一种基于深度学习的CT图像处理系统及其处理方法与流程

一种基于深度学习的ct图像处理系统及其处理方法
技术领域
1.本发明涉及一种ct图像处理系统，特别是涉及一种基于深度学习的ct图像处理系统，本发明还涉及一种ct图像处理系统的处理方法，特别涉及一种基于深度学习的ct图像处理系统的处理方法，属于ct图像处理系统技术领域。


背景技术：

2.ct检查是现代一种较先进的医学扫描检查技术，主要是针对扫描人体大脑的情况，ct检查一般包括平扫ct、增强ct和脑池造影ct。
3.ct是用x线束对人体某部一定厚度的层面进行扫描，由探测器接收透过该层面的x线，转变为可见光后，由光电转换变为电信号，再经模拟/数字转换器(analog/digitalconverter)转为数字，输入计算机处理。
4.现有技术中关于ct图像处理存在如下问题：
5.1、在进行图像处理的过程中无法对其杂斑等并不具有分析价值的图像无法进行清除；
6.2、在进行图像处理的时候无法对其局部进行标记而仅仅只能调节清晰度和亮度处理的并不完善；
7.为此设计一种基于深度学习的ct图像处理系统及其处理方法来优化上述问题。


技术实现要素：

8.本发明的主要目的是为了提供一种基于深度学习的ct图像处理系统及其处理方法，通过ct摄像模块获取ct图像并通过数据传输模块发送至ct图像预处理模块，ct图像预处理模块对待处理的ct图像并进行清晰度和亮度的处理，预处理完成后的ct图像发送至ct图像处理模块，ct图像处理模块分别通过第一深度网络学习模块和第二深度网络学习模块获取健康模型存储模块以及病变模型存储模块中的存储模型并与待处理的ct图像进行对比分析去除杂斑并标记病变部位和分割病变部位，将处理后的ct图像发送至ct图像显示模块，将分割的病变部分ct图像与处理后的ct图像整体显示在ct图像显示模块上，通过将ct图像进行杂斑去除、局部标记并基于深度网络学习模块和健康模型以及病变模型的对比可自动快速进行筛选处理，使其医生在进行观察分析得到时候可以更加的快捷。
9.本发明的目的可以通过采用如下技术方案达到：
10.一种基于深度学习的ct图像处理系统，包括ct摄像模块、数据传输模块、ct图像预处理模块、ct图像处理模块、ct图像显示模块、健康模型存储模块、病变模型存储模块、第一深度网络学习模块和第二深度网络学习模块；
11.ct摄像模块耦合数据传输模块，数据传输模块耦合ct图像预处理模块，ct摄像模块用于将采集的ct图像通过数据传输模块传输至ct图像预处理模块；
12.ct图像预处理模块，用于获取待处理的ct图像并进行清晰度和亮度的处理；
13.ct图像预处理模块耦合ct图像处理模块，ct图像处理模块分别耦合第一深度网络
学习模块和第二深度网络学习模块，且第一深度网络学习模块耦合健康模型存储模块，第二深度网络学习模块耦合病变模型存储模块；
14.ct图像处理模块分别通过第一深度网络学习模块和第二深度网络学习模块获取健康模型存储模块以及病变模型存储模块中的存储模型并与待处理的ct图像进行对比分析去除杂斑并标记病变部位和分割病变部位；
15.ct图像处理模块耦合ct图像显示模块，ct图像显示模块用于将分割的病变部分ct图像与处理后的ct图像整体显示在ct图像显示模块上。
16.优选的，第一深度网络学习模块和第二深度网络学习模块皆外联数据导入模块并不断识别存储健康或病变部ct图像。
17.优选的，第一深度网络学习模块或第二深度网络学习模块获取待检测的ct图像并进行分类存储。
18.优选的，健康模型存储模块包括健康躯干ct图像存储单元、健康四肢ct图像存储单元、健康头颅ct图像存储单元和健康颅脑ct图像存储单元，并采用健康躯干ct图像存储单元、健康四肢ct图像存储单元、健康头颅ct图像存储单元和健康颅脑ct图像存储单元对不同部位的ct图像进行分类存储。
