提供了直接支持。在此基础上，本方法深度结合基于高熵值区域检测的纹理直方图比对模型和基于图像加强的多编码匹配互验模型，精准地对待检测图像和基准健康图像的相似性进行了检测，为准确判断待检测图像是否为疑似病变图像提供了直接支持。本方法还结合区块链技术，将就诊人员就诊过程中的多项核心信息进行了上链存储，确保数据的可靠性和稳定性。基于本发明，对于绝大多数的就诊人员，可以直接利用信息技术完成诊断，显著地降低了医疗资源的消耗。
36.如图4所示，第二方面，本发明实施例提供一种基于区块链的智慧医疗异常图像大数据检测系统，包括：医生诊断模块100、基准图像模块200、就诊数据上链模块300、复查图像采集模块400、第一相似性模块500、第二相似性模块600、复查判断模块700以及复查数据上链模块800，其中：医生诊断模块100，用于就诊人员到医院首次就诊时，采集并发送就诊人员的身体部位医学图像给对应的医生进行诊断，获取医生的诊断结果；基准图像模块200，用于若医生的诊断结果为健康图像，则利用基于显著性区域去噪的超分辨率重建模型，对该身体部位医学图像进行优化，以得到基准健康图像；就诊数据上链模块300，用于获取并将就诊人员身份信息、基准健康图像以及基准健康图像获取时间上传至区块链；复查图像采集模块400，用于该就诊人员进行复查时，采集该就诊人员的对应身体部位的医学图像，并基于显著性区域去噪的超分辨率重建模型，对该医学图像进行优化，以作为待检测图像；第一相似性模块500，用于利用基于高熵值区域检测的纹理直方图比对模型，计算待检测图像和基准健康图像之间的相似性，以得到第一相似性结果；第二相似性模块600，用于若第一相似性结果大于预置的相似性阈值，则利用基于图像加强的多编码匹配互验模型，计算待检测图像和基准健康图像之间的相似性，以得到第二相似性结果；复查判断模块700，用于若第二相似性结果大于预置的相似性阈值，则认定待检测图像为未发生病变图像；反之，则认定待检测图像为疑似病变图像，并将该疑似病变图像发
送给对应的医生进行诊断；复查数据上链模块800，用于复查后，获取并将就诊人员身份信息、待检测图像、待检测图像获取时间和诊断结果上传至区块链。
37.为了解决现有技术中的问题，本系统通过医生诊断模块100、基准图像模块200、就诊数据上链模块300、复查图像采集模块400、第一相似性模块500、第二相似性模块600、复查判断模块700以及复查数据上链模块800等多个模块的配合，利用基于显著性区域去噪的超分辨率重建模型，对基准健康图像和待检测图像进行了优化，深度提升了基准健康图像和待检测图像的质量，为基准健康图像和待检测图像的精准相似性检测提供了直接支持。在此基础上，本系统深度结合基于高熵值区域检测的纹理直方图比对模型和基于图像加强的多编码匹配互验模型，精准地对待检测图像和基准健康图像的相似性进行了检测，为准确判断待检测图像是否为疑似病变图像提供了直接支持。本系统还结合区块链技术，将就诊人员就诊过程中的多项核心信息进行了上链存储，确保数据的可靠性和稳定性。基于本发明，对于绝大多数的就诊人员，可以直接利用信息技术完成诊断，显著地降低了医疗资源的消耗。
38.如图5所示，第三方面，本技术实施例提供一种电子设备，其包括存储器101，用于存储一个或多个程序；处理器102。当一个或多个程序被处理器102执行时，实现如上述第一方面中任一项的方法。
39.还包括通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
40.其中，存储器101可以是但不限于，随机存取存储器（random access memory，ram），只读存储器（read only memory，rom），可编程只读存储器（programmable read-only memory，prom），可擦除只读存储器（erasable programmable read-only memory，eprom），电可擦除只读存储器（electric erasable programmable read-only memory，eeprom）等。
41.处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器（central processing unit，cpu）、网络处理器（network processor，np）等；还可以是数字信号处理器（digital signal processing，dsp）、专用集成电路（application specific integrated circuit，asic）、现场可编程门阵列（field－programmable gate array，fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
42.在本技术所提供的实施例中，应该理解到，所揭露的方法及系统和方法，也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地
执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
43.另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
44.第四方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
45.以上仅为本发明的优选实施例而已，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。
46.对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其它的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

