[發明專利]基于圖像處理獲取目標圖像元素的方法及系統

在審

• 申請號: 202111114031.6
• 申請日: 2021-09-23
• 公開（公告）號: CN113838027A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 劉金勇;黃志俊;錢坤;張勝
• 申請（專利權）人: 杭州柳葉刀機器人有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G16H30/20;G16H30/40;G06N3/04;G06N3/08
• 代理公司: 北京常乘高知識產權代理事務所(特殊普通合伙) 11937
• 代理人: 常殿國;徐健

本發明公開了一種基于圖像處理獲取目標圖像元素的方法及系統，其中方法包括：獲取與目標對象相關聯的待處理的圖像組，對所述待處理的圖像組進行數據預處理以獲得經過預處理的圖像組；對經過預處理的圖像組進行圖像識別以確定多個圖像文件，利用神經網絡對多個圖像文件進行圖像處理，以獲得多個目標圖像區域；基于目標對象的結構特征對每個目標圖像區域進行圖像填充，獲得與每個目標圖像區域相關聯的掩模圖像；以及基于每個掩模圖像對相關聯的目標圖像區域進行掩碼操作，從而獲得與目標對象相關聯的多個目標圖像元素。

技術領域

本發明涉及圖像數據處理技術領域，并且更具體地說，涉及一種基于圖像處理獲取目標圖像元素的方法及系統、以及存儲介質和電子設備。此外本發明還涉及基于3D深度學習的輔助診斷用圖像數據處理系統及方法。

背景技術

隨著計算機數據處理能力的加快和人工智能技術的成熟，醫生越來越多地使用數字圖像來進行輔助診斷治療。X光檢查是一種有效篩查疾病的傳統方法，但是因為醫學成像技術的限制和成像物體的特殊性，以及醫學圖像固有的特點，如灰度不均勻、影像相互重疊、噪聲大且邊界模糊等，使醫學圖像的分割充滿挑戰。

目前，X線片骨組織的分割主要靠醫生手工標記，不僅耗時耗力而且分割結果難以復現，準確率不穩定。并且，醫院的患者產生了大量的醫學影像圖片需要醫生對其進行細致的分析，設備對人體進行掃描之后得到相應的影像數據，再將其打印到膠片或輸出到顯示屏幕，通常的處理方法是醫生用肉眼進行觀察。一方面，這種重復性的工作對于影像科室的醫務人員來說是一個繁瑣且艱巨的任務，國內巨大的患者需求已經很難得到滿足；另一方面，這種主要靠醫生肉眼去判斷的診斷結果受到一定主觀因素和能力的影響，特別是在一些醫療水平很有限的地區或基層醫院，醫學成像設備在臨床上的應用受到一定程度的限制。

計算機技術一方面使得臨床醫生能夠更加方便快捷地查看病變組織和結構以幫助醫生對病情進行分析和判斷，另一方面為醫生提供更加準確的診斷報告并降低誤診率成為可能。

隨著計算機硬件不斷發展，處理器在運算速度方面得到很大的提升，人工智能技術在計算機研究領域不斷地取得突破，特別是深度學習廣泛地應用于計算機視覺、計算音頻分析、自然語言處理等多個領域，也為計算機輔助診斷治療的發展提供了很好的機會。醫學圖像處理作為國內外研究熱點，其發展能夠很大程度地解決臨床上醫生解讀數字圖像任務艱巨的問題，從而減輕醫生閱片負擔，也能夠提高醫生的診斷準確率并降低誤診率，具有非常重要的研究意義。

首先需要解決的重要問題是醫學圖像分割，醫生對病人病情的分析和診斷等都取決于分割的準確性，它不但是醫學圖像處理中的一個關鍵環節，也是醫學圖像處理問題的基礎和瓶頸。

人體的結構非常復雜，每個人之間也有很大的差異，分割組織既是一項富有挑戰性的工作，也具有十分重要的現實意義。X線片中骨組織的分割是骨折診斷治療、評價骨骼成熟度、骨密度測量和手術前的治療計劃等的主要步驟，雖然已經有一些算法來解決X線片上的骨組織分割問題，但因為醫學成像技術的限制和成像物體的特殊性，還有醫學圖像固有的特點，如灰度不均勻、影像相互重疊、噪聲大且邊界模糊等，使醫學圖像的分割充滿挑戰。

由此可知，現有技術中存在對于基于圖像處理獲取目標圖像元素的技術方案的需求。

發明內容

為了解決現有技術中的問題，本發明提供了一種醫療圖像識別深度學習計算機系統及方法，該系統先從宏觀上對圖像區域自動分割總體框架的設計，然后分步驟具體設計與實現，包括數據預處理、神經網絡訓練與測試和圖像后處理三個主要的步驟組成，并結合了PyCharm軟件、MITK軟件、MatLab軟件、Mimics軟件)。

根據一個方面，本發明提供了一種基于圖像處理獲取目標圖像元素的方法，其特征在于，所述方法包括：

獲取與目標對象相關聯的待處理的圖像組，對所述待處理的圖像組進行數據預處理以獲得經過預處理的圖像組；