【技术实现步骤摘要】
一种医学影像识别方法和装置
本专利技术涉及图像处理
，特别涉及一种医学影像识别方法和装置。
技术介绍
类风湿关节炎(rheumatoidarthritis，以下简称为RA)是一种以手、足小关节的多关节、对称性、侵袭性关节炎症为主要表现的全身性免疫风湿慢性疾病，发病机制尚未明确。随着科技的发展，人们逐渐将人工智能技术引入医疗领域，为医疗行业赋能。当前医疗行业中人工智能应用较为成熟的
主要集中在肺结节(癌)、宫颈癌等疾病的影像方面，在RA的医疗影像的应用仍较少。然而由于RA最高达标治疗率不高、基层医生RA诊疗水平较低，恰恰需要临床诊疗决策系统支持，需要将人工智能成熟及前沿技术与RA诊疗深度融合来提高RA误诊率。
技术实现思路
有鉴于此，本申请提供一种医学影像识别方法和装置，能够在降低人力成本的基础上，降低RA误诊率。为解决上述技术问题，本申请的技术方案是这样实现的：在一个实施例中，提供了一种医学影像识别方法，所述方法包括：获取人体所有关节部位的医学影像；
【技术保护点】
1.一种医学影像识别方法，其特征在于，所述方法包括：/n获取人体所有关节部位的医学影像；/n基于预设识别文件识别所述医学影像中的异常关节，以及所述异常关节在所述医学影像中的位置；/n根据所述异常关节在所述医学影像中的位置确定异常关节的类型；/n基于类风湿关节炎RA分类标准和评分系统，以及不同类型的异常关节的数量确定第一因素得分；/n根据所述第一因素得分确定所述医学影像是否为RA医学影像。/n
【技术特征摘要】
1.一种医学影像识别方法，其特征在于，所述方法包括：
获取人体所有关节部位的医学影像；
基于预设识别文件识别所述医学影像中的异常关节，以及所述异常关节在所述医学影像中的位置；
根据所述异常关节在所述医学影像中的位置确定异常关节的类型；
基于类风湿关节炎RA分类标准和评分系统，以及不同类型的异常关节的数量确定第一因素得分；
根据所述第一因素得分确定所述医学影像是否为RA医学影像。
2.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
生成初始识别文件；
获取标注的医学影像作为样本；
基于所述样本对所述初始识别文件进行训练生成所述预设识别文件。
3.根据权利要求1所述的方法，其特征在于，关节的类型包括：中大关节和指关节。
4.根据权利要求1所述的方法，其特征在于，所述基于预设识别文件识别所述医学影像中的异常关节，以及所述异常关节在所述医学影像中的位置之后，所述方法进一步包括：
将识别出的异常关节在医学影像对应位置显示；
若接收到将异常关节修改该为正常关节的指令时，将所述指令所指定的异常关节修改为正常关节；
若接收到将正常关节修改该为异常关节的指令时，将所述指令所指定的正常关节修改为异常关节。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一因素得分确定所述医学影像是否为RA医学影像，包括：
当所述第一因素得分大于第一预设阈值时，确定所述医学影像为RA医学影像；否则，确定所述医学影像不为RA医学影像。
6.根据权利要求1所述的方法，其特征...
【专利技术属性】
技术研发人员：孙明俊，郑明智，刘硕，石霖，谢志军，黄琳，曹峰，
申请(专利权)人：中国信息通信研究院，南京新一代人工智能研究院有限公司，
类型：发明
国别省市：北京;11
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。