技术特征：
1.一种基于区块链的智慧医疗异常图像大数据检测方法，其特征在于，包括以下步骤：就诊人员到医院首次就诊时，采集并发送就诊人员的身体部位医学图像给对应的医生进行诊断，获取医生的诊断结果；若医生的诊断结果为健康图像，则利用基于显著性区域去噪的超分辨率重建模型，对该身体部位医学图像进行优化，以得到基准健康图像；获取并将就诊人员身份信息、基准健康图像以及基准健康图像获取时间上传至区块链；该就诊人员进行复查时，采集该就诊人员的对应身体部位的医学图像，并基于显著性区域去噪的超分辨率重建模型，对该医学图像进行优化，以作为待检测图像；利用基于高熵值区域检测的纹理直方图比对模型，计算待检测图像和基准健康图像之间的相似性，以得到第一相似性结果；若第一相似性结果大于预置的相似性阈值，则利用基于图像加强的多编码匹配互验模型，计算待检测图像和基准健康图像之间的相似性，以得到第二相似性结果；若第二相似性结果大于预置的相似性阈值，则认定待检测图像为未发生病变图像；反之，则认定待检测图像为疑似病变图像，并将该疑似病变图像发送给对应的医生进行诊断；复查后，获取并将就诊人员身份信息、待检测图像、待检测图像获取时间和诊断结果上传至区块链。2.根据权利要求1所述的一种基于区块链的智慧医疗异常图像大数据检测方法，其特征在于，所述利用基于显著性区域去噪的超分辨率重建模型，对该身体部位医学图像进行优化，以得到基准健康图像的方法包括以下步骤：利用显著性区域检测方法对医学图像进行检测，以得到医学显著性区域图像；对医学显著性区域图像进行去噪处理，以得到并采用去噪区域图像替换该医学图像中对应的医学显著性区域图像，以得到新医学图像；对新医学图像进行超分辨率重建，以得到基准健康图像。3.根据权利要求1所述的一种基于区块链的智慧医疗异常图像大数据检测方法，其特征在于，所述利用基于高熵值区域检测的纹理直方图比对模型，计算待检测图像和基准健康图像之间的相似性，以得到第一相似性结果的方法包括以下步骤：分别对待检测图像和基准健康图像进行多等分处理，以得到多个待检测等分区域图像和多个基准健康等分区域图像；计算并根据各个待检测等分区域图像的熵值选定熵值最高的待检测等分区域图像作为目标区域图像，并对该目标区域图像进行纹理直方图构建，以得到待检测纹理直方图；选取目标区域图像对应的区域的基准健康等分区域图像作为目标基准区域图像，并对该目标基准区域图像进行纹理直方图构建，以得到基准纹理直方图；计算待检测纹理直方图和基准纹理直方图之间的相似性，以得到第一相似性结果。4.根据权利要求1所述的一种基于区块链的智慧医疗异常图像大数据检测方法，其特征在于，所述利用基于图像加强的多编码匹配互验模型，计算待检测图像和基准健康图像之间的相似性，以得到第二相似性结果的方法包括以下步骤：利用图像加强方法对待检测图像和基准健康图像进行图像加强处理，以得到待检测加强图像和基准健康加强图像；
利用稀疏编码方法，对待检测加强图像和基准健康加强图像进行编码，并利用欧式距离计算待检测加强图像和基准健康加强图像之间的相似度，以得到第一相似度值；利用自编码方法，对待检测加强图像和基准健康加强图像进行编码，并利用欧式距离计算待检测加强图像和基准健康加强图像之间的相似度，以得到第二相似度值；利用哈希编码方法，对待检测加强图像和基准健康加强图像进行编码，并利用欧式距离计算待检测加强图像和基准健康加强图像之间的相似度，以得到第三相似度值；根据第一相似度值、第二相似度值和第三相似度值生成第二相似性结果。5.一种基于区块链的智慧医疗异常图像大数据检测系统，其特征在于，包括：医生诊断模块、基准图像模块、就诊数据上链模块、复查图像采集模块、第一相似性模块、第二相似性模块、复查判断模块以及复查数据上链模块，其中：医生诊断模块，用于就诊人员到医院首次就诊时，采集并发送就诊人员的身体部位医学图像给对应的医生进行诊断，获取医生的诊断结果；基准图像模块，用于若医生的诊断结果为健康图像，则利用基于显著性区域去噪的超分辨率重建模型，对该身体部位医学图像进行优化，以得到基准健康图像；就诊数据上链模块，用于获取并将就诊人员身份信息、基准健康图像以及基准健康图像获取时间上传至区块链；复查图像采集模块，用于该就诊人员进行复查时，采集该就诊人员的对应身体部位的医学图像，并基于显著性区域去噪的超分辨率重建模型，对该医学图像进行优化，以作为待检测图像；第一相似性模块，用于利用基于高熵值区域检测的纹理直方图比对模型，计算待检测图像和基准健康图像之间的相似性，以得到第一相似性结果；第二相似性模块，用于若第一相似性结果大于预置的相似性阈值，则利用基于图像加强的多编码匹配互验模型，计算待检测图像和基准健康图像之间的相似性，以得到第二相似性结果；复查判断模块，用于若第二相似性结果大于预置的相似性阈值，则认定待检测图像为未发生病变图像；反之，则认定待检测图像为疑似病变图像，并将该疑似病变图像发送给对应的医生进行诊断；复查数据上链模块，用于复查后，获取并将就诊人员身份信息、待检测图像、待检测图像获取时间和诊断结果上传至区块链。6.一种电子设备，其特征在于，包括：存储器，用于存储一个或多个程序；处理器；当所述一个或多个程序被所述处理器执行时，实现如权利要求1-4中任一项所述的方法。7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-4中任一项所述的方法。

技术总结
本发明公开了一种基于区块链的智慧医疗异常图像大数据检测方法与系统，涉及图像分析技术领域。该方法包括：首次就诊时，采集并发送对应医学图像给医生进行诊断，若诊断结果为健康图像，则对该图像进行优化，得到基准健康图像；对相关数据进行上链；复查时，采集待检测图像；计算待检测图像和基准健康图像之间的相似性，若大于预置的相似性阈值，则再次计算待检测图像和基准健康图像之间的相似性，若大于预置的相似性阈值，则认定其为未发生病变图像；反之，则认定其为疑似病变图像，并发送给医生进行诊断；复查后，对相关核心数据上链。本发明利用多种算法模型对医疗图像进行精准分析，并对核心数据进行上链存储，保证数据安全可靠。保证数据安全可靠。保证数据安全可靠。


技术研发人员：吴昊 王慎玲
受保护的技术使用者：北京师范大学
技术研发日：2023.03.08
技术公布日：2023/7/22