本發(fā)明涉及腫瘤圖像分析，具體為一種腫瘤圖像分析處理方法及系統(tǒng)。
背景技術(shù)：
1、腫瘤是指體內(nèi)組織細胞異常增殖、形成腫塊的疾病，通常被稱為腫瘤，腫瘤可分為良性腫瘤和惡性腫瘤兩類，良性腫瘤一般生長緩慢，形狀規(guī)則，不會侵犯周圍組織和蔓延到其他部位；惡性腫瘤則具有惡性生長的特點，會侵犯周圍組織并向身體其他部位擴散，嚴重威脅患者的生命健康，腫瘤不重視可能延誤早期診斷和治療時機，增加治療難度和風險，嚴重危害患者的生命安全和健康，而腫瘤圖像分析系統(tǒng)能夠?qū)︶t(yī)學影像數(shù)據(jù)進行自動化、快速的分析，為醫(yī)生提供輔助診斷信息，幫助醫(yī)生提高判斷準確性和工作效率。
2、目前大部分腫瘤圖像分析系統(tǒng)沒有結(jié)合腫瘤圖像進行細致化分析，并建立人工網(wǎng)絡(luò)模型，導致在進行腫瘤圖像分析時缺乏準確度，影響醫(yī)生對腫瘤患者病情的診斷。
技術(shù)實現(xiàn)思路
1、(一)解決的技術(shù)問題
2、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種腫瘤圖像分析處理方法及系統(tǒng)，具備通過圖像獲取模塊從x光中獲取圖像數(shù)據(jù)zlyx，并通過網(wǎng)絡(luò)將該數(shù)據(jù)傳輸至圖像處理模塊，圖像處理模塊基于圖像獲取模塊傳輸?shù)哪[瘤圖像數(shù)據(jù)zlyx，對圖像進行去噪、增強、平滑以及幾何校正操作，得到去噪腫瘤圖像qzzl、增強腫瘤圖像zqzl、平滑腫瘤圖像phzl以及校正腫瘤圖像hzzl，并將上述處理后的數(shù)據(jù)傳輸至腫瘤圖像定位模塊，腫瘤圖像定位模塊基于校正腫瘤圖像jzzl進行圖像定位操作，得到腫瘤所處區(qū)域位置圖像zlwz，并將計算所得位置圖像傳輸至特征提取模塊，特征提取模塊基于腫瘤所處區(qū)域位置圖像zlwz，對該圖像進行特征提取，并將上述提取的腫瘤圖像特征值信息傳輸至機器學習模塊，機器學習模塊根據(jù)特征提取模塊傳輸?shù)哪[瘤圖像特征值信息，訓練人工神經(jīng)網(wǎng)絡(luò)模型，分析結(jié)果輸根據(jù)人工神經(jīng)網(wǎng)絡(luò)模型，對腫瘤圖像進行分析評估，生成腫瘤病變程度分析報告，并將該分析報告輸出至醫(yī)生的工作電腦上顯示出來，通過綜合分析腫瘤圖像的各項參數(shù)數(shù)值，并建立人工網(wǎng)絡(luò)模型，生成詳細的腫瘤分析報告，提高了腫瘤圖像分析的準確度，幫助醫(yī)生進行精準病情診斷等優(yōu)點，解決了上述問題。
3、(二)技術(shù)方案
4、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種腫瘤圖像分析處理系統(tǒng)，包括圖像獲取模塊、圖像處理模塊、腫瘤圖像定位模塊、特征提取模塊、機器學習模塊以及分析結(jié)果輸出模塊；
5、所述圖像獲取模塊通過網(wǎng)絡(luò)與圖像處理模塊連接；
6、所述圖像處理模塊通過網(wǎng)絡(luò)與腫瘤圖像定位模塊連接；
7、所述腫瘤圖像定位模塊通過網(wǎng)絡(luò)與特征提取模塊連接；
8、所述特征提取模塊通過網(wǎng)絡(luò)與機器學習模塊連接；
9、所述機器學習模塊通過網(wǎng)絡(luò)與分析結(jié)果輸出模塊連接；
10、所述圖像獲取模塊用于從x光中獲取腫瘤圖像數(shù)據(jù)zlyx，并通過網(wǎng)絡(luò)將該數(shù)據(jù)傳輸至圖像處理模塊；
