一种医疗健康体检大数据优化增强方法

本发明涉及图像局部提取及增强，具体涉及一种医疗健康体检大数据优化增强方法。

背景技术：

1、医疗健康体检通过一系列的医学检查评估，可以帮助人们及早发现潜在的健康问题，以便及时采取措施预防疾病发生和发展。脊柱检测是医疗健康体检中的一项重要检查项目，脊柱是人体的支撑结构，它承担着保护脊髓和神经根的功能，脊柱问题可能导致疼痛、功能障碍等其他健康问题，及早发现和治疗脊柱问题非常重要。

2、在进行脊柱检测时，通常对脊柱进行x光成像检测辅助医务人员评估脊柱健康；然而由于人体内部脏器、骨骼等复杂组织结构相互重叠，导致脊柱的成像效果变差，无法清晰观察脊柱结构特征，进而影响健康评估，故对脊柱区域的局部增强十分重要；深度学习算法可用于脊柱结构特征的提取，但大规模的数据集标注是一个繁杂且费时的过程，且易受x光图像质量的影响，导致脊柱区域的提取质量及效率低，从而影响后续的增强效果，降低对脊柱检测评估的准确性。因此，医疗健康体检大数据优化增强过程中，脊柱区域的准确提取是一个亟待解决的技术问题。

技术实现思路

1、为了解决现有医疗健康体检大数据优化增强过程中对脊柱区域的提取质量差的技术问题，本发明的目的在于提供一种医疗健康体检大数据优化增强方法，所采用的技术方案具体如下：

2、本发明提出一种医疗健康体检大数据优化增强方法，所述方法包括：

3、获取健康体检者的正位脊柱x光图像中的所有闭合边缘及所有特征角点；

4、根据每个所述闭合边缘相对其他所述闭合边缘内所有所述特征角点的位置分布差异，获取每个所述闭合边缘相对其他每个所述闭合边缘的内部差异系数；根据每个所述闭合边缘的类矩形程度及相对其他所有所述闭合边缘的所述内部差异系数，获取每个所述闭合边缘为脊柱椎体的椎体边缘概率；根据每个所述闭合边缘内所述特征角点的数量及对应所述椎体边缘概率获取每个所述闭合边缘为脊柱椎体的椎体边缘置信概率；

5、根据所述椎体边缘置信概率在所有所述闭合边缘中筛选出参考椎体边缘；根据所述参考椎体边缘所围成区域内的所述特征角点及其他所有所述闭合边缘所围成区域内的所述特征角点，基于特征匹配算法获取所有椎体；对所有椎体进行灰度增强。

6、进一步地，所述内部差异系数的获取方法包括：

7、以任一所述闭合边缘为目标闭合边缘，以所述目标闭合边缘内任一所述特征角点为目标特征角点，获取所述目标特征角点相对所述目标闭合边缘外的其他每个所述闭合边缘内每个所述特征角点的位置分布差异系数；在除所述目标闭合边缘外的其他每个所述闭合边缘内，将与所述目标特征角点对应所述位置分布差异系数最小的所述特征角点，作为所述目标特征角点在对应所述闭合边缘内的疑似匹配角点；

8、获取所述目标闭合边缘内每个所述特征角点在除所述目标闭合边缘外的其他每个所述闭合边缘内对应的所述疑似匹配角点；将所述目标闭合边缘内所有所述特征角点与除所述目标闭合边缘外的其他所述闭合边缘内对应所述疑似匹配角点间的所述位置分布差异系数的均值，作为所述目标闭合边缘与对应其他所述闭合边缘间的内部差异系数。

9、进一步地，所述位置分布差异系数的计算公式包括：

10、；

11、其中，为第个目标闭合边缘内第个目标特征角点与第个闭合边缘内第个特征角点的位置分布差异系数；为第个目标闭合边缘的边缘像素点数量；为第个闭合边缘的边缘像素点数量；为第个目标闭合边缘内第个目标特征角点到所在闭合区域上最近的边缘像素点的向量；为第个闭合边缘内第个特征角点到所在闭合区域上最近的边缘像素点的向量；为第个目标闭合边缘内第个目标特征角点到所在闭合区域上最远的边缘像素点的向量；为第个闭合边缘内第个特征角点到所在闭合区域上最远的边缘像素点的向量。

