图像数据筛选方法、装置、计算机设备及其存储介质制造方法及图纸

本发明专利技术公开了一种图像数据筛选方法、装置、计算机设备及其存储介质。其中，本发明专利技术提供的图像数据筛选方法通过获取第一图像数据，计算所述第一图像数据与预设图像数据的相似度，当所述第一图像数据与所述预设图像数据的相似度达到预设值时，将达到预设值的所述第一图像数据输入AI模型进行计算，以得到所述第一图像数据的有价值的图像数据，将所述有价值的图像数据作为第二图像数据，从而可以筛选出有价值的图像数据来作为AI模型的诊断依据。

【技术实现步骤摘要】
图像数据筛选方法、装置、计算机设备及其存储介质
本专利技术涉及图像处理
，具体涉及一种图像数据筛选方法、装置、计算机设备及其存储介质。
技术介绍
基于大数据来训练和测试，从而初步得到AI诊断模型后，需要进一步以新的临床影像数据来优化AI模型。这就要求我们从新数据中筛选出有质量、有价值的数据，才能够最有效率地提高AI模型的诊断能力，同时避免数据冗余造成AI模型效率过低等负面影响。新数据的质量是指新数据的图像纹理、对比度、噪声等指标与数据库中的数据相似；新数据的价值是指AI模型当前难以识别，而将新数据加入训练组后将极大提高AI超声诊断模型的识别能力。因此，我们在采集数据时，必须要首先考虑数据的质量。通过AI模型进行图像数据的诊断需要采用高质量及有价值的数据进行诊断，当AI模型采集的数据将出现系统性的误差或异常，这显然不能直接采用AI模型来进行诊断，因此，需要将图像数据的质量与价值进行图像数据筛选，从而形成优化数据集来作为AI模型的诊断依据。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的第一个目的在于提出一种图像数据筛选方法。本专利技术的第二个目的在于提出一种图像数据筛选装置。本专利技术的第三个目的在于提出一种计算机设备。本专利技术的第四个目的在于提出一种计算机存储介质。为实现上述目的，第一方面，根据本专利技术实施例的图像数据筛选方法，包括：获取第一图像数据；计算所述第一图像数据与预设图像数据的相似度；当所述第一图像数据与所述预设图像数据的相似度达到预设值时，将达到预设值的所述第一图像数据输入AI模型进行计算，以得到所述第一图像数据的有价值的图像数据；将所述有价值的图像数据作为第二图像数据。第二方面，根据本专利技术实施例的图像数据筛选装置，包括：获取模块，用于获取第一图像数据；第一计算模块，用于计算所述第一图像数据与预设图像数据的相似度；第二计算模块，用于当所述第一图像数据与所述预设图像数据的相似度达到预设值时，将达到预设值的所述第一图像数据输入AI模型进行计算，以得到所述第一图像数据的有价值的图像数据；第一确定模块，用于将所述有价值的图像数据作为第二图像数据。第三方面，根据本专利技术实施例图像数据筛选装置，所述装置还包括：第三计算模块，用于计算检测设备已采集图像数据的性能指标；对比模块，用于将所述已采集图像数据的性能指标与正常图像的性能指标进行对比，判断所述检测设备是否异常；第二确定模块，用于在所述检测设备正常的情况下，以通过所述检测设备获取待采集的图像数据。第三方面，根据本专利技术实施例的一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的图像数据筛选方法。第四方面，根据本专利技术实施例的一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的图像数据筛选方法。本专利技术提供的图像数据筛选方法通过获取第一图像数据，计算所述第一图像数据与预设图像数据的相似度，当所述第一图像数据与所述预设图像数据的相似度达到预设值时，将达到预设值的所述第一图像数据输入AI模型进行计算，以得到所述第一图像数据的有价值的图像数据，将所述有价值的图像数据作为第二图像数据，从而可以筛选出有价值的图像数据来作为AI模型的诊断依据。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明为了更清楚地说明本专利技术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专利技术的一些实施例，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示出的结构获得其他的附图。图1是本专利技术图像数据筛选方法实施例中提供的应用场景图；图2是本专利技术图像数据筛选方法实施例中提供的步骤流程图；图3是本专利技术图像数据筛选方法实施例中提供的另一应用场景图；图4是本专利技术图像数据筛选方法实施例中提供的步骤S40的步骤流程图；图5是本专利技术图像数据筛选装置实施例中提供的结构示意图；图6是本专利技术图像数据筛选装置实施例中提供的另一结构示意图；图7是本专利技术实施例中提供的计算机设备的结构示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式下面详细描述本专利技术的实施例，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，仅用于解释本专利技术，而不能理解为对本专利技术的限制。请参考图1，图1是本专利技术实施例提供的检测设备与服务器的结构图，如图1所示，包括：检测设备101和服务器102，其中，检测设备可以是超声影像设备、腔内诊断设备、X射线手术影像设备等等；服务器101可以是计算机、手机、平板电脑等等。检测设备101可以向服务器102发送已采集的图像数据，而服务器102可以对检测设备101发送的图像数据进行检测，当检测为正常时，则可以确定检测设备101能够重新采集图像数据，若检测为不正常时，则服务器102可以不采用检测设备101进行采集图像数据。另外，服务器102可以是云端或服务端等。参照图2所示，图2示出了本专利技术实施例提供的图像数据筛选方法一个实施例的流程图，为了便于描述，仅示出了与本专利技术实施例相关的部分。一种图像数据筛选方法，包括：S10、获取第一图像数据。其中，第一图像数据可以是超声检测设备所采集的待检测图像数据，待检测的数据中包括各项性能指标，比如半高宽、包络线面、信噪比及相对熵等指标，由上述的指标可以判断第一图像数据是否正常。S20、计算第一图像数据与预设图像数据的相似度。其中，在本专利技术的实施例中，预设图像数据可以是高质量的图像数据，将第一图像数据与高质量的图像数据进行相似检索，从而计算出第一图像数据和预设图像数据的相似度。S30、当第一图像数据与预设图像数据的相似度达到预设值时，将达到预设值的第一图像数据输入AI模型进行计算，以得到第一图像数据的有价值的图像数据。其中，在本专利技术的实施例中，可以基于大量高质量的图像数据的基础上，利用哈希算法来进行计算第一图像数据和预设图像数据的相似度，如果第一图像数据中存在与高质量的图像数据相似度大于0.9的图像，则将第一图像数据中确定的高质量图像数据输入AI模型进行计算，从而得到第一图像数据中的有价值数据。S40、将有价值的图像数据作为第二图像数据。其中，在本专利技术的实施例中，第二图像数据可以是用于临床诊断的图像数据，也可以用于优化并验证AI模型，在上述过程中确定的有价值的图像数据作为临床诊断的图像数据或优化AI模型，可以高效率地扩充数据库以及筛选出更有价值的图像数据。可选的，上述步骤S10获取第一图像数据的步骤之前包括：步骤一，计算检测设备已采集图像数据的性能指标；步骤二，将已采集图像数据的性能指标与正常图像的性能指标进行对比，判断检测设备是否异常；步骤三，在检测设备正常的情况下，以通过检测设备获取待采集的图像数据。其中，在本专利技术的实施例中，上述的检测设备可以是超声检测设备，当医院的超声检测设备存在异常时，在进行图像数据采集时容易产生误差，因此可以将超声检测设备已采集本文档来自技高网...