11、所述圖像處理模塊基于圖像獲取模塊傳輸?shù)哪[瘤圖像數(shù)據(jù)zlyx，對圖像進行去噪、增強、平滑以及幾何校正操作，得到去噪腫瘤圖像qzzl、增強腫瘤圖像zqzl、平滑腫瘤圖像phzl以及校正腫瘤圖像jzzl，并將上述處理后的數(shù)據(jù)傳輸至腫瘤圖像定位模塊；
12、所述腫瘤圖像定位模塊基于校正腫瘤圖像jzzl進行圖像定位操作，得到腫瘤所處區(qū)域位置圖像zlwz，并將計算所得位置圖像傳輸至特征提取模塊；
13、所述特征提取模塊基于腫瘤所處區(qū)域位置圖像zlwz，對該圖像進行特征提取，得到腫瘤圖像緊湊度特征值zlxt、腫瘤圖像紋理特征值zlwl以及腫瘤圖像密度特征值zlmd，并將上述提取的腫瘤圖像特征值信息傳輸至機器學習模塊；
14、所述機器學習模塊根據(jù)特征提取模塊傳輸?shù)哪[瘤圖像特征值信息，訓練人工神經(jīng)網(wǎng)絡(luò)模型；
15、所述分析結(jié)果輸出模塊根據(jù)人工神經(jīng)網(wǎng)絡(luò)模型，對腫瘤圖像進行分析評估，生成腫瘤病變程度分析報告，并將該分析報告輸出至醫(yī)生的工作電腦上顯示出來。
16、優(yōu)選的，所述圖像處理模塊基于圖像獲取模塊傳輸?shù)哪[瘤圖像數(shù)據(jù)zlyx，對圖像進行去噪操作，得到去噪腫瘤圖像qzzl，圖像去噪公式如下：
17、
18、公式中，qzzl(x,y)表示去噪后的腫瘤圖像在位置(x,y)的像素值，zlyx(x+i,y+j)表示原始腫瘤圖像在位置(x+i,y+j)的像素值，i和j分別表示濾波器的橫向和縱向半徑，k(i,j)表示高斯濾波器的權(quán)重，可以根據(jù)高斯分布函數(shù)計算得到，n表示濾波器的半徑。
19、優(yōu)選的，所述圖像處理模塊基于圖像獲取模塊傳輸?shù)哪[瘤圖像數(shù)據(jù)zlyx，對圖像進行增強操作，得到增強腫瘤圖像zqzl，圖像增強公式如下：
20、
21、公式中，zqzl(i,j)表示增強后的腫瘤圖像在位置(i,j)的像素值，zlyx(i,j)表示原始腫瘤圖像在位置(i,j)的像素值，at(zlyx(i,j))表示原始腫瘤圖像的灰度級，atmax和atmin分別表示原始腫瘤圖像的最小和最大灰度級，l表示灰度級的最大值，設(shè)置為255。
22、優(yōu)選的，所述圖像處理模塊基于圖像獲取模塊傳輸?shù)哪[瘤圖像數(shù)據(jù)zlyx，對圖像進行平滑操作，得到平滑腫瘤圖像zqzl，圖像平滑公式如下：
23、
24、公式中，zqzl(x,y)表示平滑后的腫瘤圖像在位置(x,y)的像素值，zlyx(x+i,y+j)表示原始腫瘤圖像在位置(x+i,y+j)的像素值，i和j分別表示鄰域的范圍，n表示濾波器的半徑。
25、優(yōu)選的，所述圖像處理模塊基于圖像獲取模塊傳輸?shù)哪[瘤圖像數(shù)據(jù)zlyx，對圖像進行幾何校正操作，得到校正腫瘤圖像jzzl，圖像校正公式如下：
26、
27、公式中，jzzl(xm,ym)表示校正后腫瘤圖像坐標，(x,y)表示原始腫瘤圖像坐標，a,b,c,d,e,f是仿射變換的參數(shù)。
28、優(yōu)選的，所述腫瘤圖像定位模塊基于校正腫瘤圖像jzzl進行圖像定位操作，得到腫瘤所處區(qū)域位置圖像zlwz，定位公式如下：
29、
30、公式中，zlwz表示定位后的腫瘤圖像，jzzl(x,y)表示校正腫瘤圖像，t是系統(tǒng)設(shè)置的閾值，該閾值取值范圍在(0，255)之間。
31、優(yōu)選的，所述特征提取模塊基于腫瘤所處區(qū)域位置圖像zlwz，對該圖像進行特征提取，得到腫瘤圖像緊湊度特征值zlxt，計算公式如下：
32、
