(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210506878.7 (22)申请日 2022.05.11 (71)申请人 云南升玥信息技 术有限公司 地址 650000 云南省昆明市西山区环城南 路668号云纺商业区西山区科技创新 中心第4层B1-B2 9 (72)发明人 李益非　罗学敏　刘宏　张春贵　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/136(2017.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G16H 30/20(2018.01) G16H 50/20(2018.01)G06T 5/20(2006.01) G06T 5/00(2006.01) G06N 3/12(2006.01) G06N 3/00(2006.01) G06K 9/62(2022.01) G06F 21/60(2013.01) (54)发明名称 基于区块链和医学影 像的疾病预测系统 (57)摘要 基于区块链和医学影像的疾病预测系统， 包 括医学影像获取模块、 医学影像预处理模块、 疾 病预测模块和 智能诊断模块， 医学影像获取模块 用于获取患者的医学影像， 医学影像预处理模块 对数据库中的医学影像预处理， 疾病预测模块通 过神经网络将目标医学影像训练并匹配相似度 最高的疾病特征， 智能诊断模块完成人机交互服 务， 包括对 预测结果的展示并给出预防疾病恶化 建议。 本发明的有益效果： 该发明能够对疾病进 行有效的预测， 从而早发现早治疗， 降低疾病的 死亡率。 权利要求书6页 说明书14页 附图1页 CN 114820550 A 2022.07.29 CN 114820550 A 1.基于区块链和医学影像的疾病预测系统， 包括医学影像获取模块、 医学影像预处理 模块、 疾病预测模块和智能诊断模块， 医学影像获取模块用于获取患者的医学影像， 并将获 取的患者的历史诊疗医学数据和医学影像传输至所述医学影像预 处理模块， 医学影像预处 理模块包括区块链存储单元、 影像降噪单元和影像更新单元， 所述区块链存储单元安全可 靠地将患者历史诊疗医学数据和医学影像分布式地存入数据库， 数据库由网络内多个虚拟 机并行搭建， 并从区块链存储单元调 取患者的医学影像， 通过影像降噪单元对患者的医学 影像降噪处理， 降低噪声阴影对医学影像的疾病 预测系统的误判， 影像更新单元用于更新 需要被预测疾病的影像， 预处理后的患者医学影像将 被送往疾病预测模块进一步对疾病特 征进行分类， 所述疾病 预测模块通过神经网络对训练的医学影像结果分类疾病， 所述智能 诊断模块完成人机交 互服务， 包括对预测结果的展示并给 出预防疾病恶化建议。 2.根据权利要求1所述的基于区块链和医学影像的疾病预测系统， 其特征在于， 医学影 像获取模块用于获取患者的诊疗医学影像， 并将获取的医学影像传输至所述医学影像预处 理模块。 3.根据权利要求1所述的基于区块链和医学影像的疾病预测系统， 其特征在于， 医学影 像预处理模块用于去除医学影像缺省、 无效内容后， 将患者的医学影像存储至区块链存储 单元。 4.根据权利要求3所述的基于区块链和医学影像的疾病预测系统， 其特征在于， 所述的 区块链存储单元 由网络内多个虚拟机并行搭建数据库， 采用权益证明机制， 记录区块链存 储单元的正常或异常行为状态。 5.根据权利要求3所述的基于区块链和医学影像的疾病预测系统， 其特征在于， 所述的 数据库由网络内多个虚拟机并行搭建， 利用非对称加密技术保证患者医学影像的安全性与 私密性。 6.