本發(fā)明涉及計算機，更具體地說，它涉及一種基于web的超聲圖像智能采集系統(tǒng)及方法。

背景技術：

1、基于web的超聲圖像智能采集技術，它可以對超聲圖像進行自動分析，并進一步結合web的遠程采集、傳輸和分析的一體化平臺，允許不同醫(yī)療機構之間共享患者的數(shù)據(jù)，促進多學科協(xié)作診療，實現(xiàn)遠程辦公和團隊協(xié)作，使得地理位置不再是合作障礙，在現(xiàn)有技術中的超聲圖像遠程采集階段，會對采集的超聲圖像進行初步篩分，對不合格圖像進行優(yōu)化處理，確保輸入數(shù)據(jù)的質量，然后在web一體化協(xié)作診療平臺上，結合web平臺的分析系統(tǒng)，進行合作診療。

2、不同地理位置處的醫(yī)生或技術人員能夠通過web平臺遠程控制超聲設備進行圖像采集，一般是通過網(wǎng)絡操作以控制超聲探頭的方向和壓力，對圖像進行特征提取，識別出關鍵的圖像特征，如亮度、暗度、紋理、邊緣等，但是實際操作過程中，同一病變的引發(fā)誘因卻不同，如在患者的腹部消化系統(tǒng)中，膽囊結石出血與肝囊腫合出血均為出血，在超聲圖像顯影下均表現(xiàn)為反射較弱的暗色，而現(xiàn)有技術的采集模塊往往只能突顯出同一色系的圖像特征，無法對同一色系的圖像特征的引發(fā)誘因進行深度區(qū)分，無法準確捕捉到病變區(qū)域與正常組織之間的數(shù)據(jù)特征。

技術實現(xiàn)思路

1、針對現(xiàn)有技術存在的不足，本發(fā)明的目的在于提供一種基于web的超聲圖像智能采集系統(tǒng)及方法，旨在解決上述技術問題。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下技術方案：

3、一種基于web的超聲圖像智能采集系統(tǒng)，包括：

4、圖像采集模塊，用于獲取多組圖像數(shù)據(jù)，并對多組圖像數(shù)據(jù)進行篩選，以得到合格圖像數(shù)據(jù)與不合格圖像數(shù)據(jù)；

5、分析模塊，用于對合格圖像數(shù)據(jù)進行分析，以得到特征數(shù)據(jù)，對不合格圖像數(shù)據(jù)進行分析，以得到特征數(shù)據(jù)；

6、第一處理模塊，用于分別對特征數(shù)據(jù)與特征數(shù)據(jù)進行重組對比處理，以得到病變區(qū)域暗色數(shù)據(jù)和病變區(qū)域亮色數(shù)據(jù)；

7、第二處理模塊，用于根據(jù)病變區(qū)域暗色數(shù)據(jù)的大小進行賦值，以得到一級病變數(shù)據(jù)；根據(jù)病變區(qū)域亮色數(shù)據(jù)?的大小進行賦值，以得到二級病變數(shù)據(jù)；根據(jù)病變區(qū)域暗色數(shù)據(jù)?和病變區(qū)域亮色數(shù)據(jù)?兩邊緣的距離大小進行賦值得到三級病變數(shù)據(jù)；根據(jù)病變區(qū)域暗色數(shù)據(jù)?、病變區(qū)域亮色數(shù)據(jù)邊緣重疊的區(qū)域進行賦值得到四級病變數(shù)據(jù)；

8、輸出模塊，用于對不同分級下的病變數(shù)據(jù)進行色系重調處理，以得到多級圖譜共享數(shù)據(jù)。

9、作為本發(fā)明進一步的方案：對合格圖像數(shù)據(jù)進行分析，以得到特征數(shù)據(jù)，包括：

10、對多組圖像中的每一組圖像數(shù)據(jù)，通過

11、進行處理，以得到特征數(shù)據(jù)，其中，表示超聲圖像的對比度，的計算公式為：

12、；

13、其中，表示超聲圖像，表示超聲圖像在位置的像素值，表示超聲圖像的平均像素值，表示超聲圖像中的像素總數(shù)，和分別表示超聲圖像在位置處的水平和垂直梯度，、、表示權重系數(shù)。

14、作為本發(fā)明進一步的方案：對特征數(shù)據(jù)與特征數(shù)據(jù)b進行重組對比處理，以得到病變區(qū)域暗色數(shù)據(jù)?與病變區(qū)域亮色數(shù)據(jù)，包括：

