【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种用于脑肿瘤ct数据的智能处理方法。
技术介绍
1、传统的肿瘤ct图像处理方法往往依赖于专家经验和人工标记，这不仅费时费力，而且容易受到主观判断的影响，难以应对海量数据的处理需求；基于大数据的肿瘤ct图像处理不仅可以提高诊断的准确性，还可以应对海量数据的处理需求；在基于像素灰度数据对脑肿瘤的ct图像进行存储时，一般采用纯无损压缩的方式将图像的所有像素按照具体灰度值大小进行整体压缩存储。
2、但由于脑肿瘤ct图像中存在骨骼、组织和背景区域，其与肿瘤区域相关性不大，若直接对其全部进行纯无损存储，则导致占用较多的存储空间。
技术实现思路
1、为了解决上述问题，本专利技术提供一种用于脑肿瘤ct数据的智能处理方法，所述方法包括：
2、获取脑部区域ct图像；根据脑部区域ct图像构建样本矩阵，获取样本矩阵的若干个数据区域；
3、根据数据区域内元素波动情况和形态特征，获取每个数据区域的无损压缩必要性；根据无损压缩必要性对样本矩阵中所有数据区域进行分类，得到所有目标压缩数据区域和所有非目标压缩数据区域；
4、根据目标压缩数据区域和非目标压缩数据区域，获取样本矩阵中每一数据行的目标区域段和非目标区域段；将目标区域段和非目标区域段统称为区域段；根据目标区域段与相邻区域段所属数据区域的无损压缩必要性的差异，获取目标区域段的有损压缩调整必要性；根据有损压缩调整必要性对每一数据行中所有区域段进行筛选得到所有待调整目标区域段；p>
5、对待调整目标区域段、目标区域段和非目标区域段分别进行不同方式的数据压缩，获得压缩后的样本矩阵。
6、优选的，所述根据数据区域内元素波动情况和形态特征，获取每个数据区域的无损压缩必要性，包括的具体方法为：
7、对于样本矩阵中任意一个数据区域，获取所述数据区域内的数据波动程度，获取所述数据区域的形态特征性，则所述数据区域的无损压缩必要性的计算方法为：
8、
9、式中，表示所述数据区域的无损压缩必要性；表示所述数据区域内的数据波动程度；表示所述数据区域中所有元素的平均值；表示所述数据区域的形态特征性；表示线性归一化函数；255表示灰度取值范围的最大值；255表示灰度取值范围的最大值。
10、优选的，所述获取所述数据区域内的数据波动程度，包括的具体方法为：
11、将所述数据区域中所有元素的最大值与所述数据区域中所有元素的最小值的差值，记为第一差值，将所述数据区域中所有元素的标准差的倒数记为第一倒数，将第一差值与第一倒数的比值，作为所述数据区域内的数据波动程度。
12、优选的，所述获取所述数据区域的形态特征性的具体公式为：
13、
14、式中，表示所述数据区域的最小外接圆面积；表示所述数据区域中所有元素的总数量；表示所述数据区域的最小外接矩形的长；表示所述数据区域的最小外接矩形的宽；为预设参数；表示取绝对值。
15、优选的，所述根据无损压缩必要性对样本矩阵中所有数据区域进行分类，得到所有目标压缩数据区域和所有非目标压缩数据区域，包括的具体方法为：
16、预设一个阈值，若样本矩阵中任意一个数据区域的无损压缩必要性大于或等于阈值，则将所述数据区域记为目标压缩数据区域；若样本矩阵中任意一个数据区域的无损压缩必要性小于阈值，则将所述数据区域记为非目标压缩数据区域。
17、优选的，所述根据目标压缩数据区域和非目标压缩数据区域，获取样本矩阵中每一数据行的目标区域段和非目标区域段，包括的具体方法为：
18、对于样本矩阵中任意一个数据行，若该数据行与样本矩阵中目标数据区域的存在交集，则将所述交集作为该数据行的目标区域段；若该数据行与样本矩阵中非目标数据区域的存在交集，则将所述交集作为该数据行的非目标区域段。
19、优选的，所述根据目标区域段与相邻区域段所属数据区域的无损压缩必要性的差异，获取目标区域段的有损压缩调整必要性，包括的具体方法为：
20、获取任意一个数据行内第i个目标区域段与相邻区域段的无损压缩必要性的差异性，根据任意一个数据行内第i个目标区域段与相邻区域段的无损压缩必要性的差异性，获取第i个目标区域段的有损压缩调整必要性的计算方法为：
21、
22、式中，表示第i个目标区域段的有损压缩调整必要性；表示第i个目标区域段与相邻区域段的无损压缩必要性的差异性；表示与第i个目标区域段的数据长度；表示所有区域段中数据长度最大值；表示所有区域段中数据长度最小值；表示线性归一化函数。
23、优选的，所述获取任意一个数据行内第i个目标区域段与相邻区域段的无损压缩必要性的差异性的具体公式为：
24、
