[發(fā)明專利]基于算法、區(qū)塊鏈和醫(yī)學(xué)影像的大數(shù)據(jù)疾病診斷系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110403451.X
• 申請(qǐng)日: 2021-04-15
• 公開（公告）號(hào): CN113077891A
• 公開（公告）日: 2021-07-06
• 發(fā)明（設(shè)計(jì)）人: 王小娟
• 申請(qǐng)（專利權(quán)）人: 王小娟
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G16H30/40;G06N3/00;G06N3/04;G06N3/08;G06T5/00;G06T7/00;G06T7/11
• 代理公司: 南昌合達(dá)信知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 36142
• 代理人: 李旦

本發(fā)明提供基于算法、區(qū)塊鏈和醫(yī)學(xué)影像的大數(shù)據(jù)疾病診斷系統(tǒng)，包括：醫(yī)學(xué)影像獲取模塊，用于獲取患者的醫(yī)學(xué)圖像；數(shù)據(jù)通訊模塊，用于對(duì)醫(yī)學(xué)影像獲取模塊獲取的醫(yī)學(xué)圖像進(jìn)行傳輸；醫(yī)學(xué)影像處理模塊，接收數(shù)據(jù)通訊模塊的醫(yī)學(xué)圖像并進(jìn)行處理；區(qū)塊鏈存儲(chǔ)模塊，用于存儲(chǔ)帶有醫(yī)學(xué)診斷結(jié)果的醫(yī)學(xué)影像；疾病預(yù)測(cè)模塊，根據(jù)區(qū)塊鏈存儲(chǔ)模塊中醫(yī)學(xué)影像對(duì)醫(yī)學(xué)影像處理模塊處理的醫(yī)學(xué)圖像進(jìn)行診斷預(yù)測(cè)，得到患者的醫(yī)學(xué)圖像診斷結(jié)果。本發(fā)明通過(guò)區(qū)塊鏈實(shí)現(xiàn)醫(yī)學(xué)影像的大數(shù)據(jù)處理，通過(guò)區(qū)塊鏈實(shí)現(xiàn)遠(yuǎn)程數(shù)據(jù)的互聯(lián)與共享，實(shí)現(xiàn)醫(yī)學(xué)圖像的疾病診斷，提高診斷準(zhǔn)確性，可實(shí)現(xiàn)遠(yuǎn)程診斷，提高診斷效率。

技術(shù)領(lǐng)域

本發(fā)明涉及疾病智能診斷技術(shù)領(lǐng)域，具體涉及基于算法、區(qū)塊鏈和醫(yī)學(xué)影像的大數(shù)據(jù)疾病診斷系統(tǒng)。

背景技術(shù)

隨著社會(huì)的快速發(fā)展，人們?cè)絹?lái)越關(guān)注自己的身體健康，希望能獲得快捷完善的醫(yī)療服務(wù)。但是由于生活節(jié)奏的加快、生活壓力的提高、生態(tài)環(huán)境的惡化，越來(lái)越多的年輕人出現(xiàn)了或輕或重的健康問(wèn)題。然而，當(dāng)人們?cè)噲D尋求醫(yī)生或營(yíng)養(yǎng)師的幫助時(shí)，卻由于醫(yī)生掌握的醫(yī)療數(shù)據(jù)較少，也沒(méi)有能力對(duì)人們的日常生活進(jìn)行密切跟蹤，因此難以為人們改善亞健康提供精確有效的指導(dǎo)和幫助。

醫(yī)學(xué)影像是指為了醫(yī)療或醫(yī)學(xué)研究，對(duì)人體或人體某部分，以非侵入方式取得內(nèi)部組織影像的技術(shù)與處理過(guò)程；通過(guò)醫(yī)學(xué)影像可以進(jìn)行疾病的診斷和預(yù)測(cè)，疾病預(yù)測(cè)基于用戶的歷史信息推斷未來(lái)的疾病或臨床事件的風(fēng)險(xiǎn)；在疾病預(yù)測(cè)的過(guò)程中，由于受數(shù)據(jù)量有限、數(shù)據(jù)偏差較大的影響，很多工作嘗試將醫(yī)學(xué)知識(shí)圖譜融入疾病預(yù)測(cè)過(guò)程，以提升預(yù)測(cè)精準(zhǔn)度和與現(xiàn)有醫(yī)學(xué)知識(shí)的吻合度。

