开云优惠体育网页版入口

专利名称：基于超声影像智能化的辅助诊断方法和系统

专利类型：发明专利

专利申请号：CN202410943879.7

专利申请（专利权）人：南充市中心医院
权利人地址：四川省南充市顺庆区人民南路97号

专利发明（设计）人：发明人:李艳,罗栩伟,刘刚,张慧,朱冬梅,刘学彬

专利摘要：本发明公开了基于超声影像智能化的辅助诊断方法和系统，涉及医疗数据处理技术领域，包括原始影像区域内确定种子粒子，构建面积元素列表，根据原始影像区域类型和面积元素列表配置面积尺度，按照面积尺度以种子粒子为基础向外进行扩散；根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，提取每个原始影像区域对应的前景区域和背景区域的特征数据，构建每种特征数据的箱线图来确定每种特征数据的稳定值；应用特征数据的稳定值将部分背景区域划入到前景区域中，对前景区域进行三维重建，并将特征数据的稳定值标记在对应位置处。以此提高了特征提取的准确性和精度，并从多个波动特征数据中确定一个稳定值，保证了特征的稳定性。

主权利要求：
1.基于超声影像智能化的辅助诊断方法，其特征在于，包括：
在超声影像中选定若干个原始影像区域，并分析每个原始影像区域的直方图，并且根据直方图对原始影像区域进行前景区域和背景区域的划分；
在原始影像区域内确定种子粒子，通过前景区域内和背景区域的差异情况筛选多个面积元素以构建面积元素列表，根据原始影像区域类型和面积元素列表配置面积尺度，按照面积尺度以种子粒子为基础向外进行扩散，得到生长区域；
根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，提取每个原始影像区域对应的前景区域和背景区域的特征数据，构建每种特征数据的箱线图来确定每种特征数据的稳定值；
应用特征数据的稳定值将部分背景区域划入到前景区域中，对前景区域进行三维重建，并将特征数据的稳定值标记在对应位置处，以此帮助医生进行参考；
其中，
构建每种特征数据的箱线图来确定每种特征数据的稳定值，包括：
根据前景区域和背景区域的特征数据确定特征数据样本，计算特征数据样本中的峰度和偏度，以此来确定IQR系数；
；
其中，K为IQR系数， 为峰度对应的正态转换系数， 为偏度对应的正态转换系数，为峰度的绝对值， 为偏度的绝对值， 为IQR常数；
通过IQR系数构建前景区域和背景区域中每种特征数据的箱线图，依靠箱线图中的上界和下界将特征数据划分为内区特征数据和外区特征数据，根据内区特征数据和外区特征数据确定稳定值；
；
其中，X为特征数据的稳定值， 为内区特征数据的值， 为外区特征数据的值，m1为内区特征数据的数量， 为第j个内区特征数据的值，m2为外区特征数据的数量，exp为指数函数， 为第y个外区特征数据的值， 为外区特征数据中的最大值， 为预设常数；
应用特征数据的稳定值将部分背景区域划入到前景区域中，包括：
通过距离阈值定义前景区域和背景区域中的相邻范围，并且设定每种特征数据的相似度阈值，通过相似度阈值在相邻范围内筛选背景区域，将符合要求的背景区域划入前景区域中。
2.如权利要求1所述的基于超声影像智能化的辅助诊断方法，其特征在于，并分析每个原始影像区域的直方图，并且根据直方图对原始影像区域进行前景区域和背景区域的划分，包括：分析每个原始影像区域的直方图得到动态范围和噪声水平，动态范围为原始影像区域内像素值的最大值和最小值之差，噪声水平为噪声的标准差；
通过噪声水平确定第一像素值范围，根据动态范围确定第二像素值范围，将第一像素值范围和第二像素值范围的交集作为第三像素值范围，并将第三像素值范围内的中位数作为像素阈值，以此对原始影像区域进行划分，得到前景区域和背景区域。
3.如权利要求1所述的基于超声影像智能化的辅助诊断方法，其特征在于，在原始影像区域内确定种子粒子，包括：对于原始影像区域构建二维坐标系，并确定原始影像区域内的每个像素的坐标，通过所有像素的坐标平均值确定第一中心点；
确定原始影像区域边缘的像素坐标，并计算边缘的像素坐标平均值，得到第二中心点；
将第一中心点和第二中心点作为种子粒子。
