一种肝血管及肝肿瘤识别系统技术方案

本发明专利技术实施例提供了一种肝血管及肝肿瘤识别系统，该系统包括：图像获取模块，用于获取待检测医疗图像，所述待检测医疗图像为病人的肝脏图像；图像处理模块，用于对所述待检测医疗图像预处理，得到增强图像；识别模块，用于利用深度学习网络模型对所述增强图像进行识别，确定识别结果，所述识别结果为肝血管或者肝肿瘤的轮廓信息。本发明专利技术实施例能够在保证肝血管及肝肿瘤的识别精确度的同时提升识别效率。及肝肿瘤的识别精确度的同时提升识别效率。及肝肿瘤的识别精确度的同时提升识别效率。

【技术实现步骤摘要】
一种肝血管及肝肿瘤识别系统


[0001]本专利技术涉及人工智能
，尤其涉及一种肝血管及肝肿瘤识别系统。

技术介绍

[0002]在肝疾病的发现阶段，可以通过手术切除肿瘤或局部治疗来减少肝疾病的恶化，精确识别肝部的病灶、定位肿瘤区域和动脉血管的情况对病人的预后和手术规划具有重要意义。
[0003]随着人工智能特别是深度学习领域研究的不断推进，以及医疗大数据的不断完善，这为创造出准确、快速的智能辅助识别工具提供了良好的条件，进而为及时的肝疾病临床治疗提供有效帮助。
[0004]当肝疾病发生时，通常会伴随着肝肿瘤的形状不均匀、边缘不明显，而肝血管通常血管细小、分支众多，为此，肝部CT影像的背景复杂、受噪声影响严重，利用人工对肝血管及肝肿瘤划分费时费力，需要专业人员具有极高的专业度，为此，亟须一种肝血管及肝肿瘤识别系统以保证肝血管及肝肿瘤的识别精确度的同时提升识别效率。