25、式中，表示第i个目标区域段所属数据区域的无损压缩必要性；表示与第i个目标区域段左相邻的区域段所属数据区域的无损压缩必要性；表示与第i个目标区域段右相邻的区域段所属数据区域的无损压缩必要性；表示取绝对值；表示以自然常数为底数的指数函数。
26、优选的，所述根据有损压缩调整必要性对每一数据行中所有区域段进行筛选得到所有待调整目标区域段，包括的具体方法为：
27、预设一个阈值，若第i个目标区域段的有损压缩调整必要性大于阈值，则将第i个目标区域段记为待调整目标区域段。
28、优选的，所述对待调整目标区域段、目标区域段和非目标区域段分别进行不同方式的数据压缩，获得压缩后的样本矩阵，包括的具体方法为：
29、在样本矩阵中任意一个数据行中，将除目标区域段以外的所有区域记为有损压缩区域，通过游程编码压缩算法将样本矩阵中每一数据行的有损压缩区域进行有损压缩，通过lzw压缩算法将样本矩阵中每一数据行的目标区域段进行无损压缩；进而获得压缩后的样本矩阵。
30、本专利技术的技术方案的有益效果是：本专利技术根据无损压缩必要性对样本矩阵中所有数据区域进行分类，得到所有目标压缩数据区域和所有非目标压缩数据区域，以此区分出脑肿瘤ct图像中肿瘤区域和其他区域；根据有损压缩调整必要性对每一数据行中所有区域段进行筛选得到所有待调整目标区域段，对待调整目标区域段、目标区域段和非目标区域段分别进行不同方式的压缩，进而降低了脑肿瘤ct图像的存储空间，还可以排除肿瘤ct图像中其他区域的数据干扰。
本文档来自技高网...【技术保护点】
1.一种用于脑肿瘤CT数据的智能处理方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种用于脑肿瘤CT数据的智能处理方法，其特征在于，所述根据数据区域内元素波动情况和形态特征，获取每个数据区域的无损压缩必要性，包括的具体方法为：
3.根据权利要求2所述一种用于脑肿瘤CT数据的智能处理方法，其特征在于，所述获取所述数据区域内的数据波动程度，包括的具体方法为：
4.根据权利要求2所述一种用于脑肿瘤CT数据的智能处理方法，其特征在于，所述获取所述数据区域的形态特征性的具体公式为：
5.根据权利要求1所述一种用于脑肿瘤CT数据的智能处理方法，其特征在于，所述根据无损压缩必要性对样本矩阵中所有数据区域进行分类，得到所有目标压缩数据区域和所有非目标压缩数据区域，包括的具体方法为：
6.根据权利要求1所述一种用于脑肿瘤CT数据的智能处理方法，其特征在于，所述根据目标压缩数据区域和非目标压缩数据区域，获取样本矩阵中每一数据行的目标区域段和非目标区域段，包括的具体方法为：
7.根据权利要求1所述一种用于脑肿瘤CT
8.根据权利要求7所述一种用于脑肿瘤CT数据的智能处理方法，其特征在于，所述获取任意一个数据行内第i个目标区域段与相邻区域段的无损压缩必要性的差异性的具体公式为：
9.根据权利要求1所述一种用于脑肿瘤CT数据的智能处理方法，其特征在于，所述根据有损压缩调整必要性对每一数据行中所有区域段进行筛选得到所有待调整目标区域段，包括的具体方法为：
10.根据权利要求1所述一种用于脑肿瘤CT数据的智能处理方法，其特征在于，所述对待调整目标区域段、目标区域段和非目标区域段分别进行不同方式的数据压缩，获得压缩后的样本矩阵，包括的具体方法为：
...【技术特征摘要】
1.一种用于脑肿瘤ct数据的智能处理方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种用于脑肿瘤ct数据的智能处理方法，其特征在于，所述根据数据区域内元素波动情况和形态特征，获取每个数据区域的无损压缩必要性，包括的具体方法为：
3.根据权利要求2所述一种用于脑肿瘤ct数据的智能处理方法，其特征在于，所述获取所述数据区域内的数据波动程度，包括的具体方法为：
4.根据权利要求2所述一种用于脑肿瘤ct数据的智能处理方法，其特征在于，所述获取所述数据区域的形态特征性的具体公式为：
5.根据权利要求1所述一种用于脑肿瘤ct数据的智能处理方法，其特征在于，所述根据无损压缩必要性对样本矩阵中所有数据区域进行分类，得到所有目标压缩数据区域和所有非目标压缩数据区域，包括的具体方法为：
6.根据权利要求1所述一种用于脑肿瘤ct数据的智能处理方法，其特征在于，所述根据目标压缩数据区域和非目标压...
【专利技术属性】
技术研发人员：刘华，高宇，周博，
申请(专利权)人：济南宝林信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。