4.如权利要求3所述的基于超声影像智能化的辅助诊断方法，其特征在于，通过前景区域内和背景区域的差异情况筛选多个面积元素以构建面积元素列表，根据原始影像区域类型和面积元素列表配置面积尺度，包括：对前景区域和背景区域中反映面积大小的指标进行标准化处理，并得到每种指标的差异，计算每种差异与原始影像区域面积的相关度大。喙囟确弦蟮牟钜毂Ａ粝吕，并将差异对应的指标作为面积元素添加到面积元素列表中；
根据原始影像区域类型和面积元素列表配置面积尺度，并将面积尺度中的最大值作为目标面积；
；
其中，为面积尺度， 为原始影像区域类型对应的面积尺度区间，n为符合要求的指标的差异指标的数量， 为第i种差异指标的体现权重， 为第i种差异指标的差异值，为 中的最大值，k为预设常数， 为面积元素对应的面积尺度区间，为综合所有面积元素差异情况映射得到的面积尺度区
间。
5.如权利要求4所述的基于超声影像智能化的辅助诊断方法，其特征在于，按照面积尺度以种子粒子为基础向外进行扩散，得到生长区域，包括：以两个种子粒子为起点、以原始影像区域边缘为生长方向、目标面积为终点，来向四周进行扩散，得到两个生长区域。
6.如权利要求5所述的基于超声影像智能化的辅助诊断方法，其特征在于，根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，包括：将两个生长区域的并集作为生长并集区域，通过前景区域和背景区域在生长并集区域上的位置关系依据生长并集区域补充前景区域和背景区域。
7.基于超声影像智能化的辅助诊断系统，其特征在于，包括：
划分模块，用于在超声影像中选定若干个原始影像区域，并分析每个原始影像区域的直方图，并且根据直方图对原始影像区域进行前景区域和背景区域的划分；
生长模块，用于在原始影像区域内确定种子粒子，通过前景区域内和背景区域的差异情况筛选多个面积元素以构建面积元素列表，根据原始影像区域类型和面积元素列表配置面积尺度，按照面积尺度以种子粒子为基础向外进行扩散，得到生长区域；
构建模块，用于根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，提取每个原始影像区域对应的前景区域和背景区域的特征数据，构建每种特征数据的箱线图来确定每种特征数据的稳定值；
投影模块，用于应用特征数据的稳定值将部分背景区域划入到前景区域中，对前景区域进行三维重建，并将特征数据的稳定值标记在对应位置处，以此帮助医生进行参考；
其中，构建模块，具体用于，根据前景区域和背景区域的特征数据确定特征数据样本，计算特征数据样本中的峰度和偏度，以此来确定IQR系数；
；
其中，K为IQR系数， 为峰度对应的正态转换系数， 为偏度对应的正态转换系数，为峰度的绝对值， 为偏度的绝对值， 为IQR常数；
通过IQR系数构建前景区域和背景区域中每种特征数据的箱线图，依靠箱线图中的上界和下界将特征数据划分为内区特征数据和外区特征数据，根据内区特征数据和外区特征数据确定稳定值；
；
其中，X为特征数据的稳定值， 为内区特征数据的值， 为外区特征数据的值，m1为内区特征数据的数量， 为第j个内区特征数据的值，m2为外区特征数据的数量，exp为指数函数， 为第y个外区特征数据的值， 为外区特征数据中的最大值， 为预设常数；
投影模块，具体用于，通过距离阈值定义前景区域和背景区域中的相邻范围，并且设定每种特征数据的相似度阈值，通过相似度阈值在相邻范围内筛选背景区域，将符合要求的背景区域划入前景区域中。 说明书 : 基于超声影像智能化的辅助诊断方法和系统技术领域[0001] 本申请涉及医疗数据处理技术领域，更具体地，涉及基于超声影像智能化的辅助诊断方法和系统。背景技术[0002] 医生在肉眼观察超声影像时可能会遇到视觉疲劳、主观性、技术依赖、信息过载、经验限制、训练不足、设备限制等挑战，使得人眼对图像观察存在一定的天然误差。这些问题可能会导致误诊或漏诊，并增加诊断的复杂性。现有技术中，往往采用人工智能算法和超声设备相结合，对超声影像进行预处理、特征提取、分析和解释，以辅助医生进行识别。[0003] 对医疗数据进行处理时，因为图像较为复杂，且在划分前景和背景时，将存在很多有效信息的背景去除掉，导致特征数据提取的精度低、准确性差、适应性低。[0004] 因此，如何提高特征数据提取的精度和适应性，是目前有待解决的技术问题。发明内容[0005] 本发明提供基于超声影像智能化的辅助诊断方法，用以解决现有技术中特征数据提取准确性差、适应性低的技术问题。所述方法包括：[0006] 在超声影像中选定若干个原始影像区域，并分析每个原始影像区域的直方图，并且根据直方图对原始影像区域进行前景区域和背景区域的划分；[0007] 在原始影像区域内确定种子粒子，通过前景区域内和背景区域的差异情况筛选多个面积元素以构建面积元素列表，根据原始影像区域类型和面积元素列表配置面积尺度，按照面积尺度以种子粒子为基础向外进行扩散，得到生长区域；[0008] 根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，提取每个原始影像区域对应的前景区域和背景区域的特征数据，构建每种特征数据的箱线图来确定每种特征数据的稳定值；[0009] 应用特征数据的稳定值将部分背景区域划入到前景区域中，对前景区域进行三维重建，并将特征数据的稳定值标记在对应位置处，以此帮助医生进行参考。[0010] 本申请一些实施例中，并分析每个原始影像区域的直方图，并且根据直方图对原始影像区域进行前景区域和背景区域的划分，包括：[0011] 分析每个原始影像区域的直方图得到动态范围和噪声水平，动态范围为原始影像区域内像素值的最大值和最小值之差，噪声水平为噪声的标准差；[0012] 通过噪声水平确定第一像素值范围，根据动态范围确定第二像素值范围，将第一像素值范围和第二像素值范围的交集作为第三像素值范围，并将第三像素值范围内的中位数作为像素阈值，以此对原始影像区域进行划分，得到前景区域和背景区域。[0013] 本申请一些实施例中，在原始影像区域内确定种子粒子，包括：[0014] 对于原始影像区域构建二维坐标系，并确定原始影像区域内的每个像素的坐标，通过所有像素的坐标平均值确定第一中心点；[0015] 确定原始影像区域边缘的像素坐标，并计算边缘的像素坐标平均值，得到第二中心点；[0016] 将第一中心点和第二中心点作为种子粒子。[0017] 本申请一些实施例中，通过前景区域内和背景区域的差异情况筛选多个面积元素以构建面积元素列表，根据原始影像区域类型和面积元素列表配置面积尺度，包括：[0018] 对前景区域和背景区域中反映面积大小的指标进行标准化处理，并得到每种指标的差异，计算每种差异与原始影像区域面积的相关度大。喙囟确弦蟮牟钜毂Ａ粝吕，并将差异对应的指标作为面积元素添加到面积元素列表中；[0019] 根据原始影像区域类型和面积元素列表配置面积尺度，并将面积尺度中的最大值作为目标面积；[0020] ；[0021] 其中，为面积尺度， 为原始影像区域类型对应的面积尺度区间，n为符合要求的指标的差异指标的数量， 为第i种差异指标的体现权重， 为第i种差异指标的差异值，为 中的最大值，k为预设常数， 为面积元素对应的面积尺度区间，为综合所有面积元素差异情况映射得到的面积尺度区间。[0022] 本申请一些实施例中，按照面积尺度以种子粒子为基础向外进行扩散，得到生长区域，包括：[0023] 以两个种子粒子为起点、以原始影像区域边缘为生长方向、目标面积为终点，来向四周进行扩散，得到两个生长区域。[0024] 本申请一些实施例中，根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，包括：[0025] 将两个生长区域的并集作为生长并集区域，通过前景区域和背景区域在生长并集区域上的位置关系依据生长并集区域补充前景区域和背景区域。[0026] 本申请一些实施例中，构建每种特征数据的箱线图来确定每种特征数据的稳定值，包括：[0027] 根据前景区域和背景区域的特征数据确定特征数据样本，计算特征数据样本中的峰度和偏度，以此来确定IQR系数；[0028] ；[0029] 其中，K为IQR系数， 为峰度对应的正态转换系数， 为偏度对应的正态转换系数， 为峰度的绝对值， 为偏度的绝对值， 为IQR常数；[0030] 通过IQR系数构建前景区域和背景区域中每种特征数据的箱线图，依靠箱线图中的上界和下界将特征数据划分为内区特征数据和外区特征数据，根据内区特征数据和外区特征数据确定稳定值；[0031] ；[0032] 其中，X为特征数据的稳定值， 为内区特征数据的值， 为外区特征数据的值，m1为内区特征数据的数量， 为第j个内区特征数据的值，m2为外区特征数据的数量，exp为指数函数， 为第y个外区特征数据的值， 为外区特征数据中的最大值， 为预设常数。