現(xiàn)有的疾病預(yù)測(cè)采用深度學(xué)習(xí)模型以應(yīng)對(duì)醫(yī)療數(shù)據(jù)量不足和數(shù)據(jù)偏差所帶來(lái)的影響。由于醫(yī)療數(shù)據(jù)量是事先獲取的，在一定時(shí)間內(nèi)是靜態(tài)的，而用戶的歷史信息是動(dòng)態(tài)更新的，所以作為疾病預(yù)測(cè)的醫(yī)療數(shù)據(jù)量在預(yù)測(cè)過(guò)程中往往難以考慮歷史信息的變動(dòng)性，無(wú)法準(zhǔn)確的對(duì)疾病進(jìn)行準(zhǔn)確預(yù)測(cè)。

發(fā)明內(nèi)容

為了克服上述現(xiàn)有技術(shù)存在的問(wèn)題，本發(fā)明提供基于區(qū)塊鏈的醫(yī)學(xué)影像大數(shù)據(jù)疾病診斷系統(tǒng)。

本發(fā)明的技術(shù)方案是：

基于區(qū)塊鏈的醫(yī)學(xué)影像大數(shù)據(jù)疾病診斷系統(tǒng)，包括：

醫(yī)學(xué)影像獲取模塊，用于獲取患者的醫(yī)學(xué)圖像；

數(shù)據(jù)通訊模塊，用于對(duì)醫(yī)學(xué)影像獲取模塊獲取的醫(yī)學(xué)圖像進(jìn)行傳輸；

醫(yī)學(xué)影像處理模塊，接收數(shù)據(jù)通訊模塊的醫(yī)學(xué)圖像并進(jìn)行處理；

區(qū)塊鏈存儲(chǔ)模塊，用于存儲(chǔ)帶有醫(yī)學(xué)診斷結(jié)果的醫(yī)學(xué)影像；

疾病預(yù)測(cè)模塊，根據(jù)區(qū)塊鏈存儲(chǔ)模塊中醫(yī)學(xué)影像對(duì)醫(yī)學(xué)影像處理模塊處理的醫(yī)學(xué)圖像進(jìn)行診斷預(yù)測(cè)，得到患者的醫(yī)學(xué)圖像診斷結(jié)果。

作為本發(fā)明的進(jìn)一步技術(shù)方案為，所述醫(yī)學(xué)影像處理模塊包括：

圖像去噪單元，用于對(duì)獲取的醫(yī)學(xué)圖像去噪處理，

圖像分割單元，用于對(duì)去噪后的醫(yī)學(xué)圖像進(jìn)行分割，獲取醫(yī)學(xué)圖像的目標(biāo)區(qū)域圖像；

特征提取模塊，用于對(duì)目標(biāo)區(qū)域圖像的特征進(jìn)行提取。

作為本發(fā)明的進(jìn)一步技術(shù)方案為，所述用于對(duì)獲取的醫(yī)學(xué)圖像去噪處理，具體包括：

對(duì)醫(yī)學(xué)圖像用馬拉特Mallat快速算法進(jìn)行圖層小波變換，得到若干小波系數(shù)；

根據(jù)小波系數(shù)估計(jì)噪聲方差并確定各個(gè)不同細(xì)節(jié)子帶相應(yīng)的小波系數(shù)的閾值；

對(duì)小波系數(shù)進(jìn)行閾值處理，重構(gòu)醫(yī)學(xué)影像；

保存或輸出重構(gòu)的醫(yī)學(xué)影像。