12、进一步地，所述类矩形程度的获取方法包括：

13、在每个所述闭合边缘上，以所述闭合边缘上任一边缘像素点为起点，获取对应所述闭合边缘的8-链码；在每个所述闭合边缘对应8-链码中，统计每个链码值的出现频次，将出现频次降序排序，将排序前两名的链码值作为第一组链码值、将排序第三和第四的链码值作为第二组链码值；在所述闭合边缘上，根据每组链码值的链码值差异及链码值对应边缘像素点数量的差异，获取每组链码值为一组矩形对边对应链码值的置信系数；将两组链码值的置信系数相乘，获取对应所述闭合边缘的类矩形程度。

14、进一步地，所述置信系数的计算公式包括：

15、；

16、其中，为第个闭合边缘中第组链码值为一组矩形对边对应链码值的置信系数；为第组链码值中出现频次最多的链码值对应边缘像素点的数量；为第组链码值中出现频次最少的链码值对应边缘像素点的数量；为第组链码值对应所有边缘像素点的数量；为第组链码值中出现频次最多的链码值；为第组链码值中出现频次最少的链码值；为预设正整数；为以自然常数为底数的指数函数。

17、进一步地，所述椎体边缘概率的计算公式包括：

18、；

19、其中，为第个闭合边缘的椎体边缘概率；为第个闭合边缘的类矩形程度；为第个闭合边缘的类矩形程度；为第个闭合边缘与第个闭合边缘的内部差异系数；为正位脊柱光图像中除第个闭合边缘外的所有闭合边缘的数量；为以自然常数为底数的指数函数。

20、进一步地，所述椎体边缘置信概率的获取方法包括：

21、将每个所述闭合边缘内的所述特征角点的数量进行正相关归一化处理，将归一化值乘以对应所述闭合边缘的所述椎体边缘概率，得到每个所述闭合边缘的椎体边缘置信概率。

22、进一步地，所述闭合边缘的获取方法包括：

23、将所述正位脊柱x光图像进行双阈值边缘检测，获取所有边缘；基于边缘追踪算法获取所述边缘中的所有闭合边缘。

24、进一步地，所述特征匹配算法为sift算法。

25、进一步地，对所有椎体进行灰度增强的方法为对每个椎体单独进行直方图均衡化。

26、本发明具有如下有益效果：

27、本发明首先获取健康体检者的正位脊柱x光图像中的所有闭合边缘及所有特征角点，便于后续结合椎体的结构特征分析每个闭合边缘的结构相似性；然后根据每个闭合边缘相对其他闭合边缘内所有特征角点的位置分布差异，获取每个闭合边缘相对其他每个闭合边缘的内部差异系数，进而结合每个闭合边缘的类矩形程度，获取对应闭合边缘为脊柱椎体的椎体边缘概率，椎体边缘概率充分考虑到了每个椎体在正位脊柱x光图像中的类矩形表现及其组织结构导致内部特征结构具有相似的梯度变化，通过闭合边缘的类矩形程度、及反映内部区域梯度变化的特征角点的位置分布差异以获取闭合边缘间的内部差异系数，综合评估该闭合边缘为椎体对应边缘的概率；又结合闭合边缘内特征角点的数量以评估内部差异系数的可信度，以获取椎体边缘置信概率，从而筛选出参考椎体边缘，进而基于特征匹配算法获取所有椎体，以对所有椎体进行灰度增强。本发明充分利用椎体的结构特征信息，分析每个闭合边缘在正位脊柱x光图像中为椎体边缘的可能性，筛选出最可能为椎体的参考椎体，进而基于特征匹配算法获取其他所有椎体，提高脊柱区域的提取质量以进行精准的局部增强优化，从而提高了医疗健康体检大数据优化增强效果。