【技术实现步骤摘要】
人工智能的深度学习方法及基于人工智能的医学放射影像胸部摄片的质量控制方法
本专利技术公开涉及人工智能的
,尤其涉及一种人工智能的深度学习方法及基于人工智能的医学放射影像胸部摄片的质量控制方法。
技术介绍
胸片就是胸部的χ片,在胸片拍摄时,受检者取站立位,一般在平静吸气下摒气投照。心血管的常规胸片检查包括:后前正位(焦-片距离200cm)、左前斜位(60°~65°)、右前斜位(45°~55°)和左侧位照片。正位胸片能显示出心脏大血管的大小、形态、位置和轮廓,能观察心脏与毗邻器官的关系和肺内血管的变化,可用于心脏及其径线的测量。左前斜位片显示主动脉的全貌和左右心室及右心房增大的情况。右前斜位片有助于观察左心房增大、肺动脉段突出和右心室漏斗部增大的变化。左侧位片能观察心、胸的前后径和胸廓畸形等情况,对主动脉瘤与纵隔肿物的鉴别及定位尤为重要。由于胸片是作为医生进行疾病诊断的重要依据,因此,每次拍摄后的胸片必须进行人工质控,质控人员依据医学业务规则以及对于胸片的肉眼观察,确定该胸片是否为合格胸片。现有的人工质控方法,虽然可以实现胸片摄片的质量控制,但是人工鉴定效率低,而且不同的质控人员对于标准的理解差异较大,导致质控标准不统一,影响质控的可靠性。随着人工智能的快速发展,是否可以通过人工智能实现胸片摄片的质控,以解决人工质控存在的效率低、标准不统一的问题,成为人们亟待解决的问题。
技术实现思路
鉴于此,本专利技术公开了一种人工智能的深度学习方法及基于人工智能的医学放射影像胸部摄片的质量控制方法,以至少解决人工质控存在的效率低、标准不统一等问题。本专利技术一方面提供了 ...
【技术保护点】
1.一种人工智能的深度学习方法,其特征在于,包括如下步骤:1)将输入的学习数据进行M次卷积池化运算,其中,每次卷积池化运算均是基于上一次卷积池化运算获得的数据进行的;2)对第M次卷积池化运算获得的数据进行上采样,获得采样数据;3)将第M‑1次卷积池化运算获得的数据进行注意力权重计算,并使用获得的权重处理第M次卷积池化操作对应的上采样结果,获得处理后数据;4)将所述处理后数据与所述上采样数据进行拼接卷积运算后,再次上采样,获得采样数据;5)将第M‑2次卷积池化运算获得的数据进行注意力权重计算,并使用获得的权重处理第M‑1次卷积池化操作对应的上采样结果,获得处理后数据;6)重复步骤4)、5),每重复一次M减1,直至将第1次卷积池化运算获得的数据进行注意力权重计算,并使用获得权重对最后一次的上采样数据进行处理,将处理后的数据与采样数据进行拼接卷积运算,获得最终的数据,进行步骤7);7)依据步骤6)中获得的最终数据,采用Adam优化器,对上述各步骤中的参数进行调整;8)重复步骤1)~步骤7),直至每个步骤中的参数值都调整在适当的范围内,满足学习要求,完成学习;其中,M为大于等于2的自然数。
【技术特征摘要】
1.一种人工智能的深度学习方法,其特征在于,包括如下步骤:1)将输入的学习数据进行M次卷积池化运算,其中,每次卷积池化运算均是基于上一次卷积池化运算获得的数据进行的;2)对第M次卷积池化运算获得的数据进行上采样,获得采样数据;3)将第M-1次卷积池化运算获得的数据进行注意力权重计算,并使用获得的权重处理第M次卷积池化操作对应的上采样结果,获得处理后数据;4)将所述处理后数据与所述上采样数据进行拼接卷积运算后,再次上采样,获得采样数据;5)将第M-2次卷积池化运算获得的数据进行注意力权重计算,并使用获得的权重处理第M-1次卷积池化操作对应的上采样结果,获得处理后数据;6)重复步骤4)、5),每重复一次M减1,直至将第1次卷积池化运算获得的数据进行注意力权重计算,并使用获得权重对最后一次的上采样数据进行处理,将处理后的数据与采样数据进行拼接卷积运算,获得最终的数据,进行步骤7);7)依据步骤6)中获得的最终数据,采用Adam优化器,对上述各步骤中的参数进行调整;8)重复步骤1)~步骤7),直至每个步骤中的参数值都调整在适当的范围内,满足学习要求,完成学习;其中,M为大于等于2的自然数。2.根据权利要求1所述人工智能的深度学习方法,其特征在于,步骤3)以及步骤5)中所述注意力权重所用公式具体为:wi=∑r∈m,c∈nvr,c/(m*n),i∈channel(1);W=[wi],i∈channel(2);W=softmax(W)(3);其中,channel是输入通道,i是输入通道的索引,m是矩阵的行数,n是矩阵的列数,r是矩阵行的索引,c是矩阵列的索引。3.根据权利要求1所述人工智能的深度学习方法,其特征在于,所述输入的学习数据为矩阵。4.根据权利要求1所述人工智能的深度学习方法,其特征在于,所述上采样的方法为:将卷积池化运算获得的数据通过反卷积进行维度扩增,获得扩增后数据即为上采样数据。5.一种基于人工智能的医学放射影像胸部摄片的质量控制方法,其特征在于,包括如下步骤:启动人工智能模型进行胸片的深度学习,直至学习完成;提取已拍摄胸片中的图像数据,并对提取的图像数据进行预处理,获得处理后数据;将所述处理后的数据由人工智能模型进行鉴定,获得鉴定结果;根据医学业务规则和所述鉴定结果,输出所述已拍摄胸片的质控鉴定。6.根据权利要求5所述基于人工智能的医学放射影像胸部摄片的质量控制方法,其特征在于,所述启动人工...
【专利技术属性】
技术研发人员:刘景鑫,王静石,莫展豪,张宇,田中生,张忠,祖莅惠,史申,刘婉华,肖长斌,
申请(专利权)人:辽宁万象联合医疗科技有限公司,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。