[发明专利]一种基于脑部MRI图像并行挖掘的辅助诊断系统

说明书

本发明提供了一种基于脑部MRI图像并行挖掘的辅助诊断系统，包括脑部医学图像预处理和特征子图提取、基于Le‑net神经网络模型的脑肿瘤识别及肿瘤区域切割和脑部MRI辅助诊断；Le‑net神经网络用于对脑肿瘤进行分类识别，使得肿瘤分类准确率较高，并在分布式的mxnet框架下并行训练优化模型，使得加快模型训练的效率，在3个mxnet节点上训练得到的模型比单节点在时间性能上有明显的提升；实现了基于MRI脑肿瘤的辅助识别诊断系统，利用该系统可以实现对脑部MRI图像数据的存储，并且对脑部MR I图像数据进行解析，识别病例中是否含有肿瘤及肿瘤类型，自动推荐出疑似有肿瘤病变的切片及诊断概率结果供医生参考作出诊断。

领域

本发明涉及医学图像数据挖掘领域,具体涉及一种基于脑部MRI图像并行挖掘的辅助诊断系统。

背景

当今社会，随着人们物质生活水平的不断提高，健康越来越受到人们的不断关注。大脑作为一个人的高级中枢神经系统，是人体组织中最为重要也是最脆弱的一部分，一旦脑部出现病变，对人体将会是致命性的打击。因此大脑组织的健康与否将直接影响到一个人的正常生活，所以脑部疾病的识别诊断也一直以来是医学界比较高度关注的问题。

近年来，肿瘤一直是困扰医学界的一个难题，也是对人体威胁性最大的一种疾病，并且因为肿瘤导致的死亡人数也在逐年攀升。脑部肿瘤是一种常见的肿瘤，是导致青少年中死亡率增高的因素之一。脑部肿瘤更是威胁性大，是占死亡比例最高的一种肿瘤。据美国脑部肿瘤协会统计，在青少年中，因为脑部肿瘤致死的人数占所有肿瘤致死人数的四分之一，并且在过去的30年间，患有脑肿瘤并导致死亡的人数在以每年3倍的趋势上升着，脑肿瘤对人们的生活质量甚至生命已经构成了严重的威胁。所以脑部肿瘤的提早发现变得非常重要，对脑部肿瘤的研究也变得越来越迫切和重要。

如今，随着医学成像的不断发展进步，X线、CT、MRI等成像已经越来越多的应用到医学的实际成像当中，能够产生大量高分辨率且结构复杂的医学图像，供医生诊断与分析。但在实际的临床诊断当中，医生仍然得靠肉眼去对医学图像进行分析和诊断，这就导致了在一些细密的组织当中，由于人肉眼的分辨率较低，微小的纹理和细节变化很难被及时发现，可能会导致医生对病情误判，耽误早期最佳的治疗时间，对病人造成比较大的影响。

发明内容

本发明的目的是提供一种基于脑部MRI图像并行挖掘的辅助诊断系统，其用于解决现有中的问题。

为了实现上述目的，本发明提供如下方案：

一种基于脑部MRI图像并行挖掘的辅助诊断系统,包括脑部医学影像处理以及脑部医学图像数据挖掘、脑部医学图像预处理和特征子图提取、Le-net网络模型的脑肿瘤识别及肿瘤区域切割和脑部MRI辅助诊断系统；

所述脑部医学影像处理以及脑部医学图像数据挖掘包括脑部医学图像数据挖掘、深度学习、并行挖掘和感兴趣区域ROI提取；

所述脑部医学图像预处理和特征子图提取包括脑部MRI医学图像进行预处理方法和特征子图提取的方法；

所述Le-net网络模型的脑肿瘤识别及肿瘤区域切割包括机器学习算法ANN的脑肿瘤分类、Le-net的神经网络模型设计和mxnet的脑部MRI并行数据挖掘；

所述脑部MRI辅助诊断系统包括辅助诊断系统、系统总体架构和系统功能模块的实现。

上述的一种基于脑部MRI图像并行挖掘的辅助诊断系统，还包括卷积神经网络；卷积神经网络由卷积层、池化层、全连接层三种层级结构按照一定的组合顺序堆叠组成。

上述的一种基于脑部MRI图像并行挖掘的辅助诊断系统，还包括并行挖掘，所述并行挖掘是将计算机顺序执行的计算任务分成同时执行的几个子任务，从而完成整个计算任务；它的是Map(映射)和Reduce(规约)，不需要编程人员在并行环境下编程，可以集中业务逻辑的开发，直接将程序在分布式的环境下运行将计算交给框架处理。