[0033] 本申请一些实施例中，应用特征数据的稳定值将部分背景区域划入到前景区域中，包括：[0034] 通过距离阈值定义前景区域和背景区域中的相邻范围，并且设定每种特征数据的相似度阈值，通过相似度阈值在相邻范围内筛选背景区域，将符合要求的背景区域划入前景区域中。[0035] 对应的，本申请还提供了基于超声影像智能化的辅助诊断系统，包括：[0036] 划分模块，用于在超声影像中选定若干个原始影像区域，并分析每个原始影像区域的直方图，并且根据直方图对原始影像区域进行前景区域和背景区域的划分；[0037] 生长模块，用于在原始影像区域内确定种子粒子，通过前景区域内和背景区域的差异情况筛选多个面积元素以构建面积元素列表，根据原始影像区域类型和面积元素列表配置面积尺度，按照面积尺度以种子粒子为基础向外进行扩散，得到生长区域；[0038] 构建模块，用于根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，提取每个原始影像区域对应的前景区域和背景区域的特征数据，构建每种特征数据的箱线图来确定每种特征数据的稳定值；[0039] 投影模块，用于应用特征数据的稳定值将部分背景区域划入到前景区域中，对前景区域进行三维重建，并将特征数据的稳定值标记在对应位置处，以此帮助医生进行参考。[0040] 通过应用以上技术方案，在超声影像中选定若干个原始影像区域，并分析每个原始影像区域的直方图，并且根据直方图对原始影像区域进行前景区域和背景区域的划分；在原始影像区域内确定种子粒子，通过前景区域内和背景区域的差异情况筛选多个面积元素以构建面积元素列表，根据原始影像区域类型和面积元素列表配置面积尺度，按照面积尺度以种子粒子为基础向外进行扩散，得到生长区域；根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，提取每个原始影像区域对应的前景区域和背景区域的特征数据，构建每种特征数据的箱线图来确定每种特征数据的稳定值；应用特征数据的稳定值将部分背景区域划入到前景区域中，对前景区域进行三维重建，并将特征数据的稳定值标记在对应位置处，以此帮助医生进行参考。本申请通过按照面积尺度以种子粒子为基础向外进行扩散得到生长区域，以此来调整前景区域和背景区域，从而完善了前景区域和背景区域，使得有效信息被保留下来。构建每种特征数据的箱线图来确定每种特征数据的稳定值，应用特征数据的稳定值将部分背景区域划入到前景区域中，以此提高了特征提取的准确性和精度，并从多个波动特征数据中确定一个稳定值，保证了特征的稳定性。对前景区域进行三维重建且标记特征，提高了特征的适应性，以此帮助医生进行参考。附图说明[0041] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，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。[0042] 图1示出了本发明实施例提出的基于超声影像智能化的辅助诊断方法的流程示意图；[0043] 图2示出了本发明实施例提出的基于超声影像智能化的辅助诊断系统的结构示意图。具体实施方式[0044] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。[0045] 本申请实施例提供基于超声影像智能化的辅助诊断方法，如图1所示，该方法包括以下步骤：[0046] 步骤S101，在超声影像中选定若干个原始影像区域，并分析每个原始影像区域的直方图，并且根据直方图对原始影像区域进行前景区域和背景区域的划分。[0047] 本实施例中，在超声影像中选定若干个原始影像区域，这个原始影像区域可以是医生手动选择几个可能不健康的部分或区域（器官、组织等），也可以是机器通过算法选定的几个区域。直方图（Histogram）是一种统计图表，用于显示数据分布的情况。它由一系列垂直的柱状图组成，每个柱状图代表数据中某个数值（灰度、噪声等）范围的频数或频率。通过直方图选择一个合适的灰度阈值将原始影像区域拆分成前景区域和背景区域，这里，前景区域是指包含医学影像中的感兴趣区域，例如病变（如肿瘤、囊肿）、器官、结构等，背景区域通常包含医学影像中的非感兴趣区域，例如正常组织、噪声、伪影等。