15、確定超聲圖像中暗色像素點的集合并設為，預設暗色像素點的閾值，當像素點的灰度值小于暗色像素點的閾值時，該像素點被視為暗色像素點并加入集合中，確定超聲圖像的總像素點數(shù)并設為，根據(jù)暗色像素點的集合，確定暗色像素點的數(shù)量并設為，將暗色像素點的數(shù)量除以總像素點數(shù)，得到病變區(qū)域暗色數(shù)據(jù)；

16、確定超聲圖像中亮色像素點的集合并設為，預設亮色像素點的閾值，當像素點的灰度值大于亮色像素點的閾值時，該像素點被視為亮色像素點并加入集合中，確定超聲圖像的總像素點數(shù)并設為，根據(jù)亮色像素點的集合，確定亮色像素點的數(shù)量并設為，將亮色像素點的數(shù)量除以總像素點數(shù)，得到病變區(qū)域亮色數(shù)據(jù)。

17、作為本發(fā)明進一步的方案：根據(jù)病變區(qū)域暗色數(shù)據(jù)?、病變區(qū)域亮色數(shù)據(jù)?兩邊緣的距離大小進行賦值得到三級病變數(shù)據(jù)，包括：

18、確定暗色像素點集d中的每一個像素點并計算出邊緣像素點，邊緣像素點的計算公式為：；

19、確定亮色像素點集b中的每一個像素點并計算出邊緣像素點，邊緣像素點的計算公式為：；

20、其中，與分別表示像素點的水平梯度以及垂直梯度的數(shù)值，與表示像素點的水平梯度以及垂直梯度的數(shù)值，而均表示像素點、的多級梯度處理數(shù)值，其中，以像素點位置處的為例，其計算公式為：

21、；

22、其中，表示高斯核，表示卷積操作，表示超聲圖像，表示縮放比例，表示像素點在水平梯度以及垂直梯度下的弧度方向角，通過水平梯度除以垂直梯度獲得，表示直方圖函數(shù)統(tǒng)計處理，表示進行對比度增強處理，通過得到像素點與像素點兩邊緣的像素點數(shù)值計算出兩邊緣的距離大小，并將除以暗色像素點和亮色像素點的配對次數(shù)得到平均距離，其配對次數(shù)為總距離的總組數(shù)，不同組數(shù)下得到的平均距離按照數(shù)值大小進行賦值得到每一組超聲圖像的三級病變數(shù)據(jù)。

23、作為本發(fā)明進一步的方案：根據(jù)超聲圖像中暗色像素點集合的數(shù)據(jù)，在所述預設暗色像素點閾值的基礎上，設定多個閾值，用于進一步細分不同層次的暗色區(qū)域，其中像素點亮度在以下的設定為一級暗色區(qū)域1，像素點亮度在以上而又處于以下的設定為二級暗色區(qū)域2，像素點亮度在以上的設定為三級暗色區(qū)域3，對于每個細分的暗色區(qū)域，分別提取出對應的暗色特征向量，的計算公式為：

24、；

25、其中，表示不同層次的暗色區(qū)域中像素點的數(shù)量，其一級暗色區(qū)域即為1暗色區(qū)域中像素點的數(shù)量，為在坐標?處的增強后圖像的灰度值，表示第?個暗色區(qū)域的平均灰度值，根據(jù)對不同層次的暗色區(qū)域中像素點的暗色特征向量按照數(shù)值大小進行排列，根據(jù)數(shù)值大小關系進行賦值得到四級病變數(shù)據(jù)。

26、作為本發(fā)明進一步的方案：根據(jù)四級病變數(shù)據(jù)的大小按照色系重調計算公式進行處理，并結合偽彩色技術生成不同色系區(qū)域，設定多個重調閾值，用于細分不同重調處理下的分級數(shù)據(jù)；

27、其中數(shù)值大小在以下的設定為綠色邊緣區(qū)域，數(shù)值大小在以上而又處于以下的設定為黃色邊緣區(qū)域，數(shù)值大小在以上的設定為紅色邊緣區(qū)域，色系重調計算公式為：

28、；

29、其中，表示不同層次的暗色區(qū)域中像素點的數(shù)量，其一級暗色區(qū)域即為1暗色區(qū)域中像素點的數(shù)量，、均為色系重調參數(shù)，表示集合d中所有像素點的平均灰度值，用于反映當前正在處理的像素群的整體亮度水平。

