(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210971687.8 (22)申请日 2022.08.15 (65)同一申请的已公布的文献号 申请公布号 CN 115035988 A (43)申请公布日 2022.09.09 (73)专利权人 武汉明炀大 数据科技有限公司 地址 430000 湖北省武汉市东湖新 技术开 发区东信路11号武汉留学生创业园 C4226 (72)发明人 明炬　杨峰　刘秀武　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 徐瑛 (51)Int.Cl. G16H 30/20(2018.01) G06V 10/77(2022.01)G06V 10/764(2022.01) G06V 10/762(2022.01) G06V 10/74(2022.01) (56)对比文件 CN 103955703 A,2014.07.3 0 CN 103093431 A,2013.0 5.08 CN 109086793 A,2018.12.25 US 2003021472 A1,20 03.01.30 CN 1085976 01 A,2018.09.28 CN 114863151 A,202 2.08.05 赵国毅等.面向相似数据的无损压缩技 术. 《计算机科 学与探索》 .2010,(第08 期), 杨坤.基于GMM-PCA混合模型的复杂工业过 程监测. 《中国优秀硕士学位 论文全文库》 .2019, (第6期), 审查员 戴琳曼 (54)发明名称 基于云计算的医学影像处理方法、 系统、 设 备及介质 (57)摘要 本发明公开一种基于云计算的医学影像处 理方法、 系统、 设备及介质， 方法包括： 建立医学 影像数据集； 基于聚类 ‑PCA算法构造分类器， 所 述分类器对输入的图片数据进行分类压缩并输 出一系列基础数据集； 获取新输入的医学影像并 进行数据抽取， 基于抽取的数据， 利用贝叶斯算 法选取最优的基础数据集； 利用最优的基础数据 集对新输入的医学影像进行压缩。 本发明考虑器 官的医学影像大多具有相似性且区别在于病灶 位置不同的特点， 通过聚类 ‑PCA算法构造分类 器， 将病灶情况相似的影像归位一类， 对于新输 入的患者影像图片， 通过先判断归属类别、 再进 行压缩的方式， 来保证还原时的图像保真度， 解 决现有医学影像图片因特征提取不到位， 导致降 维分析结果精度低的问题。 权利要求书2页 说明书9页 附图2页 CN 115035988 B 2022.12.20 CN 115035988 B 1.基于云计算的医学影 像处理方法， 其特 征在于， 包括： 步骤A， 建立医学影 像数据集； 步骤B， 基于聚类 ‑PCA算法构造分类器， 所述分类器对输入的图片数据进行分类压缩并 输出一系列基础数据集， 所述基础数据集为根据相似性对原始医学影像数据进行分类而得 到的相似医学影 像的数据集； 进一 步包括： 构建医学影像数据的训练集， 先对训练集中的训练图像随机分为K类， 对每一类均进行 PCA降阶处理； 接着分别计算每一训练图像与其在K个类的低维子空间投影的距离， 得到K个 距离， 并通过对这K个距离的比较， 将每一训练图像均划分到其距离最小的类； 然后对重新 划分得到的每一类， 再次进行PCA降阶处理； 重复前述步骤， 直到各训练 图像所属的类不再 发生变化， 从而得到训练好的分类 器； 步骤C， 获取新输入的医学影像并进行数据抽取， 基于抽取的数据， 利用贝叶斯算法选 取最优的基础数据集； 进一 步包括： 步骤C1， 获取训练图像的先验概 率和条件概 率； 步骤C2， 基于贝叶斯公式， 结合训练图像的先验概率和条件概率， 计算新输入医学影像 的后验概率， 选取最大后验概率所对应的类对应的基础数据集作为新输入医学影像的最优 基础数据集； 步骤D， 利用最优的基础数据集对新输入的医学影 像进行压缩。 2.