[发明专利]基于医学数字成像和通信的影像、图像多模态重建、成像及标注

说明书

本发明涉及医学信息处理技术领域，且公开了基于医学数字成像和通信的影像、图像多模态重建，包括以下步骤：S1：图像影像获得，通过对模拟图像或影像转换成适合计算机或数字设备处理的数字信号，主要包括摄取图像、光电转换、数字化等步骤。该基于医学数字成像和通信的影像、图像多模态重建、成像及标注，通过收集图影像对图影像进行压缩、增强、复原分割等一系列处理，使得图影像得到重建后以三维形式展示，提高图影像传输稳定的同时，还能辅助医生诊断治疗，医学图像可视化可以根据CR CT DR MR MRI等图像序列构造出三维几何模型，将看不见的人体器官以三维形式真实地显示出来，还可以对图像任意放大、缩小、旋转、对比调整等处理。

技术领域

本发明涉及医学信息处理技术领域，具体为基于医学数字成像和通信的影像、图像多模态重建、成像及标注。

背景技术

医学图像数据在患者诊断、治疗、手术计划、培训等场景中这重要作用，近年来，数字化医学图像的大规模增长，为推动以深层神经网络为代表的医学图像处理技术研究和应用提供了数据基础，但是目前医学图像领域缺少大规模且可靠的基准数据集，以至于影响针对医学图像数据的深度学习的发展。

而造成目前医学图像领域缺少准确可靠的基准数据集的原因是，由于医学图像的专业性和复杂性，不同专家对医学图像进行手工标注时存在较大分歧，标注结果往往存在差异，因此，手动标注医学图像变得越来越困难和昂贵，可见，现有的针对医学图像数据的信息标注方法主要是通过专家手工标注，降低了信息标注的效率和质量，而且医学影像图像文件需要通过前置机上传到影像云，而前置机上传过程中经常出现上传异常终止或上传失败等情况，稳定性得不到保证。

且在医学影像领域，病灶勾画(病灶分割)是利用机器学习对病灶进行自动测量和诊断分析的关键预处理方式，当前已经大量应用于各种医学工作，然而当前的病灶勾画方式，存在明显的弊端：人工标注需要有经验的医生对边界进行判断和描记，其过程繁琐且耗时长，医生难以在本已繁重的工作中抽出时间完成标注工作，给数据集收集工作带来极大的挑战，故而提出基于医学数字成像和通信的影像、图像多模态重建、成像及标注来解决上述问题。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了基于医学数字成像和通信的影像、图像多模态重建、成像及标注，具备标注效率质量高且影图像传输稳定等优点，解决了标注效率质量低且影图像传输不够稳定的问题。

(二)技术方案

为实现上述标注效率质量高且影图像传输稳定目的，本发明提供如下技术方案：基于医学数字成像和通信的影像、图像多模态重建，包括以下步骤：

S1：图像影像获得，通过对模拟图像或影像转换成适合计算机或数字设备处理的数字信号，主要包括摄取图像、光电转换、数字化等步骤，并建立与影像拍摄设备之间的通信连接，使影像文件处理设备与影像拍摄设备之间可基于医学数字成像和通信协议实现数据传输；

S2：图影像压缩和编码，通过删除冗余的或者不需要的信息来达到减小减少数据存储量的目的，图像编码的主要方法有去冗余编码、变换编码、小波变换编码、神经网络编码、模型基编码等；

S3：图影像增强：增强图像中感兴趣的信息，去除或衰减不需要的信息，便于目标区分或对象解释；

S4：图影像复原：由于成像系统受各种因素的影响，导致了图像质量的降低，退化基本表现是图像模糊，可通过复原方法去掉模糊和噪声干扰；

S5：图影像变换，通过用正交函数或正交矩阵对原始图像执行二维线性可逆变换，可通过傅里叶变换、沃尔什.阿达玛变换、离散余弦变换、霍特林变换、离散卡夫纳一勒维变换、哈达玛变换等；

S6：图影像分割：将图像分成互不相交的各具特性的区域，提取出感兴趣目标，是提供定量、定性分析基础；