[发明专利]一种医学图像识别模型构建和识别方法及装置

说明书

本发明涉及一种图像识别的技术领域，揭露了一种医学图像识别模型构建和识别方法，包括：获取医学图像，对医学图像进行图像灰度化以及灰度拉伸；利用多尺度的医学图像增强算法对预处理完成的医学图像进行增强处理；利用小波变换技术对增强后的医学图像进行小波分解处理，得到若干医学图像低频信号和高频信号；根据所获取的高频信号和低频信号，利用基于阈值的信号过滤方法进行高频信号过滤，将过滤后的高频信号作为图像的边缘特征；根据所检测到的医学图像边缘特征，并利用基于加权损失函数的医学图像识别模型实现医学图像的识别。本发明还提供了一种医学图像识别装置。本发明实现了医学图像的识别。

技术领域

本发明涉及图像识别的技术领域，尤其涉及一种医学图像识别模型构建和识别方法及装置。

背景技术

近年来，随着计算机技术和现代循证医学的发展，计算机辅助诊断已经成为临床诊断不可或缺的一部分。人工智能技术越来越多进入到临床一线，为临床诊断、数据分析与共享提供了有效的技术支撑。而计算机视觉技术的发展和图像识别技术的提高使得医学影像尤其是医学显微图像的识别已经逐渐从传统的人工识别转向了计算机自动识别，采用以计算机视觉技术为核心的医学图像识别成为了一个新兴研究领域。

目前在临床诊断和治疗中，对医学图像识别仍以手工操作为主。人工操作不仅需要耗费巨大的工作量、花费较长的时间，而且准确性不可避免地会受到人为因素、医生状态等主观因素的影响；此外，因为不同医生的在临床实践经验、个人精神状态方面存在着无法避免但是无法忽略的差异。

鉴于此，如何实现医学图像的自动识别，成为本领域技术人员亟待解决的问题。

发明内容

本发明提供一种医学图像识别模型构建和识别方法，通过利用多尺度的医学图像增强算法对医学图像进行增强处理，利用基于小波变换的医学图像边缘特征检测方法检测图像的边缘特征，根据所检测到的医学图像边缘特征，并利用基于加权损失函数的医学图像识别模型实现医学图像的识别。

为实现上述目的，本发明提供的一种医学图像识别模型构建和识别方法，包括：

获取医学图像，对医学图像进行图像灰度化以及灰度拉伸，得到预处理完成的医学图像；

利用多尺度的医学图像增强算法对预处理完成的医学图像进行增强处理，得到增强后的医学图像；

利用小波变换技术对增强后的医学图像进行小波分解处理，得到若干医学图像低频信号和高频信号；

根据所获取的高频信号和低频信号，利用基于阈值的信号过滤方法进行高频信号过滤，将过滤后的高频信号作为图像的边缘特征；

根据所检测到的医学图像边缘特征，并利用基于加权损失函数的医学图像识别模型实现医学图像的识别。

可选地，所述对医学图像进行图像灰度化以及灰度拉伸，包括：

1)对医学图像中每一个像素的三个分量求最大值，并将该最大值设置为该像素点的灰度值，得到图像的灰度图，所述灰度化处理的公式为：

G(i，j)＝max{R(i，j)，G(i，j)，B(i，j)}

其中：

(i，j)为医学图像中的一个像素点；

R(i，j)，G(i，j)，B(i，j)分别为像素点(i，j)在R、G、B三个颜色通道中的值；

G(i，j)为像素点(i，j)的灰度值；

2)对于所述灰度图，利用分段线性变换的方式对图像灰度进行拉伸，所述灰度拉伸的公式为：

其中：

f(x，y)为灰度图；