本技术涉及医学图像分类的领域，尤其是涉及一种基于异构域的医学图像分类方法和系统。
背景技术：
1、近年来，科学技术的发展以及人口老龄化的趋势，使得医疗服务需求量不断怎么增加，医疗服务的质量和效率也越来越受到重视，在这个背景下，医学图像分类与识别技术的研究越来越受到人们的关注与期待，然而现有的技术在针对医学图像分类还有以下不足之处。
2、现有的技术在进行医学图像分类时通常由医务工作人员凭借自身的医学水平对医学图像进行分类，这种分类方式效率底下，还存在由于医务工作人员自身医疗经验的参差导致错诊的风险；
3、现有的技术在进行医学图像分类没有对医学图像进行多次的分析分类处理，提高了医学图像分类的不准确性，降低了医学图像分类的有效性和准确性，甚至有可能威胁到病患的生命财产安全。
技术实现思路
1、本发明的目的在于提供一种基于异构域的医学图像分类方法和系统，以解决上述背景技术中提出的问题。
2、为了实现上述目的，本技术提供一种基于异构域的医学图像分类系统，包括；
3、图像预处理模块：用于对各待分类医学图像进行预处理，得到各待分类医学图像轮廓模型；
4、初级分类处理模块：用于根据各待分类医学图像轮廓模型进行分析，对各待分类医学图像进行初级分类，得到各待分类医学图像轮廓模型对应的人体部位；
5、再分类模块：用于将确认人体部位的各待分类医学图像进行在分类，得到各待分类医学图像对应的准判定图像；
6、综合分类模块：用于根据各待分类医学图像对应的准判定图像进行综合分类，并进行相应处理；
7、数据库：用于存储人体各部位对应的标准轮廓模型，存储人体各部位对应的标准轮廓模型中各预设关键结构点的位置坐标，存储人体各部位对应的各种类标准病变图像，存储人体各部位对应的各种类标准病变图像中各预设像素点的灰度值，存储人体部位的各种类标准病变图像的病变原因。
8、在本技术较佳的方案中，图像预处理模块的具体实施如下；
9、通过高精度轮廓扫描仪对各待分类医学图像进行高精度扫描，得到各待分类医学图像对应的轮廓模型。
10、在本技术较佳的方案中，初级分类处理模块中人体部位可参考轮廓模型的具体分析如下；
11、建立初级分类处理模块与数据库之间的数据提取关系，提取数据库中存储的人体各部位对应的标准轮廓模型；
12、将各待分类医学图像轮廓模型与人体各部位对应的标准轮廓模型进行对比分析，得到各待分类医学图像轮廓模型与人体各部位对应的标准轮廓模型的相似度，统计各待分类医学图像轮廓模型与人体各部位对应的标准的轮廓模型的相似度并标记为bi～j,i＝1,2,...,k,i表示为各待分类医学图像的编号，j＝1,2,...p，j表示为人体各部位对应的标准的轮廓模型；
13、将各待分类医学图像轮廓模型与人体各部位对应的标准轮廓模型的相似度bi～j与预设的各人体部位标准轮廓模型的标准相似度b′j进行对比分析，若待分类医学图像轮廓模型与人体部位对应的标准轮廓模型的相似度bi～j大于对应的预设人体部位标准轮廓模型的标准相似度b′j，则将该人体部位标准轮廓模型记作该待分类医学图像轮廓模型的可参考轮廓模型，统计各待分类医学图像轮廓模型对应的各人体部位可参考轮廓模型。
14、在本技术较佳的方案中，初级分类处理模块中符合影响系数的具体分析如下；
15、提取数据库中存储的人体各部位对应的标准轮廓模型中各预设关键结构点的位置坐标，将人体各部位对应的标准轮廓模型中各预设关键结构点的位置坐标标记为gj′(x′jm,y′jm)，通过各待分类医学图像轮廓模型对应的各人体部位可参考轮廓模型，筛选获得各待分类医学图像轮廓模型对应的各人体部位可参考轮廓模型中各预设关键结构点的位置坐标，m＝1,2,...n，m表示为各预设关键结构点的编号；
16、提取各待分类医学图像轮廓模型中各关键结构点的位置坐标gi(xim,yim)；
17、将各待分类医学图像轮廓模型对应的各人体部位可参考轮廓模型中各预设关键结构点的位置坐标gj′(x′jm,y′jm)和各待分类医学图像轮廓模型中各关键结构点的位置坐标gi(xim,yim)代入公式
18、得到各待分类医学图像轮廓模型与对应的各人体部位可参考轮廓模型的符合影响系数ai～j，其中α表示为预设的符合影响系数影响因子。
19、在本技术较佳的方案中，初级分类处理模块中人体部位确定的具体分析如下；
20、将各待分类医学图像轮廓模型与对应的各人体部位可参考轮廓模型的符合影响系数与预设的人体部位轮廓模型的标准符合影响系数进行对比分析，若待分类医学图像轮廓模型与对应的人体部位可参考轮廓模型的符合影响系数大于预设的该人体部位轮廓模型的标准符合影响系数，则将该可参考轮廓模型对应的人体部位记作对应待分类医学图像的人体部位，得到各待分类医学图像轮廓模型对应的人体部位，进一步得到各待分类医学图像对应的人体部位，若待分类医学图像轮廓模型与对应的各人体部位可参考轮廓模型的符合影响系数均小于预设的该人体部位轮廓模型的标准符合影响系数则发出预警指令至分类管理中心，进行相应处理。