33、公式中，zlxt表示腫瘤圖像緊湊度特征值，π表示3.1415926，area表示圖像的面積，pert表示圖像的周長。
34、優(yōu)選的，所述特征提取模塊基于腫瘤所處區(qū)域位置圖像zlwz，對該圖像進行特征提取，得到腫瘤圖像紋理特征值zlwl，計算公式如下：
35、zlwl＝∑θ∑γp(θ,γ)
36、公式中，p(θ,γ)是灰度級別共生矩陣中第θ個灰度級別上長度為γ的像素間隔的概率。
37、優(yōu)選的，所述特征提取模塊基于腫瘤所處區(qū)域位置圖像zlwz，對該圖像進行特征提取，得到腫瘤圖像密度特征值zlmd，計算公式如下：
38、
39、公式中，zlmd表示腫瘤圖像密度特征值，i(i)表示第i個像素的灰度值，n是腫瘤區(qū)域內(nèi)的像素總數(shù)。
40、優(yōu)選的，一種腫瘤圖像分析處理方法，具體包括以下步驟：
41、s1、通過圖像獲取模塊從x光中獲取腫瘤圖像數(shù)據(jù)zlyx，并通過網(wǎng)絡(luò)將該數(shù)據(jù)傳輸至圖像處理模塊；
42、s2、圖像處理模塊基于圖像獲取模塊傳輸?shù)哪[瘤圖像數(shù)據(jù)zlyx，對圖像進行去噪、增強、平滑以及幾何校正操作，并將上述處理后的數(shù)據(jù)傳輸至腫瘤圖像定位模塊；
43、s3、腫瘤圖像定位模塊基于校正腫瘤圖像jzzl進行圖像定位操作，得到腫瘤所處區(qū)域位置圖像zlwz，并將計算所得位置圖像傳輸至特征提取模塊；
44、s4、特征提取模塊基于腫瘤所處區(qū)域位置圖像zlwz，對該圖像進行特征提取，并將上述提取的腫瘤圖像特征值信息傳輸至機器學習模塊；
45、s5、機器學習模塊根據(jù)特征提取模塊傳輸?shù)哪[瘤圖像特征值信息，訓練人工神經(jīng)網(wǎng)絡(luò)模型；
46、s6、分析結(jié)果輸出模塊根據(jù)人工神經(jīng)網(wǎng)絡(luò)模型，對腫瘤圖像進行分析評估，生成腫瘤病變程度分析報告，并將該分析報告輸出至醫(yī)生的工作電腦上顯示出來。
47、與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種腫瘤圖像分析處理方法及系統(tǒng)，具備以下有益效果：
48、本發(fā)明通過圖像獲取模塊從x光中獲取圖像數(shù)據(jù)zlyx，并通過網(wǎng)絡(luò)將該數(shù)據(jù)傳輸至圖像處理模塊，圖像處理模塊基于圖像獲取模塊傳輸?shù)哪[瘤圖像數(shù)據(jù)zlyx，對圖像進行去噪、增強、平滑以及幾何校正操作，得到去噪腫瘤圖像qzzl、增強腫瘤圖像zqzl、平滑腫瘤圖像phzl以及校正腫瘤圖像jzzl，并將上述處理后的數(shù)據(jù)傳輸至腫瘤圖像定位模塊，腫瘤圖像定位模塊基于校正腫瘤圖像jzzl進行圖像定位操作，得到腫瘤所處區(qū)域位置圖像zlwz，并將計算所得位置圖像傳輸至特征提取模塊，特征提取模塊基于腫瘤所處區(qū)域位置圖像zlwz，對該圖像進行特征提取，并將上述提取的腫瘤圖像特征值信息傳輸至機器學習模塊，機器學習模塊根據(jù)特征提取模塊傳輸?shù)哪[瘤圖像特征值信息，訓練人工神經(jīng)網(wǎng)絡(luò)模型，分析結(jié)果輸根據(jù)人工神經(jīng)網(wǎng)絡(luò)模型，對腫瘤圖像進行分析評估，生成腫瘤病變程度分析報告，并將該分析報告輸出至醫(yī)生的工作電腦上顯示出來，通過綜合分析腫瘤圖像的各項參數(shù)數(shù)值，并建立人工網(wǎng)絡(luò)模型，生成詳細的腫瘤分析報告，提高了腫瘤圖像分析的準確度，幫助醫(yī)生進行精準病情診斷。