一种基于医学影像结合大数据的骨病患者预警方

本发明涉及一种基于医学影像结合大数据的骨病患者预警方法，属于医学影像。背景技术：1、随着生活水平的提高，人们对于自身健康也逐步重视起来，由于现在人们生活压力的增大以及人口老龄化的发展，骨病患者的数量开始逐年递增，因此对于各类骨病的预防性检查尤为重要。2、随着医学影像技术的不断发展，医学影像开始成为骨病诊断的有效手段。通过医学影像，医生可以直观地观察到就诊人员骨骼的形态、结构以及病变情况，为骨病的准确诊断提供了有力支持。但传统的骨病影像诊断方式主要依赖于医生的经验和专业知识，这种诊断方式需要耗费较大的人力，且存在误诊的可能，因此当前骨病影像诊断方式存在误差率高及诊断效率低的问题。技术实现思路1、本发明提供一种基于医学影像结合大数据的骨病患者预警方法、装置及计算机可读存储介质，其主要目的在于解决当前骨病影像诊断方式存在误差率高及诊断效率低的问题。2、为实现上述目的，本发明提供的一种基于医学影像结合大数据的骨病患者预警方法，包括：3、获取待诊断骨影像图，对所述待诊断骨影像图进行边缘检测，得到待诊影像轮廓图；4、接收所述待诊断骨影像图的骨影像域名，根据所述骨影像域名及待诊影像轮廓图在预构建的正常骨轮廓数据库中匹配出相似影像轮廓图，其中所述骨影像域名指骨影像区域名称；5、获取骨影像域名对应的区域像素比对路径，根据所述区域像素比对路径分别在待诊影像轮廓图及相似影像轮廓图中依次提取待诊像素点及相似像素点；6、分别识别待诊像素点及相似像素点的待诊轮廓切线方向及相似轮廓切线方向，根据所述待诊像素点及待诊轮廓切线方向构建待诊沿溯单位向量，根据所述相似像素点及相似轮廓切线方向构建相似沿溯单位向量；7、根据所述待诊沿溯单位向量及相似沿溯单位向量，利用预构建的沿溯误差公式计算沿溯实时误差，根据沿溯实时误差在所述待诊影像轮廓图中提取异常轮廓区段，其中所述沿溯误差公式如下所示：8、9、其中，ωi表示第i个待诊像素点与第i个相似像素点的沿溯实时误差，α表示切点误差权重，xi表示第i个待诊像素点的横坐标，yi表示第i个待诊像素点的纵坐标，x'i表示第i个相似像素点的横坐标，y'i表示第i个相似像素点的纵坐标，β表示模长误差权重，|*|表示取模运算符，表示第i个待诊像素点的待诊沿溯单位向量，表示第i个相似像素点的相似沿溯单位向量；10、根据所述异常轮廓区段在所述待诊影像轮廓图中提取异常影像区块，根据异常影像区块在预构建的病变骨影像数据库中匹配出相似影像区块图；11、提取所述相似影像区块图的预警类型等级，根据所述预警类型等级进行骨病患者预警。12、可选地，所述根据所述骨影像域名及待诊影像轮廓图在预构建的正常骨轮廓数据库中匹配出相似影像轮廓图，包括：13、根据所述骨影像域名在所述正常骨轮廓数据库中识别正常骨轮廓分域库；14、接收所述待诊断骨影像图的诊断人员体征数据，根据所述诊断人员体征数据在所述正常骨轮廓分域库中识别近似骨轮廓影像集，其中所述诊断人员体征数据包括诊断人员身高体征、诊断人员体重体征及诊断人员臂展体征；15、在所述近似骨轮廓影像集中依次提取近似轮廓影像图，获取所述骨影像域名对应的骨轮廓域名集，在所述骨轮廓域名集中依次提取骨轮廓域名；16、根据骨轮廓域名在所述近似轮廓影像图及待诊影像轮廓图中依次提取待比对轮廓闭合域组，其中所述待比对轮廓闭合域组包括近似轮廓闭合域及待诊轮廓闭合域；17、分别利用预构建的并集域公式及交集域公式计算所述待比对轮廓闭合域组的并集区域及交集区域，其中所述并集域公式及交集域公式分别如下所示：18、19、20、其中，bp表示第p个待比对轮廓闭合域组的并集区域，表示第p个待比对轮廓闭合域组中的待诊轮廓闭合域，lj表示待比对轮廓闭合域组中的近似轮廓闭合域，jp表示第p个待比对轮廓闭合域组的交集区域；21、汇总所有待比对轮廓闭合域组的并集区域及交集区域，得到交并区域集；22、利用预构建的轮廓闭合域公式，根据所述交并区域集计算所述近似轮廓影像图与待诊影像轮廓图的差异域值，其中所述轮廓闭合域公式如下所示：23、24、其中，c表示差异域值，p表示骨轮廓域名的总数或待比对轮廓闭合域组的总数；25、汇总所有近似轮廓影像图与所述待诊影像轮廓图的差异域值，得到差异域值集，在所述差异域值集中提取最小差异域值；26、识别所述最小差异域值对应的相似影像轮廓图。