[发明专利]一种医用自动图像处理系统

说明书

本发明请求保护一种医用自动图像处理系统，通过将图像数据挖掘理论研究与实际应用紧密结合，探讨了目前医学图像数据挖掘的主流技术，基于统计学习理论和决策树分类算法以及关联规则算法和粗糙集决策树算法的改进，以及关联规则分类的方法，关联规则分类中存在的问题，将多源医疗设备数据的格式进行封装，采用统一的处理接口形成归一数据目录，去除了冗余特征，进行了属性约简，提高了分类效率并降低了处理时间，同时，医疗知识图谱的构建可以将关键技术应用到了计算机辅助诊断中，构建了一个基于图像数据挖掘技术的医用自动图像处理系统。

技术领域

本发明涉及图像识别和知识图谱技术领域，特别是涉及一种医用自动图像处理系统。

背景技术

医学图像的数据挖掘旨在从海量的图像数据中挖掘出有效的模型、关联、规则、变化、不规则以及普遍的规律，以加速医生决策诊断的过程和提高其决策诊断的准确度。随着医疗数字化设备的快速发展，医学信息数据库中不仅包括病人的结构化的信息，还包括病人大量非结构化的医学图像信息，为医学图像的数据挖掘提供了丰富的数据源。

知识图谱作为一种深度检索挖掘的方法被广泛应用于大数据信息的精准获取。近年来，医 学领域内探索以知识图谱为基础的AI诊疗已取得了一定的研究成果，例如一种基于深度学习 的中文医学知识图谱构建方法。但是，目前国内还没有成熟的医学影像知识图谱的构建先例，基于医学影像与对应的医学文本记录交叉对比方面还属于空白阶段。因此，需要一种适用于医 学影像特征和相关医学诊断知识提取，并能够使之相结合的知识图谱构建方法。故本专利特别提出一种医用自动图像处理系统，以期能够为临床诊断提供辅助决策信息。

但现存的计算机辅助医学诊断系统基本上都是基于知识的专家系统，往往存在知识获取的瓶颈、知识的脆弱性、推理的单调性等方面的缺陷。这些系统在知识的获取与表达上存在困难，且带有一定的主观性，智能性和鲁棒性都比较差。并且现有医学知识图谱大都以文本型非结 构化病例、文献等进行构建，而非基于医学影像，无法对影像数据进行挖掘和利用。常用图像分割技术通常存在归类困难、关联对比效果不好、影像识别颗粒度不够细致等问题，不适用医学影像的处理。

发明内容

为解决上述问题，本专利将医学图像的处理技术与数据挖掘技术有机结合，研究医学图像数据的特征提取和加载方法、医学图像数据的分类方法。通过从海量的图像数据中挖掘出关联规则与有用的信息，帮助医生找出疾病高发的人群，疾病程度与各种隐含信息的关系，辅助决策诊断过程，提高准确度。该项研究具有重要的理论意义与广阔的应用前景。

具体的，本发明请求保护一种医用自动图像处理系统，其特征在于，包括接口通信层、图像采集层、聚类分析层、数据存储层，所述接口通信层连接聚类分析层和图像采集层，数据存储层和聚类分析层通过导出层相连接，具体地：

图像采集层，采集多源医疗设备图像信息，包括采集开放链接数据集内容，所述开放链接数据集提供了可供下载的仓库地址，用户同意许可后即可从所述开放链接数据集中下载图像内容，和/或采集医疗信息图谱采集，和/或采集医疗影像系统图像采集；

聚类分析层，采用粗糙集决策树方法，对归一化的多源医疗设备数据进行聚类分析，形成图像聚类子目录及子目录下的图像元数据和数据图谱；

接口通信层，将图像采集层采集的多源医疗设备数据进行归一化处理，将多源医疗设备数据的格式进行封装，采用统一的处理接口形成归一数据目录；

数据存储层，存储聚类分析层聚类后的图像聚类子目录和子目录下的图像元数据和数据图谱，将所述图像聚类子目录和子目录下的图像元数据和数据图谱集成存储。