[发明专利]一种乳腺肿块图像加强识别方法及装置在审

专利信息
申请号: 202010091237.0 申请日: 2020-02-13
公开(公告)号: CN111368877A 公开(公告)日: 2020-07-03
发明(设计)人: 李立 申请(专利权)人: 中山大学肿瘤防治中心(中山大学附属肿瘤医院;中山大学肿瘤研究所)
主分类号: G06K9/62 分类号: G06K9/62;G06K9/36;G06K9/40;G06K9/46;G06T7/11
代理公司: 重庆百润洪知识产权代理有限公司 50219 代理人: 刘子钰
地址: 510060 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 乳腺 肿块 图像 加强 识别 方法 装置
【说明书】:

发明属于医疗技术领域,提供了一种乳腺肿块图像加强识别方法及装置,其中,方法包括:S01:获取待识别的乳腺图像,并将乳腺图像进行DCT变换;S02:将变换后的乳腺图像发送给数据处理模块,数据处理模块对乳腺图像进行DCT逆变换,然后,通过HOG特征提取算法进行特征提取;S03:计算待识别的乳腺图像特征与乳腺肿块样本图像的特征之间的相似度;S04:比较并判断是否为乳腺肿块;装置包括:图像获取模块、数据处理模块以及判断模块。本发明的一种乳腺肿块图像加强识别方法及装置,减少乳腺图像向数据处理模块传输过程中噪声或数据丢包的影响,从而提高还原乳腺图像的概率,提高乳腺图像肿块识别的准确性。

技术领域

本发明涉及医疗技术领域,具体涉及一种乳腺肿块图像加强识别方法及装置。

背景技术

乳腺癌是一种严重影响妇女身心健康的恶性肿瘤,据资料统计,其发病率占女性全身各种恶性肿瘤的7-10%。乳腺癌的病因尚未完全清楚,目前也没有较好的预防和治疗手段。但临床经验表明,乳腺癌早期患者的治愈率远高于中晚期患者,因此准确的早期诊断是降低乳腺癌发病率和死亡率的关键。

目前医学界诊断乳腺肿瘤的重要依据是乳腺磁共振图像,在检测到患者的乳腺磁共振图像后,该乳腺磁共振图像传输到数据处理器进行处理,在乳腺磁共振图像传输的过程中,可能会受到噪声或数据丢包的影响,导致数据处理器接收到的数据出现偏差和缺失,影响图像的识别结果,造成误诊。

发明内容

针对现有技术中的缺陷,本发明提供的一种乳腺肿块图像加强识别方法及装置,减少乳腺图像向数据处理模块传输过程中噪声或数据丢包的影响,从而提高还原乳腺图像的概率,提高乳腺图像肿块识别的准确性。

为了解决上述技术问题,本发明提供以下技术方案:

一种乳腺肿块图像加强识别方法,包括如下步骤:

S01:获取待识别的乳腺图像,并将乳腺图像进行DCT变换;

S02:将变换后的乳腺图像发送给数据处理模块,数据处理模块对乳腺图像进行DCT逆变换,得到待识别的乳腺图像,通过HOG特征提取算法对乳腺图像进行特征提取;

S03:计算待识别的乳腺图像特征与乳腺肿块样本图像的特征之间的相似度;

S04:将计算得到的相似度与设定的阈值比较,判断是否为乳腺肿块。

进一步地,步骤S01中对待识别的乳腺图像进行DCT变换的过程包括:

S0101:将待识别的乳腺图像分割为子块:待识别的乳腺图像的大小为N×N,待识别的乳腺图像的像素矩阵为F(N×N),则其中,元素(f1,1,f1,2,…fN,N)为各像素点的值,将待识别的乳腺图像分割为M×M的子块,分块后的乳腺图像像素矩阵为F(K×K),其中,

S0102:对Fi,j作离散余弦变换,得到F'i,j,(i,j=1,2,…k),则分块后作离散余弦变换的矩阵为DCT(Fi,j),其中,

S0103:将变换后的乳腺图像进行Arnold置乱变换,并输入置乱次数X,得到置乱后的乳腺图像矩阵DCTArnold(Fi,j),得到待发送的乳腺图像。

进一步地,步骤S02中数据处理模块对接收到的乳腺图像进行DCT逆变换的过程包括:

S0201:数据处理模块对接收到的乳腺图像进行Arnold置乱变换,输入置乱次数X,得到置乱前的乳腺图像矩阵DCT(Fi,j);

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所),未经中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010091237.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top