19.优选的，病变模型存储模块包括病变颅脑ct图像存储单元、病变头颅ct图像存储单元、病变四肢ct图像存储单元和病变躯干ct图像存储单元，并采用病变颅脑ct图像存储单元、病变头颅ct图像存储单元、病变四肢ct图像存储单元和病变躯干ct图像存储单元对不同部位的ct图像进行分类存储。
20.优选的，ct图像预处理模块包括ct图像亮度处理模块和ct图像清晰度处理模块，所述ct图像亮度处理模块，用于对ct图像的亮度进行处理；
21.ct图像清晰度处理模块，用于对非人体部分空白部分灰度调节构成区别与人体部分。
22.优选的，ct图像处理模块包括ct图像局部标记单元、ct图像杂斑处理单元和ct图像病变部分割单元；
23.所述ct图像杂斑处理单元，用于通过与健康模型和病变模型对比后分析出杂斑并进行处理；
24.所述ct图像局部标记单元，用于通过与病变模型对比分析后对ct图像病变部位进行尺寸、大小标记；
25.所述ct图像病变部分割单元，用于对病变部位ct图像进行分割构成单独的图像显示在ct图像显示模块上。
26.一种基于深度学习的ct图像处理系统的处理方法，包括如下步骤：
27.步骤1：通过ct摄像模块获取ct图像并通过数据传输模块发送至ct图像预处理模块；
28.步骤2：ct图像预处理模块对待处理的ct图像并进行清晰度和亮度的处理；
29.步骤3：预处理完成后的ct图像发送至ct图像处理模块；
30.步骤4：ct图像处理模块分别通过第一深度网络学习模块和第二深度网络学习模块获取健康模型存储模块以及病变模型存储模块中的存储模型并与待处理的ct图像进行对比分析去除杂斑并标记病变部位和分割病变部位；
31.步骤5：将处理后的ct图像发送至ct图像显示模块；
32.步骤6：将分割的病变部分ct图像与处理后的ct图像整体显示在ct图像显示模块上。
33.本发明的有益技术效果：
34.本发明提供的一种基于深度学习的ct图像处理系统及其处理方法，通过ct摄像模块获取ct图像并通过数据传输模块发送至ct图像预处理模块，ct图像预处理模块对待处理的ct图像并进行清晰度和亮度的处理，预处理完成后的ct图像发送至ct图像处理模块，ct图像处理模块分别通过第一深度网络学习模块和第二深度网络学习模块获取健康模型存储模块以及病变模型存储模块中的存储模型并与待处理的ct图像进行对比分析去除杂斑并标记病变部位和分割病变部位，将处理后的ct图像发送至ct图像显示模块，将分割的病变部分ct图像与处理后的ct图像整体显示在ct图像显示模块上，通过将ct图像进行杂斑去除、局部标记并基于深度网络学习模块和健康模型以及病变模型的对比可自动快速进行筛选处理，使其医生在进行观察分析得到时候可以更加的快捷。
附图说明
35.图1为按照本发明的一种基于深度学习的ct图像处理系统及其处理方法的一优选实施例的系统图。
具体实施方式
36.为使本领域技术人员更加清楚和明确本发明的技术方案，下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
37.如图1所示，本实施例提供的一种基于深度学习的ct图像处理系统，包括ct摄像模块、数据传输模块、ct图像预处理模块、ct图像处理模块、ct图像显示模块、健康模型存储模块、病变模型存储模块、第一深度网络学习模块和第二深度网络学习模块；
38.ct摄像模块耦合数据传输模块，数据传输模块耦合ct图像预处理模块，ct摄像模块用于将采集的ct图像通过数据传输模块传输至ct图像预处理模块；
39.ct图像预处理模块，用于获取待处理的ct图像并进行清晰度和亮度的处理；
40.ct图像预处理模块耦合ct图像处理模块，ct图像处理模块分别耦合第一深度网络学习模块和第二深度网络学习模块，且第一深度网络学习模块耦合健康模型存储模块，第二深度网络学习模块耦合病变模型存储模块；