27、可选地，所述根据所述骨影像域名及待诊影像轮廓图在预构建的正常骨轮廓数据库中匹配出相似影像轮廓图之前，所述方法还包括：28、根据骨影像域名接收正常骨影像轮廓集，在所述正常骨影像轮廓集中依次提取正常骨影像轮廓；29、识别所述正常骨影像轮廓对应的正常人员体征数据，其中所述正常人员体征数据包括正常人员身高体征、正常人员体重体征及正常人员臂展体征；30、获取身高取值范围、体重取值范围及臂展取值范围，利用预设的身高取值间距、体重取值间距及臂展取值间距分别对所述身高取值范围、体重取值范围及臂展取值范围进行分区，得到身高区间集、体重区间集及臂展区间集；31、在所述身高区间集中依次提取身高区间，在所述体重区间集中识别所述身高区间包含的体重区间子集，在所述体重区间子集中依次提取体重区间，在所述臂展区间集中识别所述体重区间包含的臂展区间子集；32、根据所述身高区间、体重区间及臂展区间子集构建层级式树形分叉图，其中所述层级式树形分叉图的第一层为身高区间，第二层为体重区间，第三层为臂展区间；33、根据所述正常人员体征数据将所述正常骨影像轮廓图在所述层级式树形分叉图中进行层级式存储，得到正常骨轮廓数据库。34、可选地，所述获取骨影像域名对应的区域像素比对路径，包括：35、在所述骨轮廓域名集中依次提取骨轮廓域名，接收用户根据所述骨轮廓域名输入的子域关注度；36、根据所述子域关注度对所述骨轮廓域名集进行排序，得到骨轮廓子域名序列；37、根据所述骨轮廓子域名序列构建所述区域像素比对路径。38、可选地，所述根据所述区域像素比对路径分别在待诊影像轮廓图及相似影像轮廓图中依次提取待诊像素点及相似像素点，包括：39、在所述区域像素比对路径中依次提取骨轮廓子域名，根据所述骨轮廓子域名分别在所述待诊影像轮廓图及相似影像轮廓图中依次提取待诊子域轮廓及相似子域轮廓；40、获取所述骨轮廓子域名对应的子域沿溯起点，根据所述子域沿溯起点分别在所述待诊子域轮廓及相似子域轮廓进行斜率变化值沿溯识别，得到轮廓斜率变化曲线；41、接收所述骨轮廓子域名对应的子域沿溯像素数，根据所述子域沿溯起点、轮廓斜率变化曲线及子域沿溯像素数分别在所述待诊子域轮廓及相似子域轮廓进行动态密度布点，得到待诊沿溯像素序列及相似沿溯像素序列；42、根据所述子域沿溯起点分别在所述待诊沿溯像素序列及相似沿溯像素序列中依次提取待诊像素点及相似像素点。43、可选地，所述根据所述沿溯实时误差在所述待诊影像轮廓图中提取异常轮廓区段，包括：44、根据所述沿溯实时误差在预构建的沿溯误差坐标系中绘制沿溯实时误差曲线，其中所述沿溯误差坐标系的横坐标为像素点序号，纵坐标为沿溯实时误差；45、在所述沿溯实时误差曲线中识别实时误差波动峰，识别所述实时误差波动峰的像素点序号集；46、根据所述像素点序号集在所述待诊影像轮廓图中提取异常轮廓区段。47、可选地，所述在所述沿溯实时误差曲线中识别实时误差波动峰，包括：48、对所述沿溯实时误差曲线中的沿溯实时误差进行聚类分析，得到沿溯实时误差聚类簇；49、根据预设的沿溯误差阈值在所述沿溯实时误差聚类簇中识别一个或多个沿溯实时误差聚类；50、识别所述沿溯实时误差聚类对应的误差曲线段，根据所述误差曲线段构建所述实时误差波动峰。51、可选地，所述根据所述异常轮廓区段在所述待诊影像轮廓图中提取异常影像区块，包括：52、识别所述异常轮廓区段的区段上限点坐标、区段下限点坐标、区段左限点坐标及区段右限点坐标；53、根据所述区段上限点坐标、区段下限点坐标、区段左限点坐标及区段右限点坐标分别作区段上限拟分割线、区段下限拟分割线、区段左限拟分割线及区段右限拟分割线；54、根据预设的位移外扩值分别将所述区段上限拟分割线、区段下限拟分割线、区段左限拟分割线及区段右限拟分割线进行上外扩位移、下外扩位移、左外扩位移及右外扩位移，得到区段上限分割线、区段下限分割线、区段左限分割线及区段右限分割线；55、根据所述区段上限分割线、区段下限分割线、区段左限分割线及区段右限分割线对所述待诊影像轮廓图进行分割，得到异常影像区块。56、可选地，所述根据异常影像区块在预构建的病变骨影像数据库中匹配出相似影像区块图，包括：57、识别所述异常影像区块所处的异常骨影像子域，根据所述骨影像域名及异常骨影像子域在所述病变骨影像数据库中提取待比对病变骨影像集；58、在所述待比对病变骨影像集中依次提取待比对病变骨影像，获取所述异常影像区块的异常位置坐标，根据所述异常位置坐标对所述待比对病变骨影像进行区域分割，得到待比对病变影像区块；59、计算所述异常影像区块与待比对病变影像区块的相似度，得到病变相似度集；60、在所述病变相似度集中提取最大病变相似度，识别所述最大病变相似度对应的待比对病变影像区块，将所述最大病变相似度对应的待比对病变影像区块作为相似影像区块图。61、可选地，所述计算所述异常影像区块与待比对病变影像区块的相似度，包括：62、根据所述异常影像区块的异常位置坐标构建初始三维比对坐标系，其中所述初始三维比对坐标系的x轴为像素点横坐标，y轴为像素点纵坐标，z轴为像素点灰度值；63、在所述异常影像区块中依次提取异常像素点，识别所述异常像素点的异常像素坐标及异常像素灰度，将所述异常像素坐标及异常像素灰度填充至所述初始三维比对坐标系，得到异常三维灰度散点集；64、在所述待比对病变影像区块中依次提取待比对病变像素点，识别所述待比对病变像素点的待比对病变像素坐标及待比对病变像素灰度，将所述待比对病变像素坐标及待比对病变像素灰度填充至所述初始三维比对坐标系，得到待比对三维灰度散点集；65、对所述异常三维灰度散点集及待比对三维灰度散点集进行曲面拟合，得到异常三维灰度曲面及待比对三维灰度曲面；66、利用预构建的曲面相似公式计算所述异常三维灰度曲面及待比对三维灰度曲面的相似度，其中所述曲面相似公式如下所示：67、68、其中，γ表示相似度，k表示相似调节指数，q表示像素点序号，q表示异常影像区块中像素点总数，∫∫∫piq表示异常三维灰度曲面的第q个像素点的曲面体体积，∫∫∫pi'q表示待比对三维灰度曲面的第q个像素点的曲面体体积。69、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：70、至少一个处理器；以及，71、与所述至少一个处理器通信连接的存储器；其中，72、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现上述所述的基于医学影像结合大数据的骨病患者预警方法。73、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于医学影像结合大数据的骨病患者预警方法。74、相比于背景技术所述问题，本发明先获取与待诊影像轮廓图相似的相似影像轮廓图，再根据相似影像轮廓图在所述待诊影像轮廓图中提取异常影像区块，最后根据异常影像区块在预构建的病变骨影像数据库中匹配出相似影像区块图，从而以相似影像区块图的预警类型等级为参考，进行骨病患者预警，因此首先需要获取待诊断骨影像图，并对所述待诊断骨影像图进行边缘检测，得到待诊影像轮廓图，为了提高比对效率，需要接收所述待诊断骨影像图的骨影像域名，根据所述骨影像域名及待诊影像轮廓图在预构建的正常骨轮廓数据库中匹配出相似影像轮廓图，此时即可对待诊影像轮廓图及相似影像轮廓图进行异常轮廓区段的比对提取，在进行比对提取时，首先获取骨影像域名对应的区域像素比对路径，再根据所述区域像素比对路径分别在待诊影像轮廓图及相似影像轮廓图中依次提取待诊像素点及相似像素点，此时需要分别识别待诊像素点及相似像素点的待诊轮廓切线方向及相似轮廓切线方向，再根据所述待诊像素点及待诊轮廓切线方向构建待诊沿溯单位向量，及根据所述相似像素点及相似轮廓切线方向构建相似沿溯单位向量，由于所述待诊沿溯单位向量及相似沿溯单位向量的差异反映了待诊像素点及相似像素点的差异，因此可以根据所述待诊沿溯单位向量及相似沿溯单位向量，利用预构建的沿溯误差公式计算沿溯实时误差，再根据沿溯实时误差在所述待诊影像轮廓图中提取异常轮廓区段，此时即可根据所述异常轮廓区段在所述待诊影像轮廓图中提取异常影像区块，再根据异常影像区块在预构建的病变骨影像数据库中匹配出相似影像区块图，从而实现根据相似影像区块图的预警类型等级进行骨病患者预警的目的，因此本发明提出的基于医学影像结合大数据的骨病患者预警方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决当前骨病影像诊断方式存在误差率高及诊断效率低的问题。