这里仅通过灰度阈值进行初次划分，背景区域中可能还是会存在一些有用区域，后续会再次进行处理。[0048] 本申请一些实施例中，并分析每个原始影像区域的直方图，并且根据直方图对原始影像区域进行前景区域和背景区域的划分，包括：[0049] 分析每个原始影像区域的直方图得到动态范围和噪声水平，动态范围为原始影像区域内像素值的最大值和最小值之差，噪声水平为噪声的标准差；[0050] 通过噪声水平确定第一像素值范围，根据动态范围确定第二像素值范围，将第一像素值范围和第二像素值范围的交集作为第三像素值范围，并将第三像素值范围内的中位数作为像素阈值，以此对原始影像区域进行划分，得到前景区域和背景区域。[0051] 本实施例中，像素值即为灰度，病变区域和非病变区域的灰度有相对明显的差异。通过噪声水平确定第一像素值范围，将灰度阈值设置得比噪声标准差略低可以帮助排除噪声，同时保留图像中的有用信息，从而得到第一像素值范围。根据动态范围确定第二像素值范围，一般选择最大值和最小值中间位置一部分的范围作为第二像素值范围。并将第三像素值范围内的中位数作为像素阈值，中位数能够兼顾噪声和像素两者需求，提高划分的准确性。[0052] 需要说明的是，对原始影像区域进行划分，得到前景区域和背景区域，表示前景区域和背景区域之和即为原始影像区域，图像分割过程中不产生其它部分，前景区域和背景区域一般是相邻的。[0053] 步骤S102，在原始影像区域内确定种子粒子，通过前景区域内和背景区域的差异情况筛选多个面积元素以构建面积元素列表，根据原始影像区域类型和面积元素列表配置面积尺度，按照面积尺度以种子粒子为基础向外进行扩散，得到生长区域。[0054] 本实施例中，为了保证图像分割的精度，通过种子粒子进行生长，得到生长区域，比对生长区域和前景区域、背景区域来进一步完善区域。通过前景区域内和背景区域的差异情况筛选多个面积元素以构建面积元素列表，两个区域的差异情况，能够帮助面积的设定。种子粒子选择为区域的中心位置，有两个，分别进行生长扩散。[0055] 本申请一些实施例中，在原始影像区域内确定种子粒子，包括：[0056] 对于原始影像区域构建二维坐标系，并确定原始影像区域内的每个像素的坐标，通过所有像素的坐标平均值确定第一中心点；[0057] 确定原始影像区域边缘的像素坐标，并计算边缘的像素坐标平均值，得到第二中心点；[0058] 将第一中心点和第二中心点作为种子粒子。[0059] 本实施例中，可以通过边缘算法来识别区域边缘的像素块，以此来确定边缘的像素坐标。第一中心点和第二中心点一般情况下不相同。通过中心点，向外进行生长。[0060] 本申请一些实施例中，通过前景区域内和背景区域的差异情况筛选多个面积元素以构建面积元素列表，根据原始影像区域类型和面积元素列表配置面积尺度，包括：[0061] 对前景区域和背景区域中反映面积大小的指标进行标准化处理，并得到每种指标的差异，计算每种差异与原始影像区域面积的相关度大。喙囟确弦蟮牟钜毂Ａ粝吕，并将差异对应的指标作为面积元素添加到面积元素列表中；[0062] 根据原始影像区域类型和面积元素列表配置面积尺度，并将面积尺度中的最大值作为目标面积；[0063] ；[0064] 其中，为面积尺度， 为原始影像区域类型对应的面积尺度区间，n为符合要求的指标的差异指标的数量， 为第i种差异指标的体现权重， 为第i种差异指标的差异值，为 中的最大值，k为预设常数， 为面积元素对应的面积尺度区间，为综合所有面积元素差异情况映射得到的面积尺度区间。[0065] 本实施例中，反映面积大小的指标包括对比度、纹理复杂度、边缘强度、面积等，例如，如果前景区域的灰度值明显高于背景区域，可以考虑设置较大的种子粒子生长面积，以更好地覆盖前景区域。[0066] 本实施例中，计算每种差异与原始影像区域面积的相关度大。喙囟确弦蟮牟钜毂Ａ粝吕。相关度可以采用皮尔逊系数来表示，符合要求是指相关度足够大，可以通过设置阈值来实现。[0067] 本实施例中，根据原始影像区域类型和面积元素列表配置面积尺度，并将面积尺度中的最大值作为目标面积，原始影像区域类型是指这个原始影像区域（器官、组织等）对应的以往历史中的平均面积尺度。再结合面积元素列表中所有面积元素来计算面积尺度。