根据权利要求1所述基于云计算的医学影像处理方法， 其特征在于， 步骤B进一步包 括： 步骤B1， 构建医学影像 数据的训练集 ， 其中每一个 元素表示一个 训练图像， 将m个训练图像随机划分为K类， 第i类含有 个训练图像， ； 步骤B2， 对每一类分别进行PCA降阶处 理， 得到K个 类的特征向量矩阵W； 步骤B3， 分别计算每一训练图像与其在K个类的低维子空间投影的距离， 得到K个距离， 比较每一训练图像的K个距离并选取K个距离中的最小距离作为对应训练图像的新的类， 得 到所有训练图像的新的K类分类结果； 步骤B4， 对步骤B3中每一个新的类分别进行PCA降阶处理， 得到新的K个类的特征向量 矩阵W； 步骤B5， 重复步骤B3 ‑B4， 直至各个训练图像所属类别不再改变， 输出分类结果。 3.根据权利要求2所述基于云计算的医学影像处理方法， 其特征在于， 对每一类分别进 行PCA降阶处 理， 进一步包括： 步骤B21， 对第i类矩阵进行中心化处 理； 步骤B22， 计算协方差矩阵， 并对计算出的协方差矩阵进行 特征值分解； 步骤B23， 将特征值由大到小进行排序， 选取最大的若干个特征值对应的特征向量， 其 中， 特征值的数量 通过指定贡献率 来选取； 步骤B24， 将选取的所有特 征向量标准 化后， 组成特 征向量矩阵； 步骤B25， 获取任一训练图像在第i类低维子空间的投影。 4.根据权利要求1所述基于云计算的医学影像处理方法， 其特征在于， 步骤D进一步包 括：权　利　要　求　书 1/2 页 2 CN 115035988 B 2步骤D1， 对新输入的医学影 像抽取参数 ； 步骤D2， 由下式确定医学影 像所属的类为： ， 其中， 表示新输入医学影 像的后验概 率； 步骤D3， 利用所属的类对应的基础数据集对新输入的医学影 像进行压缩。 5.根据权利要求1所述基于云计算的医学影像处理方法， 其特征在于， 对于任一医学影 像数据集， 通过等距选点进行参数抽取。 6.根据权利要求1所述基于云计算的医学影像处理方法， 其特征在于， 步骤A进一步包 括： 获取原始医学影像并进行灰度化处理， 使每一图像对应一数值矩阵并将数值矩阵按列 排序得到对应向量； 根据所有原 始医学影 像对应的向量， 建立医学影 像数据集。 7.基于云计算的医学影 像处理系统， 其特 征在于， 包括： 构建模块， 用于建立医学影 像数据集； 分类模块， 用于基于聚类 ‑PCA算法构造分类器， 所述分类器对输入的图片数据进行分 类压缩并输出一系列基础数据集， 所述基础数据集为根据相似性对原始医学影像数据进 行 分类而得到的相似医学影像的数据集； 进一步包括： 构建医学影像数据的训练集， 先对训练 集中的训练图像随机分为K类， 对每一类均进行PCA降阶处理； 接着分别计算每一训练图像 与其在K个类的低维子空间投影的距离， 得到K个距离， 并通过对这K个距离的比较， 将每一 训练图像均划分到其距离最小的类； 然后对重新划分得到的每一类， 再次进行PCA降阶处 理； 重复前述 步骤， 直到各训练图像所属的类不再发生变化， 从而得到训练好的分类 器； 贝叶斯选取模块， 用于获取新输入的医学影像并进行数据抽取， 基于抽取的数据， 利用 贝叶斯算法选取最优的基础数据集； 进一步包括： 获取训练图像的先验概率和条件概率； 基 于贝叶斯公 式， 结合训练图像的先验概率和条件概率， 计算新输入医学影像的后验概率， 选 取最大后验概 率所对应的类对应的基础数据集作为 新输入医学影 像的最优基础数据集； 压缩模块， 用于利用最优的基础数据集对新输入的医学影 像进行压缩。 8.一种计算机设备， 其特征在于， 所述计算机设备包括处理器、 存储器， 以及存储在所 述存储器上并可被所述处理器执行的计算机程序， 其中所述计算机程序被所述处理器执行 时， 实现如权利要求1至 6中任一项所述的基于云计算的医学影 像处理方法的步骤。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 其中所述计算机程序被处理器执行时， 实现如权利要求1至6中任一项所述的基于云 计算的医学影 像处理方法的步骤。权　利　要　求　书 2/2 页 3 CN 115035988 B 3