[发明专利]通过大数据分析医学影像的提取工作方法

说明书

本发明提出了一种通过大数据分析医学影像的提取工作方法，包括：S1，获取原始医学图像，对医学图像进行坐标绘制并划分特征区域的边界；S2，按照时间轨迹进行特征区域描述；S3，对时间发展轨迹中的特征区域进行特征提取。

技术领域

本发明涉及大数据领域，尤其涉及一种通过大数据分析医学影像的提取工作方法。

背景技术

在患者进行医学检测过程中，获取的海量医学图像，其通过传统的检测算法进行异常图像提取无法满足检测的准确性，由于异常图像的判断区域发生动态变化，异常特征坐标需要满足新的检测准则完成异常区域判断，但是新的异常图像在同一区域出现时，没有可接受的邻近异常区域，那么灰度值或者异常区域无法得出连通目标的特征值，需反复调试阈值内容，耗时较长并且增加系统开销，而且导致异常图像漏检问题，这就亟需本领域技术人员解决相应的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种通过大数据分析医学影像的提取工作方法。

为了实现本发明的上述目的，本发明提供了一种通过大数据分析医学影像的提取工作方法，其包括：

S1，获取原始医学图像，对医学图像进行坐标绘制并划分特征区域的边界；

S2，按照时间轨迹进行特征区域描述；

S3，对时间发展轨迹中的特征区域进行特征提取。

优选的，所述S1包括：

提取患者医学图像，设置医学图像坐标起点(x,y)；沿着坐标起点的像素点P进行逐行遍历，根据像素点P的灰度值对全部医疗图像的灰度分布信息和灰度发生突变区域的分布情况进行标记，划定目标医学图像的特征区域；通过调整灰度认知模型K(x,y)对特征区域的边界进行划分，

由于像素点坐标形成坐标矩阵，对于每个像素点坐标通过灰度价值函数w(a)提取特定坐标，a为灰度变化产生的次数，在灰度价值函数计算过程中，对像素点坐标的特征属性进行收敛，提取的像素点坐标进行了灰度偏差判断，p(x_n)为第n个像素点x轴发生灰度变化的概率，p(y_n)为第n个像素点y轴发生灰度变化的概率，u(p(x_n))为第n个像素点x轴灰度变化权重函数，v(p(y_n))为第n个像素点y轴灰度变化权重函数，

在进行灰度认知模型判断过程中，对灰度变化判断结果产生的像素点坐标噪声进行阈值判断，使用灰度价值函数w(a)阈值决策机制提取特定坐标

Q(a)为全部灰度变化的偏移值，δ为灰度的变化程度调节因子。

优选的，所述S2包括：

将划分后的医学图像根据时间发展轨迹进行特征区域描述，根据时间序列生成特征区域变化队列，设定记录图像的时间为t₁、t₂、t₃、…、t_m，其中t_m为结束时间，对划分后的特征区域进行平均切块，对每个子块在基准特征图像中进行色差比对，计算在时间发展轨迹中的特征区域匹配函数

M(t)＝F(t)·γ·E(η(t+1))+T(t)

F(t)是按照时间t顺序遍历特征图像的判断函数，γ为拟合因子，E(η(t+1))为t+1时间节点特征图像预期函数η(t+1)的匹配值，T(t)为特征图像提取框架的时间耗费值；根据时间发展轨迹对特征区域内的子块特征进行提取。

优选的，所述S3包括：

判断灰度门限值，对时间发展轨迹中的特征区域通过门限值进行初步提取，生成特征区域整体灰度渐进的变化度阈值μ，判断公式为