21、在本技术较佳的方案中，再分类模块中相似影响系数的具体分析如下；
22、建立再分类模块与数据库之间的数据提取关系，提取数据库中存储人体各部位对应的各种类标准病变图像，提取人体各部位对应的各种类标准病变图像中各预设像素点的灰度值，将人体各部位对应的各种类标准病变图像中各预设像素点的灰度值记作hj′u～α，u＝1,2,...v，u表示为各种类标准病变图像的编号，α＝1,2,...β，α表示为标准病变图像中各预设像素点的标号；
23、通过对各待分类医学图像进行灰度提取，得到各待分类医学图像中各各预设像素点灰度值，将各待分类医学图像中各预设像素点灰度值标记为hi～α；
24、将各待分类医学图像中各预设像素点灰度值hi～α和对应人体部位的各种类标准病变图像中各预设像素点的灰度值记作hj′u～α代入公式
25、得到各待分类医学图像与对应人体部位的各种类标准病变图像的相似影响系数qi～ju，其中表示为预设的灰度值影响因子，ρ表示为预设的相似影响系数影响因子。
26、在本技术较佳的方案中，再分类模块中准判定图像的具体分析如下；
27、将各待分类医学图像与对应人体部位的各种类标准病变图像的相似影响系数与预设的标准相似影响系数进行对比分析，若待分类医学图像与对应人体部位的某种类标准病变图像的相似影响系数大于预设的标准相似影响系数，则将该标准病变图像记作对应待分类医学图像的准判定图像，若待分类医学图像与对应人体部位的各种类标准病变图像的相似影响系数均小于预设的标准相似影响系数，则说明该待分类医学图像对应得人体部位健康。
28、在本技术较佳的方案中，综合分类模块的具体实施方式如下；
29、建立综合分类模块与数据库之间的数据提取关系，提取数据库中存储的人体部位的各种类标准病变图像的病变原因；
30、通过各待分类医学图像的准判定图像，筛选获得各待分类医学图像对应的病变原因，并将各待分类医学图像并归如各自病变原因的病变图像集合中；
31、若待分类医学图像对应得人体部位健康，则将待分类医学图像并归到对应人体部位的健康图像集合中。
32、为实现上述目的，本发明还提供如下技术方案：一种基于异构域的医学图像分类方法，包括以下步骤；
33、对各待分类医学图像进行预处理，得到各待分类医学图像轮廓模型；
34、根据各待分类医学图像轮廓模型进行分析，对各待分类医学图像进行初级分类，得到各待分类医学图像轮廓模型对应的人体部位；
35、将确认人体部位的各待分类医学图像进行在分类，得到各待分类医学图像对应的准判定图像；
36、根据各待分类医学图像对应的准判定图像进行综合分类，并进行相应处理。
37、本发明应具有以下有益效果；
38、本发明通过图像预处理模块建立各待分类医学图像的高精度轮廓模型，使得对医学图像分类更加快捷准确，有效的提高了对医学图像分类的工作效率和准确率；
39、本发明通过初级分类处理模块、再分类模块和综合分类模块，分析各待分类医学图像轮廓模型与对应的各人体部位可参考轮廓模型的符合影响系数，确定各待分类医学图像对应的人体部位，其次分析各待分类医学图像与对应人体部位的各种类标准病变图像的相似影响系数，确定各待分类医学图像对应的病变图像和病变原因，并进行综合分类并归，极大的提高了医学图像分类的准确性，提高了医生的诊断准确率，为医疗服务提供更好的支持，进一步保障了病患的生命财产安全。
1.一种基于异构域的医学图像分类系统，其特征在于：包括：
2.根据权利要求1所述的一种基于异构域的医学图像分类系统，其特征在于：所述图像预处理模块的具体实施如下；
3.根据权利要求1所述的一种基于异构域的医学图像分类系统，其特征在于：所述初级分类处理模块中人体部位可参考轮廓模型的具体分析如下；
4.根据权利要求1所述的一种基于异构域的医学图像分类系统，其特征在于：所述初级分类处理模块中符合影响系数的具体分析如下；
5.根据权利要求1所述的一种基于异构域的医学图像分类系统，其特征在于：所述初级分类处理模块中人体部位确定的具体分析如下；
6.根据权利要求1所述的一种基于异构域的医学图像分类系统，其特征在于：所述再分类模块中相似影响系数的具体分析如下；
7.根据权利要求1所述的一种基于异构域的医学图像分类系统，其特征在于：所述再分类模块中准判定图像的具体分析如下；
8.根据权利要求1所述的一种基于异构域的医学图像分类系统，其特征在于：所述综合分类模块的具体实施方式如下；
9.一种基于异构域的医学图像分类方法，其特征在于：包括：