30、作為本發(fā)明進一步的方案：根據(jù)四級病變數(shù)據(jù)的大小按照色系重調計算公式進行處理，并結合偽彩色技術生成不同色系區(qū)域，所述偽彩色技術包括數(shù)據(jù)采集單元與處理單元，其中數(shù)據(jù)采集單元又包括信號轉換模塊與掃描模塊，信號轉換模塊用于負責將模擬信號轉換為數(shù)字信號，掃描模塊用于掃描不同暗色區(qū)域的圖像數(shù)據(jù)，所述處理單元又包括圖像重建模塊以及web共享模塊，圖像重建模塊用于對數(shù)字信號進行b模式成像處理，所述web共享模塊用于將獲取的數(shù)字信號輸送到web平臺以供遠程同步處理。

31、一種基于web的超聲圖像智能的采集方法，包括以下步驟：

32、s1：通過圖像采集模塊獲取圖像數(shù)據(jù)，對圖像數(shù)據(jù)進行篩選，以得到最優(yōu)圖像數(shù)據(jù)與不合格圖像數(shù)據(jù)；

33、s2：通過對合格圖像數(shù)據(jù)進行分析，以得到特征數(shù)據(jù)；用于對不合格圖像數(shù)據(jù)進行分析，以得到特征數(shù)據(jù)b；

34、s3：通過對特征數(shù)據(jù)與特征數(shù)據(jù)進行重組對比處理，以得到病變區(qū)域暗色數(shù)據(jù)、病變區(qū)域亮色數(shù)據(jù)；

35、s4：通過對病變區(qū)域暗色數(shù)據(jù)和病變區(qū)域亮色數(shù)據(jù)的大小進行賦值，以及對兩邊緣的距離大小、重疊的區(qū)域大小進行賦值得到多級病變數(shù)據(jù)，并進行色系重調處理，以得到多級圖譜共享數(shù)據(jù)。

36、作為本發(fā)明進一步的方案：在步驟s1中還包括遠程操作超聲設備進行圖像采集，所圖像采集模塊為超聲探頭和超聲掃描儀，其中超聲探頭用于生成和接收超聲波信號，所述超聲掃描儀用于控制信號的放大、濾波、數(shù)字化圖像重建；

37、步驟s2中還包括評估所述超聲圖像的質量，并在質量低于預定標準時觸發(fā)重新采集指令，所述圖像采集模塊還包括遠程控制單元，用于遠程操作所述超聲設備進行圖像采集。

38、與現(xiàn)有技術相比，本發(fā)明具備以下有益效果：

39、1、基于web的超聲圖像智能采集系統(tǒng)通過多源數(shù)據(jù)收集和質量控制，顯著提升了圖像數(shù)據(jù)的多樣性和可靠性，使不同地區(qū)的醫(yī)護人員可以上傳多組超聲圖像數(shù)據(jù)，經(jīng)過結構相似度篩選，確保了進入分析階段的圖像的質量的，不僅增加了圖像樣本的多樣性，還有效排除了因操作不當或設備問題導致的不合格圖像，為后續(xù)的病變區(qū)域分析提供了堅實的基礎，并且進一步地在此基礎上，系統(tǒng)通過計算圖像的均勻度、邊緣清晰度和對比度，并賦予相應的權重系數(shù)，形成了綜合評分，實現(xiàn)了對圖像質量的全面評估。

40、2、通過特征提取和多層次病變分析，實現(xiàn)了對病變區(qū)域的精準定位和精細化分析，對合格圖像數(shù)據(jù)和不合格圖像數(shù)據(jù)分別進行特征提取，生成特征數(shù)據(jù)a和特征數(shù)據(jù)b，利用雙軌制的特征提取方式可以更全面地了解圖像中的信息，尤其是病變區(qū)域的信息，通過計算暗色和亮色像素點的密度及其分布，系統(tǒng)可以精確定位病變區(qū)域，并根據(jù)這些數(shù)據(jù)生成一至四級病變數(shù)據(jù)，實現(xiàn)了對病變區(qū)域的多層次分析。

41、3、通過偽彩色技術和色系重調方法，將不同級別的病變數(shù)據(jù)映射到不同的顏色，如紅、黃、綠，生成多級圖譜共享數(shù)據(jù)，提高了圖像的可讀性。