根据权利要求1所述的基于区块链和医学影像的疾病预测系统， 其特征在于， 所述影 像降噪单 元采用双边滤波算法对医学影 像进行降噪处 理， 步骤如下： 假设待处理的医学影像记作I， I(x,y)表示医学影像I中坐标(x,y)处的像素， 以坐标 (x,y)为中心的M ×M的医学影像邻域记作Ω(x,y)， 对像素I(x,y)进行滤波处理后的灰度值 记为fD(x,y)， 有 其中， I(i,j)表示医学影像I中坐标(i,j)处的像素， f(i,j)表示像素I(i,j)的灰度值， 权重ω(i,j,x,y)的值为： 其中δr表示灰 度域滤波控制因子， δd表示空间域滤波控制因子， 对于Ω(x,y)区域， 所滤波的每一个像素 都有权重， 记这些权重和为M(x,y)， 则： ∑I(i,j)∈Ω(x,y)ω(i,j,x,y)＝M(x,y)， 那么对像素I (x,y)进行滤波处理后的灰度值可以表示为： 对于权重ω (i,j,x,y)， 能进一 步细分成普通双边滤波权 重ωd和像素值相似度权 重ωr， 如下表示：权　利　要　求　书 1/6 页 2 CN 114820550 A 2其中， ωd(i,j,x,y)为坐标(i,j)相对于坐标(x,y)的普通双边滤波权重， ωr(i,j,x,y) 为像素值相似度权重。 易知， 有如下关系： ω(i,j,x,y)＝ωd(i,j,x,y)*ωr(i,j,x,y)， 加入 调节参数α和β 来根据实际医学影像自适应地调节普通双边滤波权重ωd和像素值相似度参 数ωr的占比， 提升双边滤波精细度， 则上述权重ω(i,j,x,y)更新为： ω(i,j,x,y)＝ωdα (i,i,x,y)*ωrβ(i,j,x,y)， 式中α(x,y)和β(x,y)分别表示调节参数， 对全域Ω(x,y)内α(x, y)和β(x,y)做归一 化处理， 其取值范围在0 ‑1之间， 得到α(x,y)和β(x,y)值 为： β(x,y)＝1 ‑α(x,y) 上式中η(x,y)表示像素I(x,y)的空间域检测系数, ηmax和 ηmin分别表示空间域检测系数 的最大值和最小值， 且 η(x,y)值 为： 式中， I(a,b)表 示医学影像I中坐标(a,b)处的像素， f(a,b)表示像素I(a,b)的灰度值， I(a+1,b)  表示医学 影像I中坐标(a+1,b)处的像素， f(a+1,b)表示像素I(a+1,b)的灰度值， I(a,b+1)表示医学 影像I中坐标(a,b+1)处 的像素， f(a,b+1)表示像素I(a,b+1)的灰度值， fmax和fmin分别表示 医学影像I中像素的最大 灰度值和最小灰度值。 7.根据权利要求1所述的基于区块链和医学影像的疾病预测系统， 其特征在于， 影像更 新单元调取医学影像数据对支持向量机进 行训练和测试， 影像更新单元通过调取的医学影 像数据对支持向量机进行训练时， 采用萤火虫算法确定所述支持向量机的惩罚因子和核函 数参数， 在采用萤火虫算法对支持向量机的惩罚因子和核函数参数进行寻优的过程中， 每 只萤火虫采用轮盘赌法则选择向着比自身荧光亮度高的个体移动， 并根据吸引力确定每只 萤火虫的移动距离， 在此基础上， 设萤火虫i选择向着萤火虫j进行移动， 最终实现第(t+1) 次的迭代更新， 具体的位置更新公式如下： 在上式中， xi(t+1)表示萤火虫i在第(t+1)次迭代更新后的位置， xi(t)表示萤火虫i在 第t次迭代更新后的位置， xj(t)表示萤火虫j在第t次迭代更新后的位置， βij(t)表示在第t 次迭代更新后萤火虫j对于萤火虫i的吸引度， αij(t)表示在第t次迭代更新后萤火虫i向着 萤火虫j进行随机移动的随机项系数， rand为 服从正态分布的随机系数， 且rand∈[0,1]。 8.根据权利要求7所述的基于区块链和医学影像的疾病预测系统， 其特征在于， 将在第 t次迭代更新后萤火虫j对于萤火虫i的吸引度βij(t)的值设置为： 权　利　要　求　书 2/6 页 3 CN 114820550 A 3