[发明专利]基于云计算的医学影像处理方法、系统、设备及介质

说明书

本发明公开一种基于云计算的医学影像处理方法、系统、设备及介质，方法包括：建立医学影像数据集；基于聚类‑PCA算法构造分类器，所述分类器对输入的图片数据进行分类压缩并输出一系列基础数据集；获取新输入的医学影像并进行数据抽取，基于抽取的数据，利用贝叶斯算法选取最优的基础数据集；利用最优的基础数据集对新输入的医学影像进行压缩。本发明考虑器官的医学影像大多具有相似性且区别在于病灶位置不同的特点，通过聚类‑PCA算法构造分类器，将病灶情况相似的影像归位一类，对于新输入的患者影像图片，通过先判断归属类别、再进行压缩的方式，来保证还原时的图像保真度，解决现有医学影像图片因特征提取不到位，导致降维分析结果精度低的问题。

技术领域

本发明涉及医学影像处理领域，尤其涉及电子化医学影像的存储压缩与还原，具体为一种基于云计算的医学影像处理方法、系统、设备及介质。

背景技术

电子化医学影像图片的像素非常大，例如一个CT图像含有大约150MB的数据，一个基因组序列文件大小约为750MB，一个标准的病理图则接近5GB等。因此，在对电子化医学影像进行云端存储的时候，为了节省成本，必须对其进行压缩，而由于患者病情不一，在医学影像图片压缩存储之后还需要能够高保真还原，确保还原后的图片数据能够符合医疗诊断的要求。

高相似性的电子化医学影像适合采用PCA技术进行数据压缩，但由于PCA技术是有损压缩，在还原时候，具体图像样本的不同之处难以精确还原，导致数据失真，不符合医疗诊断的要求。

公开号CN112614567A的中国专利于2021年4月6日公开了一种医学影像处理方法，该方法使得获取到的预设窗的医学图片文件的数据量相较于医学影像文件的数据量有所降低，仅从医学影像文件中抽取出预设窗对应的医学影像文件可以获取到待阅片的有效影像文件，避免了对原始医学影像文件直接进行压缩，导致待阅片的原始信息损失量较大的问题。该方法虽然避免了因压缩导致的数据失真，但是其占用存储空间大，存储成本高。

公开号CN113409922A的中国专利于2021年9月17日公开了一种图像处理方法，该方法通过初步减少一部分图像数据的方式来节省存储空间，虽然实现了优化医学图像的存储空间的目的，但是其在还原时，存在较大的数据失真，影响医疗诊断的准确性。

为此，本申请提供了一类基于分类器-基于聚类算法的PCA技术，利用原始数据将照片根据相似性先进行分类，并生成相应的PCA基础基，即，将病灶部分比较接近的患者器官照片划为一类。然后利用贝叶斯分析根据新存入的患者的医学影像数据，找到最适合该数据的PCA基础基，将该数据压缩存储，待需要使用时，再提供高保真的还原照片。

发明内容

为克服上述现有技术的不足，本发明提供一种基于云计算的医学影像处理方法、系统、设备及介质，用以解决上述至少一个技术问题。

根据本发明说明书的一方面，提供一种基于云计算的医学影像处理方法，包括：

步骤A，建立医学影像数据集；

步骤B，基于聚类-PCA算法构造分类器，所述分类器对输入的图片数据进行分类压缩并输出一系列基础数据集；

步骤C，获取新输入的医学影像并进行数据抽取，基于抽取的数据，利用贝叶斯算法选取最优的基础数据集；

步骤D，利用最优的基础数据集对新输入的医学影像进行压缩。

上述技术方案基于医学影像历史数据构建数据集，基于数据集构建分类器并进行训练，结合PCA算法和聚类算法对医学影像图片进行分类压缩，形成一系列的基础数据集，即将病灶部分比较接近的患者影像图片划为一类；然后在新输入患者医学影像图片时，根据贝叶斯算法确定其属于哪一类基础数据集，然后依据确定的基础数据集对输入的影像图片进行压缩，从而降低原始图像数据与压缩后图像数据的误差，提高图片还原精度。