本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種重癥醫(yī)學(xué)科內(nèi)監(jiān)控圖像的隱含異常監(jiān)測方法及系統(tǒng)。
背景技術(shù)：
1、在重癥醫(yī)學(xué)科的ct影像診斷中，部分病變早期在ct影像上表現(xiàn)細(xì)微，并且存在顯著的個(gè)體化差異，例如肝纖維化的紋理輕度紊亂、肺腺癌的磨玻璃結(jié)節(jié)密度輕微不均等，僅依靠患者的單一ct圖像特征分析，難以準(zhǔn)確識別某些非顯性異常，導(dǎo)致對隱含異常的監(jiān)測不及時(shí)。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明針對現(xiàn)有技術(shù)中重癥醫(yī)學(xué)科內(nèi)監(jiān)控圖像的隱含異常監(jiān)測不及時(shí)的技術(shù)問題，提供一種重癥醫(yī)學(xué)科內(nèi)監(jiān)控圖像的隱含異常監(jiān)測方法及系統(tǒng)。
2、本發(fā)明解決上述技術(shù)問題的技術(shù)方案如下：
3、第一方面，本發(fā)明提供了一種重癥醫(yī)學(xué)科內(nèi)監(jiān)控圖像的隱含異常監(jiān)測方法，包括：
4、獲得重癥內(nèi)ct監(jiān)控圖像的非顯性異常軟組織類型，其中，顯性異常軟組織類型指不滿足醫(yī)師端設(shè)定標(biāo)準(zhǔn)的組織類型；
5、基于目標(biāo)用戶病史和基本體征信息，索引鄰接圖像集，對非顯性異常軟組織類型執(zhí)行顯性異常圖像占比分析，獲得形狀異常密度、紋理異常密度和顏色異常密度；
6、基于所述形狀異常密度、所述紋理異常密度和所述顏色異常密度的任意一個(gè)異常密度大于或等于密度閾值的非顯性異常軟組織類型，構(gòu)建隱含異常區(qū)域，進(jìn)行參考性異常顏色渲染，并發(fā)送至醫(yī)師端進(jìn)行顯示，其中，參考性異常指疑似異常。
7、第二方面，本發(fā)明提供了一種重癥醫(yī)學(xué)科內(nèi)監(jiān)控圖像的隱含異常監(jiān)測系統(tǒng)，包括：
8、非顯性異常篩選模塊，用于獲得重癥內(nèi)ct監(jiān)控圖像的非顯性異常軟組織類型，其中，顯性異常軟組織類型指不滿足醫(yī)師端設(shè)定標(biāo)準(zhǔn)的組織類型；
9、異常密度計(jì)算模塊，用于基于目標(biāo)用戶病史和基本體征信息，索引鄰接圖像集，對非顯性異常軟組織類型執(zhí)行顯性異常圖像占比分析，獲得形狀異常密度、紋理異常密度和顏色異常密度；
10、渲染發(fā)送模塊，用于基于所述形狀異常密度、所述紋理異常密度和所述顏色異常密度的任意一個(gè)異常密度大于或等于密度閾值的非顯性異常軟組織類型，構(gòu)建隱含異常區(qū)域，進(jìn)行參考性異常顏色渲染，并發(fā)送至醫(yī)師端進(jìn)行顯示，其中，參考性異常指疑似異常。
11、本發(fā)明的有益效果是：
