申请/专利权人：自贡市第一人民医院

申请日：2024-01-05

公开（公告）日：2024-03-22

公开（公告）号：CN117522719B

主分类号：G06T5/60

分类号：G06T5/60;G06T7/00;G06V10/762

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明涉及图像处理技术领域，具体涉及基于机器学习的支气管镜图像辅助优化系统，包括：图像采集模块，用于采集支气管图像；参考区域获取模块，用于根据支气管图像得到支气管图像中每个像素的参考区域；修正混乱程度获取模块，用于根据每个像素的参考区域得到每个像素的初始混乱程度，根据初始混乱程度得到每个像素的修正混乱程度；图像增强模块，用于根据修正混乱程度得到每两个像素的修正聚类距离，根据修正聚类距离得到多个独立纹理区域；根据每个独立纹理区域得到增强后支气管图像。从而通过分析支气管图像中每个区域符合病灶特征的情况，来实现支气管图像中病灶区域的增强。

主权项：1.基于机器学习的支气管镜图像辅助优化系统，其特征在于，该系统包括以下模块：图像采集模块，用于采集支气管图像；参考区域获取模块，用于根据支气管图像中像素的灰度值差异得到支气管图像中每个像素的参考区域；修正混乱程度获取模块，用于根据每个像素的参考区域的面积和边缘的复杂性得到每个像素的初始混乱程度，根据每个像素的初始混乱程度和参考区域中每个像素的梯度得到每个像素的修正混乱程度；其中，根据每个像素的参考区域的面积和边缘的复杂性得到每个像素的初始混乱程度，包括的具体方法为：获取每个像素的参考区域的边缘复杂性；根据每个像素的参考区域的边缘复杂性和面积得到每个像素的初始混乱程度的计算方法为：Hi＝norm-Si×σi其中，Si表示第i个像素的参考区域的面积，norm表示线性归一化处理，σi表示第i个像素的参考区域的边缘复杂性，Hi表示第i个像素的初始混乱程度；其中，获取每个像素的参考区域的边缘复杂性，包括的具体方法为：获取每个像素的参考区域的外围像素，对每个像素的参考区域的所有外围像素进行链码分析，得到每个像素的参考区域的链码序列；将每个像素的参考区域的链码序列中所有数据的方差，记为每个像素的参考区域的边缘复杂性；图像增强模块，用于根据每个像素的修正混乱程度得到每两个像素的修正聚类距离，根据每两个像素的修正聚类距离对支气管图像中像素进行聚类分析得到多个独立纹理区域；根据每个独立纹理区域中每个像素的修正混乱程度对支气管图像进行增强处理得到增强后支气管图像。

全文数据：

权利要求：

百度查询： 自贡市第一人民医院 基于机器学习的支气管镜图像辅助优化系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD