[go: up one dir, main page]

CN116313122A - 基于贝叶斯模型的肿瘤统计分析方法及系统 - Google Patents

基于贝叶斯模型的肿瘤统计分析方法及系统 Download PDF

Info

Publication number
CN116313122A
CN116313122A CN202310063867.0A CN202310063867A CN116313122A CN 116313122 A CN116313122 A CN 116313122A CN 202310063867 A CN202310063867 A CN 202310063867A CN 116313122 A CN116313122 A CN 116313122A
Authority
CN
China
Prior art keywords
tumor
model
patient
information
analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310063867.0A
Other languages
English (en)
Inventor
吴昱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kanglong Huacheng Nanjing Clinical Medical Research Co ltd
Original Assignee
Kanglong Huacheng Nanjing Clinical Medical Research Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kanglong Huacheng Nanjing Clinical Medical Research Co ltd filed Critical Kanglong Huacheng Nanjing Clinical Medical Research Co ltd
Priority to CN202310063867.0A priority Critical patent/CN116313122A/zh
Publication of CN116313122A publication Critical patent/CN116313122A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/778—Active pattern-learning, e.g. online learning of image or video features
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及数据处理装置领域，具体涉及基于贝叶斯模型的肿瘤统计分析方法及系统，通过获取患者的个人信息以得到基本生活环境数据，然后采用扫描仪获取患者的肿瘤图像，而肿瘤图像中会有许多噪点会影响判断，因此需要对患者肿瘤图像进行预处理，得到预处理肿瘤图像，之后采用贝叶斯分类器生成肿瘤分析模型，以可以将预处理肿瘤图像输入肿瘤分析模型，得到分析结果，从而自动对肿瘤图像进行识别判断，以确认是那种类型的肿瘤，将分析结果和矿区生活环境进行匹配，得到环境数据，从而可以根据得到的环境数据对矿区工人的生活环境进行改善，以减少矿区工人生成肿瘤的概率，使得工人更加健康。

Description

基于贝叶斯模型的肿瘤统计分析方法及系统
技术领域
本发明涉及数据处理装置领域，尤其涉及基于贝叶斯模型的肿瘤统计分析方法及系统。
背景技术
肿瘤是指机体在各种致瘤因子作用下，局部组织细胞增生所形成的新生物，根据新生物的细胞特性及对机体的危害性程度，又将肿瘤分为良性肿瘤和恶性肿瘤两大类。恶性肿瘤可分为癌和肉瘤，癌是指来源于上皮组织的恶性肿瘤。肉瘤是指间叶组织，包括纤维结缔组织、脂肪、肌肉、脉管、骨和软骨组织等，发生的恶性肿瘤，如由大肠黏膜上皮形成的恶性肿瘤称为大肠黏膜上皮癌，简称大肠癌。由皮肤上皮形成的称皮肤上皮癌，简称皮肤癌等等。所以，若医生说某某人患的是癌症，即表明患者长的是恶性肿瘤；若说某某人患的是胃癌，意思是患者的胃黏膜上皮形成的癌症，若说患者得的是胃肉瘤，则表明这种恶性肿瘤不是由黏膜上皮细胞所形成的，可能由平滑肌细胞恶变引起，或是属于胃的恶性淋巴瘤等。
矿产既是人类生产和生活的重要资源，也是矿区及其周边生态环境的主要污染源，矿业活动往往会给周边地区的土壤、水、大气等造成污染，并直接或间接地对当地居民的生命安全构成威胁，使得居民极易发生肿瘤。
现有的肿瘤分析方法无法针对矿产区域居民的身体进行针对性检测和分析，从而无法保证当地居民安全。
发明内容
本发明的目的在于提供基于贝叶斯模型的肿瘤统计分析方法及系统，旨在可以更好地对肿瘤进行分析，以提高矿产地区居民的健康程度。
为实现上述目的，第一方面，本发明提供一种基于贝叶斯模型的肿瘤统计分析方法，包括获取患者个人信息；
采用扫描仪获取患者肿瘤图像；
对患者肿瘤图像进行预处理，得到预处理肿瘤图像；
采用贝叶斯分类器生成肿瘤分析模型；
将预处理肿瘤图像输入肿瘤分析模型，得到分析结果；
将分析结果和矿区生活环境进行匹配，得到环境数据。
其中，所述获取患者个人信息的具体步骤包括：
向患者出示表格收集第一信息；
基于第一信息联网搜索第二信息；
结合第一信息和第二信息生成患者个人信息。
其中，所述结合第一信息和第二信息生成患者个人信息的具体方式为：采用OCR技术对第一信息进行识别，并结合第二信息生成患者个人信息。
其中，所述采用贝叶斯分类器生成肿瘤分析模型的具体步骤是：
对带有分类标签的原始乳腺肿瘤超声图像进行预处理，得到预处理图像；
利用贝叶斯分类器对形态特征向量进行学习，通过最大随机搜索方法对两种分类器加权得到肿瘤分类模型。
其中，所述对带有分类标签的原始乳腺肿瘤超声图像进行预处理，得到预处理图像的具体方式是：去除超声图像四周文字以及个人信息、降低散斑噪声和对比度增强。
其中，所述扫描仪包括支撑结构、扫描结构和移动结构，所述支撑结构包括底座和支撑架，所述支撑架与所述底座固定连接，并位于所述底座的一侧，所述扫描结构设置在所述支撑架的一侧，所述移动结构包括支撑台、固定器、第一移动器和转动器，所述转动器固定在所述支撑架上，所述第一移动器设置在所述转动器上，所述支撑台设置在所述第一移动器上，所述固定器设置在所述支撑台上。
其中，所述转动器包括转动盘和转动电机，所述转动电机固定在所述支撑架上，所述转动盘与所述转动电机的输出端固定连接。
第二方面，本发明还提供一种基于贝叶斯模型的肿瘤统计分析系统，包括信息获取模块、扫描仪、预处理模块、模型生成模块、分析模块和匹配模块，所述获取模块、所述扫描仪、所述预处理模块、所述模型生成模块、所述分析模块和所述匹配模块依次连接；
所述信息获取模块，用于获取患者个人信息；
所述扫描仪，用于采用扫描仪获取患者肿瘤图像；
所述预处理模块，用于对患者肿瘤图像进行预处理，得到预处理肿瘤图像；
所述模型生成模块，用于采用贝叶斯分类器生成肿瘤分析模型；
所述分析模块，用于将预处理肿瘤图像输入肿瘤分析模型，得到分析结果；
所述匹配模块，用于将分析结果和矿区生活环境进行匹配，得到环境数据。
本发明的基于贝叶斯模型的肿瘤统计分析方法及系统，通过获取患者的个人信息以得到基本生活环境数据，然后采用扫描仪获取患者的肿瘤图像，而肿瘤图像中会有许多噪点会影响判断，因此需要对患者肿瘤图像进行预处理，得到预处理肿瘤图像，之后采用贝叶斯分类器生成肿瘤分析模型，以可以将预处理肿瘤图像输入肿瘤分析模型，得到分析结果，从而自动对肿瘤图像进行识别判断，以确认是那种类型的肿瘤，将分析结果和矿区生活环境进行匹配，得到环境数据，从而可以根据得到的环境数据对矿区工人的生活环境进行改善，以减少矿区工人生成肿瘤的概率，使得工人更加健康。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的第一实施例的基于贝叶斯模型的肿瘤统计分析方法的流程图。
图2是本发明的第二实施例的基于贝叶斯模型的肿瘤统计分析方法的扫描仪的结构图。
图3是本发明的第二实施例的基于贝叶斯模型的肿瘤统计分析方法的扫描仪的右侧结构图。
图4是本发明的第二实施例的基于贝叶斯模型的肿瘤统计分析方法的扫描仪的剖面结构图。
图5是本发明的第三实施例的基于贝叶斯模型的肿瘤统计分析系统的结构图。
201-支撑结构、202-扫描结构、203-移动结构、204-底座、205-支撑架、206-支撑台、207-固定器、208-第一移动器、209-转动器、210-转动盘、211-转动电机、212-滑动杆、213-支撑台本体、214-推杆、215-推动气缸、216-推动块、217-转动杆、218-滑动带、219-转动轴、220-连接扣、221-收卷电机、222-收卷轴、223-缓冲垫、224-压力传感器、225-杆体、301-信息获取模块、302-扫描仪、303-预处理模块、304-模型生成模块、305-分析模块、306-匹配模块。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
第一实施例
请参阅图1，图1是本发明的第一实施例的基于贝叶斯模型的肿瘤统计分析方法的流程图。本发明提供基于贝叶斯模型的肿瘤统计分析方法，包括:
S101获取患者个人信息；
具体步骤包括：
S201向患者出示表格收集第一信息；
可以设置信息收集表格向患者收集第一信息，其中第一信息可以包括个人姓名、家庭住址，工作内容内。
S202基于第一信息联网搜索第二信息；
通过个人姓名等信息可以确认患者身份，然后可以通过调取相应的网络数据，包括曾经的医疗数据等得到更加综合的第二信息。
S203结合第一信息和第二信息生成患者个人信息。
具体方式为：采用OCR技术对第一信息进行识别，并结合第二信息生成患者个人信息。
S102采用扫描仪302获取患者肿瘤图像；
采用特别设计的扫描仪302对患者肿瘤图像进行获取，以得到患者的肿瘤图像。
S103对患者肿瘤图像进行预处理，得到预处理肿瘤图像；
具体步骤是：
对带有分类标签的原始乳腺肿瘤超声图像进行预处理，得到预处理图像；
具体方式是去除超声图像四周文字以及个人信息、降低散斑噪声和对比度增强。
S104采用贝叶斯分类器生成肿瘤分析模型；
利用贝叶斯分类器对形态特征向量进行学习，通过最大随机搜索方法对两种分类器加权得到肿瘤分类模型。当然也不局限于此算法，还可以采用其他机器学习算法，如：线性判别分析(LDA)、K最近邻(KNN)等。SVM分类器是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解最大边距超平面，利用核函数进行非线性分类，将输入数据映射到高维空间，构造最优分离超平面。
S105将预处理肿瘤图像输入肿瘤分析模型，得到分析结果；
S106将分析结果和矿区生活环境进行匹配，得到环境数据。
所述矿区生活环境包括各村级行政区划矢量数据、地形数据以及水资源检测数据，从而可以通过当地的多个肿瘤数据进行对比，以重合的数据得出环境数据，从而便于指导相关人员改进生活环境，降低肿瘤概率。
在本实施方式中，通过获取患者的个人信息以得到基本生活环境数据，然后采用扫描仪302获取患者的肿瘤图像，而肿瘤图像中会有许多噪点会影响判断，因此需要对患者肿瘤图像进行预处理，得到预处理肿瘤图像，之后采用贝叶斯分类器生成肿瘤分析模型，以可以将预处理肿瘤图像输入肿瘤分析模型，得到分析结果，从而自动对肿瘤图像进行识别判断，以确认是那种类型的肿瘤，将分析结果和矿区生活环境进行匹配，得到环境数据，从而可以根据得到的环境数据对矿区工人的生活环境进行改善，以减少矿区工人生成肿瘤的概率，使得工人更加健康。
第二实施例
请参阅图2～图4，图2是本发明的第二实施例的基于贝叶斯模型的肿瘤统计分析方法的扫描仪的结构图。图3是本发明的第二实施例的基于贝叶斯模型的肿瘤统计分析方法的扫描仪的右侧结构图。图4是本发明的第二实施例的基于贝叶斯模型的肿瘤统计分析方法的扫描仪的剖面结构图。
本发明还提供基于贝叶斯模型的肿瘤统计分析方法：
所述扫描仪302包括支撑结构201、扫描结构202和移动结构203，所述支撑结构201包括底座204和支撑架205，所述支撑架205与所述底座204固定连接，并位于所述底座204的一侧，所述扫描结构202设置在所述支撑架205的一侧，所述移动结构203包括支撑台206、固定器207、第一移动器208和转动器209，所述转动器209固定在所述支撑架205上，所述第一移动器208设置在所述转动器209上，所述支撑台206设置在所述第一移动器208上，所述固定器207设置在所述支撑台206上。通过所述底座204和所述支撑架205对整个装置进行支撑，所述扫描结构202用于对患者进行扫描以得到相应的肿瘤图像，所述移动结构203用于对患者进行支撑固定，以更好地进行拍摄，其中通过所述转动器209可以带动患者转动，所述第一移动器208可以带动患者进行倾斜角度的调整，或者带动患者进行移动，通过所述固定器207可以将患者稳定地固定在支撑台206上，从而使得使用更加方便。
其中，所述转动器209包括转动盘210和转动电机211，所述转动电机211固定在所述支撑架205上，所述转动盘210与所述转动电机211的输出端固定连接。所述转动电机211可以带动所述转动盘210转动，从而可以带动整个支撑台206和患者转动以进行位置调整。
其次，所述支撑台206包括滑动杆212和支撑台本体213，所述滑动杆212与所述转动盘210滑动连接，并位于所述转动盘210的一侧，所述支撑台本体213与所述滑动杆212固定连接，并位于所述滑动杆212顶部。通过所述滑动杆212可以允许所述支撑台本体213在所述转动盘210上滑动，在不需要滑动时，则可以通过所述滑动杆212底部设置的锁紧螺杆将所述滑动杆212的位置固定，
然后，所述第一移动器208包括推杆214、推动气缸215和推动块216，所述推杆214与所述支撑台本体213转动连接，并位于所述支撑台本体213的一侧，所述推动块216与所述转动盘210滑动连接，并与所述推杆214转动连接，所述推动气缸215的输出端与所述推动块216连接。通过所述推动气缸215可以带动所述推动块216在所述转动盘210上滑动，从而可以带动所述推杆214推动所述支撑台本体213在所述滑动杆212固定时转动一定角度，或者在所述滑动杆212没有固定时带动所述支撑台本体213对角度进行调整。
然后，所述固定器207包括转动杆217、滑动带218、转动轴219、连接扣220、收卷电机221和收卷轴222，所述转动杆217与所述支撑台本体213转动连接，并位于所述支撑台本体213的一侧，所述转动轴219与所述转动杆217转动连接，并远离所述支撑台本体213，所述滑动带218缠绕到所述转动轴219上，所述连接扣220固定在所述滑动带218上，所述收卷电机221固定在所述支撑台本体213的一侧，所述收卷轴222固定在所述收卷电机221的输出端上。在患者躺倒所述支撑台本体213上后，可以转动所述转动杆217靠近患者，然后将所述滑动带218拉出，通过所述连接扣220连接到所述收卷轴222上，所述收卷电机221可以带动所述收卷轴222转动，从而可以带动所述滑动带218收紧以对患者进行固定。
所述转动杆217包括缓冲垫223、压力传感器224和杆体225，所述缓冲垫223与所述杆体225固定连接，并位于所述杆体225的内部，所述压力传感器224设置在所述缓冲垫223的一侧。所述缓冲垫223可以对患者进行保护，所述压力传感器224可以检测所述缓冲垫223和患者之间的压力，从而可以更加地控制所述收卷电机221的收卷情况.
第三实施例
请参阅图5，图5是本发明的第三实施例的基于贝叶斯模型的肿瘤统计分析系统的结构图。本发明还提供一种基于贝叶斯模型的肿瘤统计分析系统，包括信息获取模块301、扫描仪302、预处理模块303、模型生成模块304、分析模块305和匹配模块306，所述获取模块、所述扫描仪302、所述预处理模块303、所述模型生成模块304、所述分析模块305和所述匹配模块306依次连接；
所述信息获取模块301，用于获取患者个人信息；
所述扫描仪302，用于采用扫描仪302获取患者肿瘤图像；
所述预处理模块303，用于对患者肿瘤图像进行预处理，得到预处理肿瘤图像；
所述模型生成模块304，用于采用贝叶斯分类器生成肿瘤分析模型；
所述分析模块305，用于将预处理肿瘤图像输入肿瘤分析模型，得到分析结果；
所述匹配模块306，用于将分析结果和矿区生活环境进行匹配，得到环境数据。
在本实施方式中，通过获取患者的个人信息以得到基本生活环境数据，然后采用扫描仪302获取患者的肿瘤图像，而肿瘤图像中会有许多噪点会影响判断，因此需要对患者肿瘤图像进行预处理，得到预处理肿瘤图像，之后采用贝叶斯分类器生成肿瘤分析模型，以可以将预处理肿瘤图像输入肿瘤分析模型，得到分析结果，从而自动对肿瘤图像进行识别判断，以确认是那种类型的肿瘤，将分析结果和矿区生活环境进行匹配，得到环境数据，从而可以根据得到的环境数据对矿区工人的生活环境进行改善，以减少矿区工人生成肿瘤的概率，使得工人更加健康。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (8)

1.基于贝叶斯模型的肿瘤统计分析方法，其特征在于，
包括:获取患者个人信息；
采用扫描仪获取患者肿瘤图像；
对患者肿瘤图像进行预处理，得到预处理肿瘤图像；
采用贝叶斯分类器生成肿瘤分析模型；
将预处理肿瘤图像输入肿瘤分析模型，得到分析结果；
将分析结果和矿区生活环境进行匹配，得到环境数据。
2.如权利要求1所述的基于贝叶斯模型的肿瘤统计分析方法，其特征在于，
所述获取患者个人信息的具体步骤包括：
向患者出示表格收集第一信息；
基于第一信息联网搜索第二信息；
结合第一信息和第二信息生成患者个人信息。
3.如权利要求2所述的基于贝叶斯模型的肿瘤统计分析方法，其特征在于，
所述结合第一信息和第二信息生成患者个人信息的具体方式为：采用OCR技术对第一信息进行识别，并结合第二信息生成患者个人信息。
4.如权利要求3所述的基于贝叶斯模型的肿瘤统计分析方法，其特征在于，
所述采用贝叶斯分类器生成肿瘤分析模型的具体步骤是：
对带有分类标签的原始乳腺肿瘤超声图像进行预处理，得到预处理图像；
利用贝叶斯分类器对形态特征向量进行学习，通过最大随机搜索方法对两种分类器加权得到肿瘤分类模型。
5.如权利要求4所述的基于贝叶斯模型的肿瘤统计分析方法，其特征在于，
所述对带有分类标签的原始乳腺肿瘤超声图像进行预处理，得到预处理图像的具体方式是：去除超声图像四周文字以及个人信息、降低散斑噪声和对比度增强。
6.如权利要求5所述的基于贝叶斯模型的肿瘤统计分析方法，其特征在于，
所述扫描仪包括支撑结构、扫描结构和移动结构，所述支撑结构包括底座和支撑架，所述支撑架与所述底座固定连接，并位于所述底座的一侧，所述扫描结构设置在所述支撑架的一侧，所述移动结构包括支撑台、固定器、第一移动器和转动器，所述转动器固定在所述支撑架上，所述第一移动器设置在所述转动器上，所述支撑台设置在所述第一移动器上，所述固定器设置在所述支撑台上。
7.如权利要求6所述的基于贝叶斯模型的肿瘤统计分析方法，其特征在于，
所述转动器包括转动盘和转动电机，所述转动电机固定在所述支撑架上，所述转动盘与所述转动电机的输出端固定连接。
8.一种基于贝叶斯模型的肿瘤统计分析系统，应用于权利要求1所述的基于贝叶斯模型的肿瘤统计分析方法，其特征在于，
包括信息获取模块、扫描仪、预处理模块、模型生成模块、分析模块和匹配模块，所述获取模块、所述扫描仪、所述预处理模块、所述模型生成模块、所述分析模块和所述匹配模块依次连接；
所述信息获取模块，用于获取患者个人信息；
所述扫描仪，用于采用扫描仪获取患者肿瘤图像；
所述预处理模块，用于对患者肿瘤图像进行预处理，得到预处理肿瘤图像；
所述模型生成模块，用于采用贝叶斯分类器生成肿瘤分析模型；
所述分析模块，用于将预处理肿瘤图像输入肿瘤分析模型，得到分析结果；
所述匹配模块，用于将分析结果和矿区生活环境进行匹配，得到环境数据。
CN202310063867.0A 2023-01-16 2023-01-16 基于贝叶斯模型的肿瘤统计分析方法及系统 Pending CN116313122A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310063867.0A CN116313122A (zh) 2023-01-16 2023-01-16 基于贝叶斯模型的肿瘤统计分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310063867.0A CN116313122A (zh) 2023-01-16 2023-01-16 基于贝叶斯模型的肿瘤统计分析方法及系统

Publications (1)

Publication Number Publication Date
CN116313122A true CN116313122A (zh) 2023-06-23

Family

ID=86817626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310063867.0A Pending CN116313122A (zh) 2023-01-16 2023-01-16 基于贝叶斯模型的肿瘤统计分析方法及系统

Country Status (1)

Country Link
CN (1) CN116313122A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101574264A (zh) * 2006-09-30 2009-11-11 沈阳东软派斯通医疗系统有限公司 具有可转动的扫描床的多重成像系统及成像方法
WO2019056055A1 (en) * 2017-09-21 2019-03-28 Leo Cancer Care Pty Ltd PATIENT POSITIONING APPARATUS
CN111508613A (zh) * 2020-04-26 2020-08-07 中国科学院地理科学与资源研究所 矿区周边肿瘤死亡率空间分布规律及影响因素的分析方法
CN113380401A (zh) * 2021-07-13 2021-09-10 华侨大学 基于超声图像的乳腺肿瘤良恶性分类方法、装置和介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101574264A (zh) * 2006-09-30 2009-11-11 沈阳东软派斯通医疗系统有限公司 具有可转动的扫描床的多重成像系统及成像方法
WO2019056055A1 (en) * 2017-09-21 2019-03-28 Leo Cancer Care Pty Ltd PATIENT POSITIONING APPARATUS
CN111417346A (zh) * 2017-09-21 2020-07-14 阿斯托计算机断层扫描公司 患者定位设备
CN111508613A (zh) * 2020-04-26 2020-08-07 中国科学院地理科学与资源研究所 矿区周边肿瘤死亡率空间分布规律及影响因素的分析方法
CN113380401A (zh) * 2021-07-13 2021-09-10 华侨大学 基于超声图像的乳腺肿瘤良恶性分类方法、装置和介质

Similar Documents

Publication Publication Date Title
Mohiyuddin et al. [Retracted] Breast Tumor Detection and Classification in Mammogram Images Using Modified YOLOv5 Network
Ahmed et al. Images data practices for semantic segmentation of breast cancer using deep neural network
Wei et al. A benign and malignant breast tumor classification method via efficiently combining texture and morphological features on ultrasound images
CN114565761B (zh) 一种基于深度学习的肾透明细胞癌病理图像肿瘤区域的分割方法
US20190073569A1 (en) Classifying medical images using deep convolution neural network (cnn) architecture
US20100080422A1 (en) Finger Vein Authentication Apparatus and Finger Vein Authentication Method
CN111695644B (zh) 基于光密度变换的肿瘤超声图像分类方法、装置及介质
Saeed et al. The power of generative AI to augment for enhanced skin Cancer classification: A deep learning approach
CN1273516A (zh) 从数字乳房x射线照片中自动检测成簇的微钙化的方法和系统
Zare et al. Automatic classification of medical x-ray images
Qiu et al. A novel multiresolution-statistical texture analysis architecture: radiomics-aided diagnosis of PDAC based on plain CT images
Byra et al. Impact of ultrasound image reconstruction method on breast lesion classification with deep learning
Fletcher et al. Development of mobile-based hand vein biometrics for global health patient identification
Ahmad et al. Deep learning empowered breast cancer diagnosis: Advancements in detection and classification
CN116313122A (zh) 基于贝叶斯模型的肿瘤统计分析方法及系统
Ramadijanti et al. Automatic breast tumor segmentation using hierarchical k-means on mammogram
Hossain et al. Privacy preserving federated learning for lung cancer classification
Jain et al. Brain tumor detection using mlops and hybrid multi-cloud
Rousta et al. Application of artificial intelligence in pancreas endoscopic ultrasound imaging-A systematic review
Lynch An automated two‐dimensional form registration method for osteological pair‐matching
Hulstaert et al. Artificial intelligence in dermato‐oncology: a joint clinical and data science perspective.
Badlani et al. Melanoma Detection Using Convolutional Neural Networks and Group Normalization
Amirthayogam et al. Lung and Colon Cancer Detection using Transfer Learning
Thomas Application of Artificial Intelligence in Thyroidology
Kalusivalingam et al. Enhancing Cancer Detection in MRI Scans Using Transfer Learning and Data Augmentation with Convolutional Neural Networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20230623