【技术保护点】
1.一种图像数据筛选方法，其特征在于，包括：获取第一图像数据；计算所述第一图像数据与预设图像数据的相似度；当所述第一图像数据与所述预设图像数据的相似度达到预设值时，将达到预设值的所述第一图像数据输入AI模型进行计算，以得到所述第一图像数据的有价值的图像数据；将所述有价值的图像数据作为第二图像数据。

【技术特征摘要】
1.一种图像数据筛选方法，其特征在于，包括：获取第一图像数据；计算所述第一图像数据与预设图像数据的相似度；当所述第一图像数据与所述预设图像数据的相似度达到预设值时，将达到预设值的所述第一图像数据输入AI模型进行计算，以得到所述第一图像数据的有价值的图像数据；将所述有价值的图像数据作为第二图像数据。2.根据权利要求1所述的图像数据筛选方法，其特征在于，所述获取第一图像数据的步骤之前包括：计算检测设备已采集图像数据的性能指标；将所述已采集图像数据的性能指标与正常图像的性能指标进行对比，判断所述检测设备是否异常；在所述检测设备正常的情况下，以通过所述检测设备获取待采集的图像数据。3.根据权利要求1所述的图像数据筛选方法，其特征在于，所述计算所述第一图像数据与预设图像数据的相似度的步骤包括：将所述第一图像数据和所述预设图像数据分别导入卷积层进行特征提取；将所述卷积层进行特征提取的两种图像数据导入池化层进行二次特征提取；基于卷积层与池化层的多层次连接，将两种所述图像数据进行多次特征提取，并将提取的特征结果通过哈希算法进行相似度计算。4.根据权利要求1所述的图像数据筛选方法，其特征在于，所述当所述第一图像数据与所述预设图像数据的相似度达到预设值时，将达到预设值的所述第一图像数据输入AI模型进行计算，以得到所述第一图像数据的有价值图像数据的步骤包括：当所述第一图像数据与所述预设图像数据的相似度达到预设值时，采用AI模型将所述第一图像数据的每个图像进行分类；计算每个所述图像与预设图像数据的临界值；将每个所述图像与预设图像数据的临界值与预设临界值进行对比；当所述临界值大于所述预设临界值时，则排除所述图像；当所述临界值小于所述预设临界值时，则确定所述图像为有价值的图像数据。5.根据权利要求4所述的图像数据筛选...

【专利技术属性】
技术研发人员：孙德胜，陈芸，刘俐，张蒂荣，林晓娜，袁克虹，张子豪，
申请(专利权)人：北京大学深圳医院，
类型：发明
国别省市：广东,44