首页 / 专利库 / 信号处理 / 信号轮廓 / 一种基于自组织映射方法的骨关节炎疾病检测系统

一种基于自组织映射方法的骨关节炎疾病检测系统

阅读:0发布:2020-10-03

专利汇可以提供一种基于自组织映射方法的骨关节炎疾病检测系统专利检索,专利查询,专利分析的服务。并且本 发明 中提出的一种基于 自组织映射 方法的骨关节炎 疾病 检测系统,其主要内容包括数字 图像处理 、 数据处理 和自组织映射(SOM),其过程为,首先对通过 X射线 获得手骨关节的数字图像进行改变 亮度 、 对比度 扩展、直方图均衡化、平滑图像、边缘调整和显 色调 整等处理,从而改善图像 质量 ;然后对输入的图像数据进行处理,主要包括灰度化、 阈值 转换、图像直方图和数据归一化等步骤;最后将相关参数输入到SOM神经网络中以对图像数据进行训练和测试。本发明通过对手骨关节X射线图像的一系列处理与运算,能比较准确地检测出骨关节 炎症 ,大大降低了人工成本及由于个人疏忽导致的误诊 风 险,并且提高了对骨关节炎的诊断效率。,下面是一种基于自组织映射方法的骨关节炎疾病检测系统专利的具体信息内容。

1.一种基于自组织映射方法的骨关节炎疾病检测系统,其特征在于,主要包括数字图像处理(一);数据处理(二);自组织映射(SOM)(三)。
2.基于权利要求书1所述的数字图像处理(一),其特征在于,数字图像是一种存储于电脑文件中并且能用电脑处理的图像;数字图像是以一个二维数组或者是一个矩阵的形式被处理(矩阵的每个元素都可以表示图像的元素值);数字图像的基本元素主要有亮度对比度、轮廓、颜色、形式和纹理;数字图像处理目的是改善图像质量
3.基于权利要求书2所述的改善图像质量,其特征在于,因为在图像信号传输的过程中产生的图像噪声会导致图像亮度太低或太高、模糊等问题,所以图像质量改善是必要的;图像质量改善过程包括:改变亮度、对比度扩展、直方图均衡化、平滑图像、边缘调整和显色调整。
4.基于权利要求书1所述的数据处理(二),其特征在于,主要包括:灰度化、阈值转换、图像直方图和数据归一化。
5.基于权利要求书4所述的灰度化,其特征在于,灰度图像是由RGB(红绿蓝)色彩空间中只含有灰色的色阶进行灰度化处理后得到;灰度图像以8位形式存储每一个采样像素,光强度允许值达到256;改变图像颜色需要一个特征矩阵,将每一个像素点颜色对应的X值输入,求平均值后就完成了图像灰度化;
I(x,y)=R(x,y)+G(x,y)+B(x,y)/3              (1)
由上式可得到灰度图像。
6.基于权利要求书4所述的阈值转换,其特征在于,阈值转换是根据灰度值分离像素点的过程,可用于分离图像的近景区域和远景区域;像素点的灰度值小于某个特定值就为0,若像素点的灰度值大于某个特定值就为1;阈值转换过程本质上是图像的量化转换;
由上式可以根据需要改变图像的灰度值。
7.基于权利要求书4所述的图像直方图,其特征在于,图像直方图可直观显示出图像灰度值的分布;
直方图各值可由上式得到;其中,ni是灰度值为i的像素点个数,n是像素点的总数,hi是灰度值为i的概率。
8.基于权利要求书4所述的数据归一化,其特征在于,数据归一化是以相同的尺度将不同数值的范围和间隔进行分组;利用归一化对提取结果的不同特征值赋予相等的权重;对于矢量的归一化可以使用最小-最大归一化法:
其中,D′是数据归一化的结果,D是归一化之前的值,U是上限值,L是下限值。
9.基于权利要求书1所述的自组织映射(三),其特征在于,自组织映射(SOM)首次应用在基于人工神经网络的网络训练方法;SOM神经网络的算法如下:
(1)给出特征向量矩阵的大小k x m(k是特征向量的维度,m是数据量),然后进行初始化;
(2)执行第一次迭代
(3)从1到m计算向量图像,对所有的j,确定D(j)的最小值,用D(j)的最小值改变j的权重系数;
(4)为下一次迭代更改学习率:α(t+1)=0,5α(t);
(5)测试终止条件:如果权重系数Wji与之前的迭代只有非常微小的改变,则迭代达到收敛而停止;
(6)通过最优权重计算距离向量来使用权重系数Wji(该权重系数收敛于每个图像的分组特征向量);
(7)将图像分为两类:若D(1)D(2),则图像被归为缺陷类。
10.基于权利要求书9所述的初始化,其特征在于,初始化的内容包括:对期望值j的数量、元素i和特征向量矩阵的数量、向量Xm,i(矩阵的列)的数量、初始权重系数Wji随机取0或
1、初始学习率α(0)和迭代的数量进行初始化。

