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

本发明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，该人工智能的深度学习方法，采用两个并行的分支处理输入数据，一个分支的各个层均按照输入数据的原有语义结构进行处理；另一个分支的各个层都将语义混合后的输出数据传递给下一层，作为其输入数据，当两个分支处理结束后，将两个分支的处理结果融合在一起，得到最后的结果，该深度学习方法同时采用两种方法进行学习数据的学习，使得学习内容更综合，达到深度学习的目的；质量控制方法中，通过采用上述深度学习方法进行学习的模型进行医学放射影像胸部摄片的质量控制，具有效率高、标准统一等优点。

Deep learning method of artificial intelligence and quality control method of chest radiography based on Artificial Intelligence

【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
影像学检查是当今医学领域的重要组成部分，随着X线摄影技术的发展与普及，越来越多的医疗机构引进了X线设备，特别是DR设备，被广泛地应用于各个医疗机构的多种业务场景。其中，正位胸片常规摄片是最为常见的，数量最多的。因此，正位胸片常规摄片的质控工作量极大。目前，正位胸片常规摄片质控主要以人工质控为主。而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，而且由于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，本专利技术提供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本文档来自技高网...

【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：/n1)将输入的学习数据进行一次或多次卷积池化运算后，获得处理后数据；/n2)获取步骤1)中处理后数据，并将所述处理后数据进行多次卷积池化运算后，获得第一分支数据；/n3)获取步骤1)中处理后数据，并将所述处理后数据进行多次卷积池化运算，其中，每次卷积池化运算后均进行混合运算，并将混合运算后的数据，作为下一卷积池化运算的输入数据，直至最后一次卷积池化运算以及混合运算结束后，获得第二分支数据；/n4)将步骤2)中的第一分支数据和步骤3)中的第二分支数据进行融合，获得最终数据，采用Adam优化器，对上述各步骤中的参数进行调整；/n5)重复步...

【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一次或多次卷积池化运算后，获得处理后数据；
2)获取步骤1)中处理后数据，并将所述处理后数据进行多次卷积池化运算后，获得第一分支数据；
3)获取步骤1)中处理后数据，并将所述处理后数据进行多次卷积池化运算，其中，每次卷积池化运算后均进行混合运算，并将混合运算后的数据，作为下一卷积池化运算的输入数据，直至最后一次卷积池化运算以及混合运算结束后，获得第二分支数据；
4)将步骤2)中的第一分支数据和步骤3)中的第二分支数据进行融合，获得最终数据，采用Adam优化器，对上述各步骤中的参数进行调整；
5)重复步骤1)～步骤4)，直至每个步骤中的参数值都调整在适当范围内，满足学习要求，完成学习。


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，所述步骤1)中每次卷积池化运算后均进行混合运算，并将混合运算后的数据作为下一卷积池化运算的输入数据，直至最后一次卷积池化运算以及混合运算结束后，获得处理后数据。


3.根据权利要求1或2所述人工智能的深度学习方法，其特征在于，所述混合运算的公式，具体为：









其中，公式(1)计算输入矩阵的通道数，为网络中层的输入数据；
公式(2)计算[1,Clen]范围内的随机数列，范围内的每个数仅出现一次，且均为整数，步长为1，seed为随机种子，可以取当前时间，保证每次产生的随机数列是不同的；
公式(3)根据公式(2)得到的随机数列对按照通道重新排序，即将中的i通道移动到中i所在的位置。


4.根据权利...

【专利技术属性】
技术研发人员：刘景鑫，王静石，莫展豪，郝富德，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，吉林大学，
类型：发明
国别省市：辽宁;21