[发明专利]基于图像处理获取目标图像元素的方法及系统

说明书

本发明公开了一种基于图像处理获取目标图像元素的方法及系统，其中方法包括：获取与目标对象相关联的待处理的图像组，对所述待处理的图像组进行数据预处理以获得经过预处理的图像组；对经过预处理的图像组进行图像识别以确定多个图像文件，利用神经网络对多个图像文件进行图像处理，以获得多个目标图像区域；基于目标对象的结构特征对每个目标图像区域进行图像填充，获得与每个目标图像区域相关联的掩模图像；以及基于每个掩模图像对相关联的目标图像区域进行掩码操作，从而获得与目标对象相关联的多个目标图像元素。

技术领域

本发明涉及图像数据处理技术领域，并且更具体地说，涉及一种基于图像处理获取目标图像元素的方法及系统、以及存储介质和电子设备。此外本发明还涉及基于3D深度学习的辅助诊断用图像数据处理系统及方法。

背景技术

随着计算机数据处理能力的加快和人工智能技术的成熟，医生越来越多地使用数字图像来进行辅助诊断治疗。X光检查是一种有效筛查疾病的传统方法，但是因为医学成像技术的限制和成像物体的特殊性，以及医学图像固有的特点，如灰度不均匀、影像相互重叠、噪声大且边界模糊等，使医学图像的分割充满挑战。

目前，X线片骨组织的分割主要靠医生手工标记，不仅耗时耗力而且分割结果难以复现，准确率不稳定。并且，医院的患者产生了大量的医学影像图片需要医生对其进行细致的分析，设备对人体进行扫描之后得到相应的影像数据，再将其打印到胶片或输出到显示屏幕，通常的处理方法是医生用肉眼进行观察。一方面，这种重复性的工作对于影像科室的医务人员来说是一个繁琐且艰巨的任务，国内巨大的患者需求已经很难得到满足；另一方面，这种主要靠医生肉眼去判断的诊断结果受到一定主观因素和能力的影响，特别是在一些医疗水平很有限的地区或基层医院，医学成像设备在临床上的应用受到一定程度的限制。

计算机技术一方面使得临床医生能够更加方便快捷地查看病变组织和结构以帮助医生对病情进行分析和判断，另一方面为医生提供更加准确的诊断报告并降低误诊率成为可能。

随着计算机硬件不断发展，处理器在运算速度方面得到很大的提升，人工智能技术在计算机研究领域不断地取得突破，特别是深度学习广泛地应用于计算机视觉、计算音频分析、自然语言处理等多个领域，也为计算机辅助诊断治疗的发展提供了很好的机会。医学图像处理作为国内外研究热点，其发展能够很大程度地解决临床上医生解读数字图像任务艰巨的问题，从而减轻医生阅片负担，也能够提高医生的诊断准确率并降低误诊率，具有非常重要的研究意义。

首先需要解决的重要问题是医学图像分割，医生对病人病情的分析和诊断等都取决于分割的准确性，它不但是医学图像处理中的一个关键环节，也是医学图像处理问题的基础和瓶颈。

人体的结构非常复杂，每个人之间也有很大的差异，分割组织既是一项富有挑战性的工作，也具有十分重要的现实意义。X线片中骨组织的分割是骨折诊断治疗、评价骨骼成熟度、骨密度测量和手术前的治疗计划等的主要步骤，虽然已经有一些算法来解决X线片上的骨组织分割问题，但因为医学成像技术的限制和成像物体的特殊性，还有医学图像固有的特点，如灰度不均匀、影像相互重叠、噪声大且边界模糊等，使医学图像的分割充满挑战。

由此可知，现有技术中存在对于基于图像处理获取目标图像元素的技术方案的需求。

发明内容

为了解决现有技术中的问题，本发明提供了一种医疗图像识别深度学习计算机系统及方法，该系统先从宏观上对图像区域自动分割总体框架的设计，然后分步骤具体设计与实现，包括数据预处理、神经网络训练与测试和图像后处理三个主要的步骤组成，并结合了PyCharm软件、MITK软件、MatLab软件、Mimics软件)。

根据一个方面，本发明提供了一种基于图像处理获取目标图像元素的方法，其特征在于，所述方法包括：

获取与目标对象相关联的待处理的图像组，对所述待处理的图像组进行数据预处理以获得经过预处理的图像组；