说明书全文

一种基于自组织映射方法的骨关节炎疾病检测系统

技术领域

[0001] 本发明涉及图像处理领域,尤其是涉及了一种基于自组织映射方法的骨关节炎疾病检测系统。

背景技术

[0002] 骨关节炎是一种变性关节病,主要症状表现为关节软骨损伤、关节厚度增加并伴有盘骨多发性硬化、关节间隙生骨刺、出现炎症以及连接关节的肌肉出现萎缩等。骨性关节炎老年人群中发病率和致残率都很高,每年造成大量的医疗支出,主要用于骨关节炎的检测。目前,已投入使用的骨关节炎检测技术主要有关节X片、磁共振、超声和CT;关节X片是一种影像学方法,能够用于观察关节间隙变小、软骨下骨化、软骨下囊性改变以及骨赘形成等;磁共振可用于评估关节附属结构和关节周围软组织结构的变化;超声和CT可以对软组织实时的、多维的、动态的检测,以及探测骨髓和骨皮质的微小结构改变。然而,目前的关节炎检测技术主要停留在对病情的观测阶段,对于诊断的质量还是取决于医生的平,误诊的险较大,而且效率不高。
[0003] 本发明中提出的一种基于自组织映射方法的骨关节炎疾病检测系统,其主要内容包括数字图像处理、数据处理和自组织映射(SOM),其过程为,首先对通过X射线获得手骨关节的数字图像进行改变亮度对比度扩展、直方图均衡化、平滑图像、边缘调整和显色调整等处理,从而改善图像质量;然后对输入的图像数据进行处理,主要包括灰度化、阈值转换、图像直方图和数据归一化等步骤;最后将相关参数输入到SOM神经网络中以对图像数据进行训练和测试。本发明通过对手骨关节X射线图像的一系列处理与运算,能比较准确地检测出骨关节炎症,大大降低了人工成本及由于个人疏忽导致的误诊风险,并且提高了对骨关节炎的诊断效率。

发明内容

[0004] 针对误诊的风险较大、效率不高的问题,本发明的目的在于提供一种基于自组织映射方法的骨关节炎疾病检测系统,首先对通过X射线获得手骨关节的数字图像进行改变亮度、对比度扩展、直方图均衡化、平滑图像、边缘调整和显色调整等处理,从而改善图像质量;然后对输入的图像数据进行处理,主要包括灰度化、阈值转换、图像直方图和数据归一化等步骤;最后将相关参数输入到SOM神经网络中以对图像数据进行训练和测试。
[0005] 为解决上述问题,本发明提供一种基于自组织映射方法的骨关节炎疾病检测系统,其主要内容包括:
[0006] (一)数字图像处理;
[0007] (二)数据处理;
[0008] (三)自组织映射(SOM)。
[0009] 其中,所述的数字图像处理,是一种存储于电脑文件中并且能用电脑处理的图像;数字图像是以一个二维数组或者是一个矩阵的形式被处理(矩阵的每个元素都可以表示图像的元素值);数字图像的基本元素主要有亮度、对比度、轮廓、颜色、形式和纹理;数字图像处理目的是改善图像质量。
[0010] 进一步地,所述的改善图像质量,因为在图像信号传输的过程中产生的图像噪声会导致图像亮度太低或太高、模糊等问题,所以图像质量改善是必要的;图像质量改善过程包括:改变亮度、对比度扩展、直方图均衡化、平滑图像、边缘调整和显色调整。
[0011] 其中,所述的数据处理,主要包括:灰度化、阈值转换、图像直方图和数据归一化。
[0012] 进一步地,所述的灰度化,灰度图像是由RGB(红绿蓝)色彩空间中只含有灰色的色阶进行灰度化处理后得到;灰度图像以8位形式存储每一个采样像素,光强度允许值达到256;改变图像颜色需要一个特征矩阵,将每一个像素点颜色对应的X值输入,求平均值后就完成了图像灰度化;
[0013] I(x,y)=R(x,y)+G(x,y)+B(x,y)/3  (1)
[0014] 由上式可得到灰度图像。
[0015] 进一步地,所述的阈值转换,是根据灰度值分离像素点的过程,可用于分离图像的近景区域和远景区域;像素点的灰度值小于某个特定值就为0,若像素点的灰度值大于某个特定值就为1;阈值转换过程本质上是图像的量化转换;
[0016]
[0017] 由上式可以根据需要改变图像的灰度值。
[0018] 进一步地,所述的图像直方图,可直观显示出图像灰度值的分布;
[0019]
[0020] 直方图各值可由上式得到;其中,ni是灰度值为i的像素点个数,n是像素点的总数,hi是灰度值为i的概率。
[0021] 进一步地,所述的数据归一化,是以相同的尺度将不同数值的范围和间隔进行分组;利用归一化对提取结果的不同特征值赋予相等的权重;对于矢量的归一化可以使用最小-最大归一化法:
[0022]
[0023] 其中,D′是数据归一化的结果,D是归一化之前的值,U是上限值,L是下限值。
[0024] 其中,所述的自组织映射,自组织映射(SOM)首次应用在基于人工神经网络的网络训练方法;SOM神经网络的算法如下:
[0025] (1)给出特征向量矩阵的大小k x m(k是特征向量的维度,m是数据量),然后进行初始化;
[0026] (2)执行第一次迭代
[0027] (3)从1到m计算向量图像,对所有的j,确定D(j)的最小值,用D(j)的最小值改变j的权重系数;
[0028] (4)为下一次迭代更改学习率:α(t+1)=0,5α(t);
[0029] (5)测试终止条件:如果权重系数Wji与之前的迭代只有非常微小的改变,则迭代达到收敛而停止;
[0030] (6)通过最优权重计算距离向量来使用权重系数Wji(该权重系数收敛于每个图像的分组特征向量);
[0031] (7)将图像分为两类:若D(1)D(2),则图像被归为缺陷类。
[0032] 进一步地,所述的初始化,主要内容包括:对期望值j的数量、元素i和特征向量矩阵的数量、向量Xm,i(矩阵的列)的数量、初始权重系数Wji随机取0或1、初始学习率α(0)和迭代的数量进行初始化。附图说明
[0033] 图1是本发明一种基于自组织映射方法的骨关节炎疾病检测系统的工作流程图
[0034] 图2是本发明一种基于自组织映射方法的骨关节炎疾病检测系统的自组织映射(SOM)神经网络算法。