12、相較于現(xiàn)有技術(shù)，本申請首先通過獲得重癥內(nèi)ct監(jiān)控圖像的非顯性異常軟組織類型，其中，顯性異常軟組織類型指不滿足醫(yī)師端設(shè)定標(biāo)準(zhǔn)的組織類型，獲得了顯性異常區(qū)域，并為后續(xù)非顯性異常軟組織的識別分析提供了必要的數(shù)據(jù)基礎(chǔ)。其次，基于目標(biāo)用戶病史和基本體征信息，索引鄰接圖像集，對非顯性異常軟組織類型執(zhí)行顯性異常圖像占比分析，獲得形狀異常密度、紋理異常密度和顏色異常密度，為判斷當(dāng)前非顯性異常區(qū)域的潛在風(fēng)險(xiǎn)提供了可靠的量化依據(jù)，并避免因單一閾值限制導(dǎo)致漏診。最后，基于形狀異常密度、紋理異常密度和顏色異常密度的任意一個(gè)異常密度大于或等于密度閾值的非顯性異常軟組織類型，構(gòu)建隱含異常區(qū)域，進(jìn)行參考性異常顏色渲染，并發(fā)送至醫(yī)師端進(jìn)行顯示，提取出具有個(gè)體化價(jià)值的可能存在的隱含異常區(qū)域，為醫(yī)生的后續(xù)診斷提供了進(jìn)一步的參考，實(shí)現(xiàn)了對重癥患者病情的早期發(fā)現(xiàn)與干預(yù)。
13、通過上述技術(shù)方案，本申請通過對軟組織的各類特征進(jìn)行多值化處理，識別出顯性異常區(qū)域，然后根據(jù)用戶的病史和基本體征信息，采集鄰接圖像集，計(jì)算獲得非顯性異常區(qū)域標(biāo)志形狀異常密度、紋理異常密度和顏色異常密度，當(dāng)非顯性異常區(qū)域的形狀異常密度、紋理異常密度和顏色異常密度的任意一個(gè)大于或等于密度閾值時(shí)，進(jìn)行隱含異常標(biāo)識，并將具有顯性異常區(qū)域和隱含異常區(qū)域的圖像發(fā)送至用戶端。如此，提取出具有個(gè)體化價(jià)值的可能存在的隱含異常區(qū)域，為醫(yī)生的后續(xù)診斷提供了進(jìn)一步的參考，提高了重癥醫(yī)學(xué)科內(nèi)監(jiān)控圖像的隱含異常監(jiān)測的及時(shí)性。
1.一種重癥醫(yī)學(xué)科內(nèi)監(jiān)控圖像的隱含異常監(jiān)測方法，其特征在于，包括：
2.如權(quán)利要求1所述的方法，其特征在于，獲得重癥內(nèi)ct監(jiān)控圖像的非顯性異常軟組織類型，包括：
3.如權(quán)利要求2所述的方法，其特征在于，基于軟組織類型，對所述ct監(jiān)控圖像進(jìn)行語義分割，確定若干軟組織類型ct監(jiān)控圖像，包括：
4.如權(quán)利要求2所述的方法，其特征在于，遍歷若干軟組織類型ct監(jiān)控圖像，計(jì)算ct監(jiān)控圖像特征值與所述圖像特征基準(zhǔn)值的偏差向量，與所述一致性偏差閾值的比值，作為若干軟組織類型顯性異常系數(shù)，包括：
5.如權(quán)利要求1所述的方法，其特征在于，基于目標(biāo)用戶病史和基本體征信息，索引鄰接圖像集，對非顯性異常軟組織類型執(zhí)行顯性異常圖像占比分析，獲得形狀異常密度、紋理異常密度和顏色異常密度，包括：
6.如權(quán)利要求1所述的方法，其特征在于，遍歷所述鄰接圖像集，對非顯性異常軟組織類型執(zhí)行形狀顯性異常圖像占比分析，獲得所述形狀異常密度，所述鄰接圖像集包括從多個(gè)區(qū)塊鏈分布式節(jié)點(diǎn)采集的多個(gè)鄰接圖像集，包括：
7.如權(quán)利要求1所述的方法，其特征在于，密度閾值的確定流程包括：
8.一種重癥醫(yī)學(xué)科內(nèi)監(jiān)控圖像的隱含異常監(jiān)測系統(tǒng)，其特征在于，用于執(zhí)行權(quán)利要求1-7任一項(xiàng)所述的方法，包括：