[发明专利]一种医学影像系统

权利要求书

1.一种医学影像系统，其特征在于，所述医学影像系统包括：数据收集模块、数据筛选模块、数据预处理模块、训练数据集构建模块、中央控制模块；

数据收集模块，与中央控制模块连接，用于通过数据收集设备获取医学影像数据；

数据筛选模块，与中央控制模块连接，用于通过数据筛选程序对获取的医学影像数据范围进行限定，去除无关数据，再对候选样本进行审核；

在通过数据筛选程序对获取的医学影像数据范围进行限定过程中，需要对图像中的内容进行自动扫描识别，具体过程为：

在获取的图像中，确定筛选的参数、概率的上限值和图像中相应区域中的阈值；

在图像中划定扫描检测区域，确定在相应区域内部的变化指数；

当变化指数下于区域中的阈值，该区域判定为均匀区域；同时当均匀区域集合为不含有所检测的要素，不断进行搜索检测；

当均匀区域集合含有所检测的要素，作为初始化的子区域；

通过MOM方法进行参数估计，相应的筛选的参数，通过查表确定均值比统计量判决阈值；

继续搜索子区域中的邻域，并重复上述过程；当子区域和当前邻域之间的均值比满足设定的上下限，对子区域进行合并融合；

判断合并融合的子区域内除原始的子区域是否含有其他均匀区域并入，假设没有，判断参数内除子区域邻域外是否有其他均匀区域，如果有，则重置子区域非均匀区域，则转动上述过程，进行区域合并；

根据MOM方法，确定子区域中的尺度参数，并根据筛选的参数和概率，确定局部检测阈值，对测试区域内图像进行识别判断；

所述根据MOM方法进行参数估计，确定子区域中的尺度参数，并根据筛选的参数和概率，确定局部检测阈值具体过程为：

筛选的参数估计值为：

尺度参数为：

其中，μ和λ分别为样本的均值和平方均值；

检测阈值为：

其中，P_fa为选定的概率；

根据检测阈值的结果，对当前BUT内的像素I_BUT(i，j)(1≤i，j≤N_b)，并利用目标检测模型进行二值化假设检验，实现目标的检测；

目标检测模型为：

其中，H₀为当前测试像素为背景杂波像素；H₁为当前测试像素为目标像素。

数据预处理模块，与中央控制模块连接，用于通过数据处理程序对筛选后的医学影像数据进行预处理；

训练数据集构建模块，与中央控制模块连接，用于通过数据集构建程序根据预处理后的医学影像数据构建训练样本集，并将所述训练样本集分为训练集、验证集和测试集；

中央控制模块，与数据收集模块、数据筛选模块、数据预处理模块、训练数据集构建模块、模型构建模块、医学影像识别模块、疾病识别模块、云存储模块、更新显示模块连接，用于通过中央处理器协调控制所述医学影像系统各个模块的正常运行。

2.如权利要求1所述的医学影像系统，其特征在于，所述医学影像系统还包括：模型构建模块、医学影像识别模块、疾病识别模块、云存储模块、更新显示模块；

模型构建模块，与中央控制模块连接，用于通过模型构建程序基于构建得到的训练样本集，使用深度神经网络或HOG+SVM算法对所述训练样本集进行训练，得到训练器模型；

医学影像识别模块，与中央控制模块连接，用于通过医学影像识别程序利用构建得到的训练器模型对所述医学影像进行识别，获得医学特征；

疾病识别模块，与中央控制模块连接，用于通过疾病识别程序根据获得的医学特征对疾病进行识别；

云存储模块，与中央控制模块连接，用于通过云数据库服务器分类存储获取的医学影像数据、数据筛选结果、增强处理后的医学影像数据、训练样本集、训练器模型、医学特征以及疾病识别结果；云数据库服务器存储的医学影像根据人体的性别、年龄、人种、身高和体重进行分类；

更新显示模块，与中央控制模块连接，用于通过显示器对获取的医学影像数据、数据筛选结果、增强处理后的医学影像数据、训练样本集、训练器模型、医学特征以及疾病识别结果的实时数据进行更新显示。

3.如权利要求1所述的医学影像系统，其特征在于，所述数据收集模块中，数据收集设备为CCD传感器摄像设备或Kinect深度相机。