取值范围在1?1.21之间，表示影响最大的面积元素对整体影响量的修正，最后取 与 的交集为面积尺度，采用其中的最大值为目标面积，这样是为了保证生长区域的可靠性。[0068] 本申请一些实施例中，按照面积尺度以种子粒子为基础向外进行扩散，得到生长区域，包括：[0069] 以两个种子粒子为起点、以原始影像区域边缘为生长方向、目标面积为终点，来向四周进行扩散，得到两个生长区域。[0070] 本实施例中，当生长的区域面积为目标面积时，停止生长，得到两个生长区域。[0071] 步骤S103，根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，提取每个原始影像区域对应的前景区域和背景区域的特征数据，构建每种特征数据的箱线图来确定每种特征数据的稳定值。[0072] 本实施例中，根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，两个生长区域可能会超出原始影像区域，将前景区域和背景区域没有与两个生长区域相交的部分，根据位置关系填充前景区域和背景区域。通过分析每种特征数据的箱线图来确定每种特征数据的稳定值。因为超声影像为多个，所以提取的特征量有很多，波动性相对较大，所以需要确定每种特征的稳定值。[0073] 本申请一些实施例中，根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，包括：[0074] 将两个生长区域的并集作为生长并集区域，通过前景区域和背景区域在生长并集区域上的位置关系依据生长并集区域补充前景区域和背景区域。[0075] 本实施例中，将位置相邻、且前景区域和背景区域没有与生长并集区域相交的部分对应填充到前景区域和背景区域，即无相交的部分离哪个区域近，则添加到哪个区域。[0076] 本申请一些实施例中，构建每种特征数据的箱线图来确定每种特征数据的稳定值，包括：[0077] 根据前景区域和背景区域的特征数据确定特征数据样本，计算特征数据样本中的峰度和偏度，以此来确定IQR系数；[0078] ；[0079] 其中，K为IQR系数， 为峰度对应的正态转换系数， 为偏度对应的正态转换系数， 为峰度的绝对值， 为偏度的绝对值， 为IQR常数；[0080] 通过IQR系数构建前景区域和背景区域中每种特征数据的箱线图，依靠箱线图中的上界和下界将特征数据划分为内区特征数据和外区特征数据，根据内区特征数据和外区特征数据确定稳定值；[0081] ；[0082] 其中，X为特征数据的稳定值， 为内区特征数据的值， 为外区特征数据的值，m1为内区特征数据的数量， 为第j个内区特征数据的值，m2为外区特征数据的数量，exp为指数函数， 为第y个外区特征数据的值， 为外区特征数据中的最大值， 为预设常数。[0083] 本实施例中，箱线图包括下界、下四分位数、中位数、上四分位数和上界，下四分位数、中位数、上四分位数分别表示第一四分位数、第二四分位数和第三四分位数，其实也就是25、50、75百分位数。四分位差IQR=上四分位数?下四分位数，习惯上定义，下界=下四分位数?1.5IQR，上界=上四分位数+1.5IQR，这是默认数据服从正态分布的。但是一般来说，特征数据很少有服从正态分布的，这里为了保证箱线图的精度，来调整IQR系数。[0084] 本实施例中，峰度为0，偏度为0时，说明数据分布符合正态分布，不为0说明有偏差。 一般情况下为1.5。依靠箱线图中的上界和下界将特征数据划分为内区特征数据和外区特征数据，在上界和下界之间的数据为内区特征数据，在上界和下界之外的数据为外区特征数据（异常值）。[0085] 本实施例中，通过内区特征数据的平均值、外区特征数据量在所有数据量中的占比和外区特征数据的最大值与平均值之差来确定稳定值，表示异常数据量占比和最大值与平均值之差来修正内区特征数据的平均值。取值范围在1?1.39之间。[0086] 需要说明的是，前景区域和背景区域中每种特征数据各自对应有一个箱线图，两个区域的箱线图不同。[0087] 步骤S104，应用特征数据的稳定值将部分背景区域划入到前景区域中，对前景区域进行三维重建，并将特征数据的稳定值标记在对应位置处，以此帮助医生进行参考。