CN119399219A 一种基于自适应特征融合的医疗超声图像分割方法及系统 （北大荒集团建三江医院）

一种基于自适应特征融合的医疗超声图像种基于自适应特征融合的医疗超声图像分割方2步骤S1：获取医疗超声图像历史数据，并根据医疗步骤S3：根据组织病变区域数据以及患者非零像素点超声图像进行病变面积比例计步骤S4：根据组织病变类型数据对患者非零像素点超声图像进行自适应多特征融合，步骤S5：根据组织病变区域精准分割数据以及病变面积比例数据进行多模态特征分步骤S15：根据体内症状疾病驱动特征强化数据以及体外症状疾病驱动特征强化数据步骤S132：根据高疼痛体内症状数据进行灰度纹步骤S133：根据高疼痛体内症状灰度纹理数据进行步骤S134：根据高疼痛体内症状灰度纹理数据进行边步骤S135：根据不均匀性灰度纹理数据以及高疼痛3步骤S141：根据体外症状疾病数据进行体温温度统步骤S143：根据高温肿胀区域数据进行皮肤厚度测量，步骤S144:根据高温肿胀区域数据进行皮肤颜色变化分析，从而获得高温肿胀区域皮步骤S145：根据高温肿胀区域皮肤厚度数据以及高根据高疼痛体内症状灰度纹理数据进行灰度共生矩阵计算，从根据局部区域标准差以及局部区域标准差数据进行变异系数计根据变异系数数据以及熵数据进行不均匀性灰度纹理评估，从而根据高疼痛体内症状灰度纹理数据进行梯度计算，从而获得高疼痛根据阈值数据对高疼痛体内症状灰度纹理梯度数据进行边缘划根据弱边缘方向变化不均匀数据以及弱边缘细化数据对高疼痛体内症状灰度纹理数4步骤S44：根据病变区域面积数据以及病变区域边界线数据进行病变区域圆度测定以步骤S46：根据组织病变类型数据对病变侵袭性数据以及病变紧致度数据进行组织病步骤S451：根据病变区域圆度数据进行圆度得分计步骤S452：根据病变区域轮廓复杂度数据进行轮廓复杂步骤S453：获取医疗临床数据库数据，并根据医疗临步骤S454：根据病变侵袭性权重数据、病变区域圆度得分步骤S471：根据组织病变类型自适应多特征数据进步骤S472：根据纹理数据对组织病变区域数据进行纹理种步骤S474：根据纹理种子点像素数据以及生长准则数据对步骤S475：根据组织病变区域生长数据对组织病变区如权利要求1所述的一种基于自适应特征融合的医疗超声图像分割方法，该医疗超声图像疾病分类模型构建模块：用于获取医疗超声图像历史超声分层组织分析模块：用于获取患者病历超声图像，并根据患者病5组织病变分类模块：用于根据组织病变区域数据以及患者非零像素组织病变区域分割模块：用于根据组织病变类型数据对患组织病变多模态特征分析模块：用于根据组织病变区域精67高数据处理的效率，超声分层组织分析有助于研究者对病变区域的具体特征进行深入分分析能够揭示出单一模态下无法捕捉的病变细节，提升了研究者对病变区域的整体理解，[0016]步骤S15：根据体内症状疾病驱动特征强化数据以及体外症状疾病驱动特征强化研究者能够对体内疾病症状的相关特征进行重点强化处理，以捕捉更详细和重要的特征，8可以捕捉到病变区域的细微变化，为研究者分析病变区域的纹理特性提供更为直观的数中不同病变区域的区分能力。边缘分析可以帮助研究者识别病变区域的边界模糊性程度，的扩散特性和边界复杂性研究提供支持。通过整合不均匀性灰度纹理数据和模糊边缘数9[0030]步骤S144:根据高温肿胀区域数据进行皮肤颜色变化分析，从而获得高温肿胀区[0032]本发明通过对体外症状的体温进行统计，能够捕捉到与病变相关的温度变化特变扩展和体外特征表现的研究提供了更为丰富的数据[0035]根据灰度共生矩阵数据进行局部区域标准差计算，从而获得局部区域标准差数[0039]本发明通过灰度共生矩阵(GLCM)的计算能够量化超声图像中像素灰度值之间的[0046]根据弱边缘方向变化不均匀数据以及弱边缘细化数据对高疼痛体内症状灰度纹[0052]步骤S44：根据病变区域面积数据以及病变区域边界线数据进行病变区域圆度测[0053]步骤S45：根据病变区域圆度数据以及病变区域轮廓复杂度数据进行病变侵袭性[0054]步骤S46：根据组织病变类型数据对病变侵袭性数据以及病变紧致度数据进行组[0055]步骤S47：根据组织病变类型自适应多特征数据对组织病变区域数据进行精准分于对不同病变类型的多维特征进行综合分析，从而提高对病变特性的理解和细化分类能的泛化能力，并能够应用于多种不同类型的展趋势及其侵袭性特征，为进一步的病变扩散行为研究和特征分类提供了可靠的数据支[0068]步骤S475：根据组织病变区域生长数据对组织病变区域[0069]本发明通过利用组织病变类型自适应多特征数据，能够准确提取组织的纹理特适应多特征数据对组织病变区域数据进行精准分割，从而获得组织病变区域精准分割数[0087]本实施例中，获取医疗超声图像历史数据通过与医院的信息系统进行数据连此过程包括提取已存储的超声图像数据，使用数据库查询病变面积比例＝(病变区域像素数量)/(非[0097]本实施例中，获取医疗超声图像历史数据通过访问医院的电子健康记录系统完[0104]步骤S15：根据体内症状疾病驱动特征强化数据以及体外症状疾病驱动特征强化的Pandas库)对疼痛评分进行聚合，设定阈值标准[0126]步骤S144:根据高温肿胀区域数据进行皮肤颜色变化分析，从而获得高温肿胀区取的图像进行颜色空间转换，将其从RGB空间转为HSV或Lab空间，以便更好地分析颜色特[0133]根据灰度共生矩阵数据进行局部区域标准差计算，从而获得局部区域标准差数[0160]根据弱边缘方向变化不均匀数据以及弱边缘细化数据对高疼痛体内症状灰度纹[0161]本实施例中，根据弱边缘方向变化不均匀数据和弱边缘细化数据进行模糊度计[0164]本实施例中，在根据患者非零像素点超声图像进行病变[0166]本实施例中，根据患者非零像素点超声图像进行病变区[0169]步骤S44：根据病变区域面积数据以及病变区域边界线数据进行病变区域圆度测[0171]步骤S45：根据病变区域圆度数据以及病变区域轮廓复杂度数据进行病变侵袭性[0173]步骤S46：根据组织病变类型数据对病变侵袭性数据以及病变紧致度数据进行组[0175]步骤S47：根据组织病变类型自适应多特征数据对组织病变区域数据进行精准分[0181]本实施例中，轮廓复杂度得分的计算基于从步骤S44获得的病变区域轮廓复杂度[0194]本实施例中，区域生长的操作基于纹理种子点像素数据和定义的生长准则进[0195]步骤S475：根据组织病变区域生长数据对组织病变区域