技术实现思路

[0005]本专利技术的目的在于提供一种肝血管及肝肿瘤识别系统，能够保证肝血管及肝肿瘤的识别精确度的同时提升识别效率。
[0006]为实现上述目的，本专利技术提供了一种肝血管及肝肿瘤识别系统，包括：
[0007]图像获取模块，用于获取待检测医疗图像，所述待检测医疗图像为病人的肝脏图像；
[0008]图像处理模块，用于对所述待检测医疗图像预处理，得到增强图像；
[0009]识别模块，用于利用深度学习网络模型对所述增强图像进行识别，确定识别结果，所述识别结果为肝血管或者肝肿瘤的轮廓信息。
[0010]可选的，还包括：
[0011]报告生成模块，基于所述识别结果生成医疗报告，并将其发送给处理模块。
[0012]可选的，还包括：处理模块，所述处理模块用于处理所述医疗报告。
[0013]可选的，所述识别模块，包括：
[0014]切片单元，用于对所述增强图像进行腐蚀操作，确定增强图像中的初始肝血管图像或者初始肝肿瘤图像；
[0015]边缘提取单元，用于利用深度学习网络模型对所述初始肝血管图像或者初始肝肿瘤图像提取边缘；
[0016]边缘优化单元，用于利用水平集演练方法处理所述初始肝血管图像或者初始肝肿瘤图像的边缘，以得到肝血管或者肝肿瘤的轮廓信息，将所述肝血管或者肝肿瘤的轮廓信息作为识别结果。
[0017]可选的，所述深度学习网络模型基于肝血管及肝肿瘤数据集训练得到，用于识别
肝血管及肝肿瘤中的轮廓信息。
[0018]可选的，所述图像处理模块，用于对所述待检测医疗图像平滑处理，得到增强图像，或者，所述图像处理模块，用于对所述待检测医疗图像锐化处理，得到增强图像。
[0019]可选的，所述处理模块包括：
[0020]医疗报告整理单元，用于对所述医疗报告进行整理，得到整理数据；
[0021]数据分析单元，用于对所述整理数据进行分析，得到分析数据；
[0022]数据库建立单元，用于建立数据库；
[0023]储存单元，用于将所述分析数据储存在所述数据库中。
[0024]本专利技术实施例提供的一种肝血管及肝肿瘤识别系统，包括：图像获取模块，用于获取待检测医疗图像，所述待检测医疗图像为病人的肝脏图像；图像处理模块，用于对所述待检测医疗图像预处理，得到增强图像；识别模块，用于利用深度学习网络模型对所述增强图像进行识别，确定识别结果，所述识别结果为肝血管或者肝肿瘤的轮廓信息。本专利技术实施例中使用深度学习网络模型可实现对复杂的肝肿瘤进行精确识别，避免了人工对肝血管及肝肿瘤划分，解放了双手，能够在保证肝血管及肝肿瘤的识别精确度的同时提升识别效率。
附图说明
[0025]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0026]图1为本专利技术实施例中一种肝血管及肝肿瘤识别系统的结构框图。
具体实施方式
[0027]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0028]参考图1，图1为本专利技术实施例中一种肝血管及肝肿瘤识别系统的结构框图。参考图1所示，肝血管及肝肿瘤识别系统的步骤具体包括：
[0029]图像获取模块100，用于获取待检测医疗图像，所述待检测医疗图像为病人的肝脏图像。
[0030]所述肝脏图像可以为肝脏CT扫描图像，由于病人出现的肝疾病可能不同，需要获取病人的肝脏的图像，进而基于肝脏图像识别出肝血管或者肝肿瘤。
[0031]具体的，肝脏CT扫描图像可以由CT扫描仪扫描获取，通过医院内部的CT扫描仪采集到用户的肝血管及肝肿瘤CT医疗图像作为系统进行识别的数据源，得到待检测医疗图像。
[0032]图像处理模块200，用于对所述待检测医疗图像预处理，得到增强图像。
[0033]在可选实施例中，所述图像处理模块，用于对所述待检测医疗图像平滑处理，得到增强图像，或者，所述图像处理模块，用于对所述待检测医疗图像锐化处理，得到增强图像。
[0034]本申请实施例中通过对所述待检测医疗图像处理得到增强图像，能够较为突出的
显示出肝血管或者肝肿瘤。
[0035]识别模块300，用于利用深度学习网络模型对所述增强图像进行识别，确定识别结果，所述识别结果为肝血管或者肝肿瘤的轮廓信息。
[0036]在一种实施例中，所述识别模块300包括：
[0037]切片单元310，用于对所述增强图像进行腐蚀操作，确定增强图像中的初始肝血管图像或者初始肝肿瘤图像，
[0038]所述腐蚀操作是指增强图像中一些毛刺去除，使图像更柔和。
[0039]边缘提取单元320，用于利用深度学习网络模型对所述初始肝血管图像或者初始肝肿瘤图像提取边缘。
[0040]所述深度学习网络模型基于肝血管及肝肿瘤数据集训练得到，用于识别肝血管及肝肿瘤中的轮廓信息。
[0041]边缘优化单元330，用于利用水平集演练方法处理所述初始肝血管图像或者初始肝肿瘤图像的边缘，以得到肝血管或者肝肿瘤的轮廓信息，将所述肝血管或者肝肿瘤的轮廓信息作为识别结果。
[0042]所述肝血管及肝肿瘤数据集为历史的肝疾病数据集，可以基于历史的肝疾病数据对深度学习网络模型训练，使其具有识别待检测医疗图像中的肝血管及肝肿瘤的能力。
[0043]在一种实施例中，所述深度学习网络模型的训练阶段具体包括：
[0044]1)利用数据增强算法对医疗图像数据库中的肝血管及肝肿瘤数据集进行旋转、放缩以及平移等处理，进行图像灰度值的预处理，实现图像对比度的增强；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肝血管及肝肿瘤识别系统，其特征在于，包括：图像获取模块，用于获取待检测医疗图像，所述待检测医疗图像为病人的肝脏图像；图像处理模块，用于对所述待检测医疗图像预处理，得到增强图像；识别模块，用于利用深度学习网络模型对所述增强图像进行识别，确定识别结果，所述识别结果为肝血管或者肝肿瘤的轮廓信息。2.如权利要求1所述的肝血管及肝肿瘤识别系统，其特征在于，还包括：报告生成模块，基于所述识别结果生成医疗报告，并将其发送给处理模块。3.如权利要求2所述的肝血管及肝肿瘤识别系统，其特征在于，还包括：处理模块，所述处理模块用于处理所述医疗报告。4.如权利要求1所述的肝血管及肝肿瘤识别系统，其特征在于，所述识别模块，包括：切片单元，用于对所述增强图像进行腐蚀操作，确定增强图像中的初始肝血管图像或者初始肝肿瘤图像；边缘提取单元，用于利用深度学习网络模型对所述初始肝血管图像或者初始肝肿瘤图像提取边缘...

【专利技术属性】
技术研发人员：王子轩，祝海，齐全，宋弢，戴昆，王进，
申请(专利权)人：青岛埃米博创医疗科技有限公司，
类型：发明
国别省市：