41.ct图像处理模块分别通过第一深度网络学习模块和第二深度网络学习模块获取健康模型存储模块以及病变模型存储模块中的存储模型并与待处理的ct图像进行对比分析去除杂斑并标记病变部位和分割病变部位；
42.ct图像处理模块耦合ct图像显示模块，ct图像显示模块用于将分割的病变部分ct图像与处理后的ct图像整体显示在ct图像显示模块上。
43.通过ct摄像模块获取ct图像并通过数据传输模块发送至ct图像预处理模块，ct图像预处理模块对待处理的ct图像并进行清晰度和亮度的处理，预处理完成后的ct图像发送至ct图像处理模块，ct图像处理模块分别通过第一深度网络学习模块和第二深度网络学习模块获取健康模型存储模块以及病变模型存储模块中的存储模型并与待处理的ct图像进
行对比分析去除杂斑并标记病变部位和分割病变部位，将处理后的ct图像发送至ct图像显示模块，将分割的病变部分ct图像与处理后的ct图像整体显示在ct图像显示模块上，通过将ct图像进行杂斑去除、局部标记并基于深度网络学习模块和健康模型以及病变模型的对比可自动快速进行筛选处理，使其医生在进行观察分析得到时候可以更加的快捷。
44.在本实施例中，第一深度网络学习模块和第二深度网络学习模块皆外联数据导入模块并不断识别存储健康或病变部ct图像。
45.在本实施例中，第一深度网络学习模块或第二深度网络学习模块获取待检测的ct图像并进行分类存储。
46.在本实施例中，健康模型存储模块包括健康躯干ct图像存储单元、健康四肢ct图像存储单元、健康头颅ct图像存储单元和健康颅脑ct图像存储单元，并采用健康躯干ct图像存储单元、健康四肢ct图像存储单元、健康头颅ct图像存储单元和健康颅脑ct图像存储单元对不同部位的ct图像进行分类存储。
47.在本实施例中，病变模型存储模块包括病变颅脑ct图像存储单元、病变头颅ct图像存储单元、病变四肢ct图像存储单元和病变躯干ct图像存储单元，并采用病变颅脑ct图像存储单元、病变头颅ct图像存储单元、病变四肢ct图像存储单元和病变躯干ct图像存储单元对不同部位的ct图像进行分类存储。
48.在本实施例中，ct图像预处理模块包括ct图像亮度处理模块和ct图像清晰度处理模块，所述ct图像亮度处理模块，用于对ct图像的亮度进行处理；
49.ct图像清晰度处理模块，用于对非人体部分空白部分灰度调节构成区别与人体部分。
50.在本实施例中，ct图像处理模块包括ct图像局部标记单元、ct图像杂斑处理单元和ct图像病变部分割单元；
51.所述ct图像杂斑处理单元，用于通过与健康模型和病变模型对比后分析出杂斑并进行处理；
52.所述ct图像局部标记单元，用于通过与病变模型对比分析后对ct图像病变部位进行尺寸、大小标记；
53.所述ct图像病变部分割单元，用于对病变部位ct图像进行分割构成单独的图像显示在ct图像显示模块上。
54.一种基于深度学习的ct图像处理系统的处理方法，包括如下步骤：
55.步骤1：通过ct摄像模块获取ct图像并通过数据传输模块发送至ct图像预处理模块；
56.步骤2：ct图像预处理模块对待处理的ct图像并进行清晰度和亮度的处理；
57.步骤3：预处理完成后的ct图像发送至ct图像处理模块；
58.步骤4：ct图像处理模块分别通过第一深度网络学习模块和第二深度网络学习模块获取健康模型存储模块以及病变模型存储模块中的存储模型并与待处理的ct图像进行对比分析去除杂斑并标记病变部位和分割病变部位；
59.步骤5：将处理后的ct图像发送至ct图像显示模块；
60.步骤6：将分割的病变部分ct图像与处理后的ct图像整体显示在ct图像显示模块上。
61.以上，仅为本发明进一步的实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明所公开的范围内，根据本发明的技术方案及其构思加以等同替换或改变，都属于本发明的保护范围。