[0088] 本实施例中，前景区域往往是病变或有效信息较多的区域，因此，将其进行三维投影，并将特征的稳定值标准其中，方便医生参考。这些特征可能包括肿瘤的尺寸（长度、宽度、面积、体积）、形态学特征（边缘规则性、内部回声均匀性、有无钙化等）、血流模式（血流丰富程度、血管分布）等等。例如，查看肿瘤时，医生肉眼比较难分辨肿瘤相对大。馐笨梢愿萑队爸斜曜⒌拿婊、边缘情况，来进行参考。[0089] 本申请一些实施例中，应用特征数据的稳定值将部分背景区域划入到前景区域中，包括：[0090] 通过距离阈值定义前景区域和背景区域中的相邻范围，并且设定每种特征数据的相似度阈值，通过相似度阈值在相邻范围内筛选背景区域，将符合要求的背景区域划入前景区域中。[0091] 本实施例中，这里只将前景区域和背景区域中的相邻区域进行比对，相似度的计算方式可以是余弦相似度等方式，在此不做具体限定。将符合要求的相邻的背景区域部分划入前景区域中。[0092] 通过应用以上技术方案，在超声影像中选定若干个原始影像区域，并分析每个原始影像区域的直方图，并且根据直方图对原始影像区域进行前景区域和背景区域的划分；在原始影像区域内确定种子粒子，通过前景区域内和背景区域的差异情况筛选多个面积元素以构建面积元素列表，根据原始影像区域类型和面积元素列表配置面积尺度，按照面积尺度以种子粒子为基础向外进行扩散，得到生长区域；根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，提取每个原始影像区域对应的前景区域和背景区域的特征数据，构建每种特征数据的箱线图来确定每种特征数据的稳定值；应用特征数据的稳定值将部分背景区域划入到前景区域中，对前景区域进行三维重建，并将特征数据的稳定值标记在对应位置处，以此帮助医生进行参考。本申请通过按照面积尺度以种子粒子为基础向外进行扩散得到生长区域，以此来调整前景区域和背景区域，从而完善了前景区域和背景区域，使得有效信息被保留下来。构建每种特征数据的箱线图来确定每种特征数据的稳定值，应用特征数据的稳定值将部分背景区域划入到前景区域中，以此提高了特征提取的准确性和精度，并从多个波动特征数据中确定一个稳定值，保证了特征的稳定性。对前景区域进行三维重建且标记特征，提高了特征的适应性，以此帮助医生进行参考。[0093] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD?ROM，U盘，移动硬盘等）中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施场景所述的方法。[0094] 为了进一步阐述本发明的技术思想，现结合具体的应用场景，对本发明的技术方案进行说明。[0095] 对应的，本申请还提供了基于超声影像智能化的辅助诊断系统，如图2所示，包括：[0096] 划分模块，用于在超声影像中选定若干个原始影像区域，并分析每个原始影像区域的直方图，并且根据直方图对原始影像区域进行前景区域和背景区域的划分；[0097] 生长模块，用于在原始影像区域内确定种子粒子，通过前景区域内和背景区域的差异情况筛选多个面积元素以构建面积元素列表，根据原始影像区域类型和面积元素列表配置面积尺度，按照面积尺度以种子粒子为基础向外进行扩散，得到生长区域；[0098] 构建模块，用于根据生长区域、前景区域和背景区域之间的关系调整前景区域和背景区域，提取每个原始影像区域对应的前景区域和背景区域的特征数据，构建每种特征数据的箱线图来确定每种特征数据的稳定值；[0099] 投影模块，用于应用特征数据的稳定值将部分背景区域划入到前景区域中，对前景区域进行三维重建，并将特征数据的稳定值标记在对应位置处，以此帮助医生进行参考。[0100] 本领域技术人员可以理解实施场景中的系统中的模块可以按照实施场景描述进行分布于实施场景的系统中，也可以进行相应变化位于不同于本实施场景的一个或多个系统中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。[0101] 最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

专利地区：四川

专利申请日期：2024-07-15

专利公开日期：2024-10-18

专利公告号：CN118485667B