具体实施方式

[0035] 需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合,下面结合附图和具体实施例对本发明作进一步详细说明。
[0036] 图1是本发明一种基于自组织映射方法的骨关节炎疾病检测系统的工作流程图。主要包括数字图像处理、数据处理和自组织映射(SOM)。
[0037] 数字图像处理,是一种存储于电脑文件中并且能用电脑处理的图像;数字图像是以一个二维数组或者是一个矩阵的形式被处理(矩阵的每个元素都可以表示图像的元素值);数字图像的基本元素主要有亮度、对比度、轮廓、颜色、形式和纹理;数字图像处理目的是改善图像质量。
[0038] 其中,改善图像质量,因为在图像信号传输的过程中产生的图像噪声会导致图像亮度太低或太高、模糊等问题,所以图像质量改善是必要的;图像质量改善过程包括:改变亮度、对比度扩展、直方图均衡化、平滑图像、边缘调整和显色调整。
[0039] 数据处理主要包括:灰度化、阈值转换、图像直方图和数据归一化。
[0040] 其中,灰度化,灰度图像是由RGB(红绿蓝)色彩空间中只含有灰色的色阶进行灰度化处理后得到;灰度图像以8位形式存储每一个采样像素,光强度允许值达到256;改变图像颜色需要一个特征矩阵,将每一个像素点颜色对应的X值输入,求平均值后就完成了图像灰度化;
[0041] I(x,y)=R(x,y)+G(x,y)+B(x,y)/3  (1)
[0042] 由上式可得到灰度图像。
[0043] 其中,阈值转换,是根据灰度值分离像素点的过程,可用于分离图像的近景区域和远景区域;像素点的灰度值小于某个特定值就为0,若像素点的灰度值大于某个特定值就为1;阈值转换过程本质上是图像的量化转换;
[0044]
[0045] 由上式可以根据需要改变图像的灰度值。
[0046] 其中,图像直方图,可直观显示出图像灰度值的分布;
[0047]
[0048] 直方图各值可由上式得到;其中,ni是灰度值为i的像素点个数,n是像素点的总数,hi是灰度值为i的概率。
[0049] 其中,数据归一化,是以相同的尺度将不同数值的范围和间隔进行分组;利用归一化对提取结果的不同特征值赋予相等的权重;对于矢量的归一化可以使用最小-最大归一化法:
[0050]
[0051] 其中,D′是数据归一化的结果,D是归一化之前的值,U是上限值,L是下限值。
[0052] 图2是本发明一种基于自组织映射方法的骨关节炎疾病检测系统的自组织映射(SOM)神经网络算法。
[0053] 自组织映射,首次应用在基于人工神经网络的网络训练方法;SOM神经网络的算法如下:
[0054] (1)给出特征向量矩阵的大小k x m(k是特征向量的维度,m是数据量),然后进行初始化;
[0055] (2)执行第一次迭代;
[0056] (3)从1到m计算向量图像,对所有的j,确定D(j)的最小值,用D(j)的最小值改变j的权重系数;
[0057] (4)为下一次迭代更改学习率:α(t+1)=0,5α(t);
[0058] (5)测试终止条件:如果权重系数Wji与之前的迭代只有非常微小的改变,则迭代达到收敛而停止;
[0059] (6)通过最优权重计算距离向量来使用权重系数Wji(该权重系数收敛于每个图像的分组特征向量);
[0060] (7)将图像分为两类:若D(1)D(2),则图像被归为缺陷类。
[0061] 其中,初始化,主要内容包括:对期望值j的数量、元素i和特征向量矩阵的数量、向量Xm,i(矩阵的列)的数量、初始权重系数Wji随机取0或1、初始学习率α(0)和迭代的数量进行初始化。
[0062] 对于本领域技术人员,本发明不限制于上述实施例的细节,在不背离本发明的精神和范围的情况下,能够以其他具体形式实现本发明。此外,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围,这些改进和变型也应视为本发明的保护范围。因此,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