[发明专利]一种基于胶囊网络改进算法的核磁共振辅助判断方法

说明书

本发明公开了一种基于胶囊网络改进算法的核磁共振辅助判断方法，包括：获取待诊断图像；判断所述待诊断图像是否为核磁共振图像；若是，采用预设胶囊网络改进算法对所述核磁共振图像进行特征提取来获取待比对特征图；将所述待比对特征图与若干个预设疾病特征图进行比对，来分别获取相似度，每个所述预设疾病特征图都对应一种疾病；获取相似度最高所对应的疾病特征图，所述疾病特征图代表的颅内疾病即为所述核磁共振诊断结果。采用本发明，可以根据核磁共振图像来判断出疾病，辅助医生进行疾病判断，降低医生的误诊率。

技术领域

本发明涉及疾病辅助判断领域，特别是涉及一种基于胶囊网络改进算法的核磁共振辅助判断方法。

背景技术

医学图像处理是随着计算机技术的发展和成熟以及临床诊断技术的进步而迅速发展起来的一门新兴学科与技术，如今医学图像处理技术的在临床上的应用越来越广泛。

目前，对核磁共振图像的判断依然需要医生来进行人工判断，无法实现对核磁共振图像的自主判断，而医生的判断具有自主性，容易出现误诊。因此，有必要提出一种基于胶囊网络改进算法的核磁共振辅助判断方法来对疾病进行诊断，降低医生的误诊率。

发明内容

为了解决上述问题，本发明的目的是提供一种基于胶囊网络改进算法的核磁共振辅助判断方法，可以根据核磁共振图像来判断出疾病，辅助医生进行疾病判断，降低医生的误诊率。

基于此，本发明提供了一种基于胶囊网络改进算法的核磁共振辅助判断方法，所述方法包括：

获取待诊断图像；

判断所述待诊断图像是否为核磁共振图像；

若是，采用预设胶囊网络改进算法对所述核磁共振图像进行特征提取来获取待比对特征图；

将所述待比对特征图与若干个预设疾病特征图进行比对，来分别获取相似度，每个所述预设疾病特征图都对应一种疾病；

获取相似度最高所对应的疾病特征图，所述疾病特征图代表的疾病即为所述核磁共振诊断结果。

其中，判断所述待诊断图像是否为核磁共振图像包括：

对所述待诊断图像进行色彩判断，并获取色彩判断结果；

若所述色彩判断结果为彩色图像，则获取所述待诊断图像的灰度图，否则对所述待诊断图像随机截取一个图像，进行图像形状判断，若所述待诊断图像经过所述图像形状判断为人体器官形状，则所述待诊断图像为核磁共振图像。

其中，所述采用预设胶囊网络改进算法对所述核磁共振图像进行特征提取来获取待比对特征图包括：

对所述核磁共振图像截取器官图像；

基于胶囊网络改进算法生成神经网络模型；

用训练好的所述神经网络模型对输入所述器官图像进行特征提取，提取出特征图。

其中，所述预设疾病特征图为所述神经网络模型对患有疾病的标准器官图像处理而来。

其中，所述方法还包括：对所述核磁共振图像进行预处理，具体包括采用去噪声方法对所述核磁共振图像进行去噪声处理；其中，所述去噪声方法包括均值滤波或高斯平滑滤波。

其中，对所述核磁共振图像进行预处理还包括：对所述核磁共振图像进行多尺度的滤波，多角度的表达所述核磁共振图像中包含的信息，挖掘所述核磁共振图像的固有特征。

其中，所述滤波方法选为拉普拉斯滤波或Gabor滤波方法。