[发明专利]一种基于计算机视觉的医学图像分析方法

说明书

本发明公开了一种基于计算机视觉的医学图像分析方法，属于医学图像处理技术领域，本发明通过深度学习等技术对患者医学图像的病变区域进行长期偏移度分析和形态分析，并通过第二网络模型和第三网络模型进行病变严重度和病变速度预测，同时进行可视化处理，形成可视化分析报告，最后通过辅助装置周期性的反馈给主治医生，从而有利于实现对病变区域进行长期跟踪，能够周期性的反映和获取患者病变区域的动态变化情况，进而有利于高效地辅助主治医生进行癌症治疗和控制。

技术领域

本发明涉及医学图像处理技术领域，尤其涉及一种基于计算机视觉的医学图像分析方法。

背景技术

近年来，随着各种癌症、肿瘤发病率不断增加，使得各种疾病恶变的几率越来越高，若不能及时诊治和控制，后果非常严重；癌细胞，是一种变异的细胞，是产生癌症的病源；癌细胞与正常细胞不同，有无限增殖、可转化和易转移三大特点，其治疗周期较长，在治疗期间需要对病变区域进行长期跟踪分析；医学图像分析可以快速地、无创伤或微创伤地获取到人体内部组织结构性成像和功能性成像，以清楚地了解病症情况；这使得医学图像分析已经成为必不可少的临床诊断辅助手段；通过图像处理技术、计算机视觉技术，可以对这些信息进行有效处理，用于辅助诊断、手术规划等，具有重大的社会效益和广泛的应用前景；

目前，还未出现一种方法或系统能在癌症治疗期间对病变区域进行周期性跟踪分析；现虽有一些基于深度学习的医学图像分析方法，但其只能进行简单的癌症病种分类；无法对病变进行长期跟踪，以周期性的获取患者病变区域的动态变化情况，进而无法高效地辅助主治医生进行癌症治疗和控制；为此，我们提出一种基于计算机视觉的医学图像分析方法。

发明内容

本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种基于计算机视觉的医学图像分析方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于计算机视觉的医学图像分析方法，该分析方法具体步骤如下：

获取患者的当前医学图像，并通过第一处理方法对所述患者当前医学图像进行处理，同时通过预先训练的第一网络模型进行病种检测，获取病种检测结果；

按照时间序列提取所述患者当前医学图像的前一历史医学图像，通过第二处理方法对当前医学图像和前一历史医学图像中病变区域进行偏移度分析，得到偏移度分析结果；

提取所述患者当前医学图像的前一历史医学图像，通过第三处理方法获取所述当前医学图像中病变部分大小以及形状，得到形态分析结果；

根据所述偏移度分析结果和形态分析结果提取医学图像特征向量，并通过预先训练的第二网络模型和第三网络模型进行病变严重度和病变速度预测，得到预测结果；

重复上述步骤，获取每一轮的分析结果，同时对每一轮分析结果中的偏移度分析结果、形态分析结果和预测结果进行可视化处理，形成可视化分析报告，通过辅助装置周期性的反馈给主治医生。

进一步地，所述第一处理方法具体处理过程如下：

A1：获取影像设备所采集到患者的当前医学图像；

A2：将所述当前医学图像通过中值滤波进行去噪，并进行二值化处理，同时提取感兴趣区域，即病变区域；

所述第一网络模型基于医院PACS系统获取医学图像大数据，并将其作为病种检测样本集，通过CNN模型进行训练得到。

进一步地，所述第二处理方法具体过程如下：

B1：获取患者的当前医学图像，同时按时间序列提取医院PACS系统中患者的前一历史医学图像；

B2：构建患者人体三维模型，同时进行三维坐标系构建，并将当前医学图像和前一历史医学图像中的病变区域输入所述三维坐标系中；