脑出血点智能检测方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术涉及一种人工智能技术，揭露了一种脑出血点智能检测方法，包括：获取脑部医疗影像集并基于参数调整算法得到可读脑部图像集，将所述可读脑部图像集分为训练集和测试集，将所述训练集输入至原始脑部出血点检测模型中训练得到脑部出血点检测模型，将所述测试集输入至所述脑部出血点检测模型得到测试值，直至所述测试值满足预设要求，所述脑部出血点检测模型完成所述训练，接收脑部图片，将所述脑部图片输入至所述脑部出血点检测模型得到脑部出血点坐标，基于出血点操作平台和所述脑部出血点坐标进行编辑整理输出脑部出血点。本发明专利技术还提出一种脑出血点智能检测装置以及一种计算机可读存储介质。本发明专利技术可以实现精准高效的脑出血点检测功能。

Intelligent detection method, device and computer readable storage medium of cerebral hemorrhage

【技术实现步骤摘要】
脑出血点智能检测方法、装置及计算机可读存储介质
本专利技术涉及人工智能
，尤其涉及一种脑出血点智能检测的方法、装置及计算机可读存储介质。
技术介绍
目前市面上对于脑部出血点检测的操作平台不够完善，且多数基于传统图像检测算法，具有检测效率低，检测准确率低等原因，故而不能很好辅助医生快速找到出血点，导致患者因出血点不能快速定位而延误治疗。
技术实现思路
本专利技术提供一种脑出血点智能检测方法、装置及计算机可读存储介质，其主要目的在于根据用户的查询要求而进行脑出血点智能检测。为实现上述目的，本专利技术提供的一种脑出血点智能检测方法，包括：获取脑部医疗影像集，并基于脑出血的性质对所述脑部医疗影像集进行提纯操作和格式转换，生成原始可读脑部图像集；基于预先构建的参数调整算法调整所述原始可读脑部图像集得到可读脑部图像集；将所述可读脑部图像集分为训练集和测试集，将所述训练集输入至预先构建的原始脑部出血点检测模型中训练得到脑部出血点检测模型，将所述测试集输入至所述脑部出血点检测模型得到测试值，若所述测试值小于预设阈值，所述脑部出血点检测模型接收所述训练集继续训练，若所述测试值大于预设阈值，所述脑部出血点检测模型完成所述训练；接收用户输入的脑部图片，将所述脑部图片输入至所述脑部出血点检测模型得到脑部出血点坐标，基于预先构建的出血点操作平台和所述脑部出血点坐标进行编辑整理输出脑部出血点。可选地，所述格式转换的计算方法为：其中，v为所述脑部医疗影像集的图像存储值，G为计算机操作平台上的显示值，gm为计算机显示器显示的最大位图文件为255，w为所述脑部医疗影像集的窗宽，c为所述脑部医疗影像集的窗位。可选地，所述参数调整算法包括向量生成函数、图像提取函数、图像显示函数和灰度拉伸函数；所述基于预先构建的参数调整算法调整所述原始可读脑部图像集得到可读脑部图像集的窗宽窗位，包括：基于所述向量生成函数，将所述原始可读脑部图像集的像素数据存储到无符号整型数组，并将所述无符号整型数组转变为向量集；根据所述图像提取函数从所述向量集中提取脑出血图像数据，并基于所述图像显示函数进行图像显示；根据所述图像显示结果，调用所述灰度拉伸函数进行参数调节得到调节后的可读脑部图像集。可选地，将所述训练集输入至预先构建的原始脑部出血点检测模型中训练得到脑部出血点检测模型，包括：将所述训练集进行脑部出血点标记，得到真实出血点标记坐标集；初始化所述原始脑部出血点检测模型的模型参数；将所述训练集输入至所述原始脑部出血点检测模型中，所述原始脑部出血点检测模型根据所述训练集不断调整所述模型参数并输出预测出血点标记坐标集；判断所述预测出血点标记坐标集与所述真实出血点标记坐标集的误差是否小于预设误差，若大于所述预设误差，所述原始脑部出血点检测模型继续调整所述模型参数，若小于所述预设误差，完成所述训练得到所述脑部出血点检测模型。可选地，所述提纯操作包括：自动化标定所述脑部医疗影像集中脑组织区域、脑脊液、脑室及外侧颅骨；提取出所述脑部医疗影像集中所述脑组织区域为浅灰色、所述脑脊液及所述脑室为黑色、所述外侧颅骨为白色的图片集。此外，为实现上述目的，本专利技术还提供一种脑出血点智能检测装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的脑出血点智能检测程序，所述脑出血点智能检测程序被所述处理器执行时实现如下步骤：获取脑部医疗影像集，并基于脑出血的性质对所述脑部医疗影像集进行提纯操作和格式转换，生成原始可读脑部图像集；基于预先构建的参数调整算法调整所述原始可读脑部图像集得到可读脑部图像集；将所述可读脑部图像集分为训练集和测试集，将所述训练集输入至预先构建的原始脑部出血点检测模型中训练得到脑部出血点检测模型，将所述测试集输入至所述脑部出血点检测模型得到测试值，若所述测试值小于预设阈值，所述脑部出血点检测模型接收所述训练集继续训练，若所述测试值大于预设阈值，所述脑部出血点检测模型完成所述训练；接收用户输入的脑部图片，将所述脑部图片输入至所述脑部出血点检测模型得到脑部出血点坐标，基于预先构建的出血点操作平台和所述脑部出血点坐标进行编辑整理输出脑部出血点。可选地，所述格式转换的计算方法为：其中，v为所述脑部医疗影像集的图像存储值，G为计算机操作平台上的显示值，gm为计算机显示器显示的最大位图文件为255，w为所述脑部医疗影像集的窗宽，c为所述脑部医疗影像集的窗位。可选地，所述参数调整算法包括向量生成函数、图像提取函数、图像显示函数和灰度拉伸函数；所述基于预先构建的参数调整算法调整所述原始可读脑部图像集得到可读脑部图像集的窗宽窗位，包括：基于所述向量生成函数，将所述原始可读脑部图像集的像素数据存储到无符号整型数组，并将所述无符号整型数组转变为向量集；根据所述图像提取函数从所述向量集中提取脑出血图像数据，并基于所述图像显示函数进行图像显示；根据所述图像显示结果，调用所述灰度拉伸函数进行参数调节得到调节后的可读脑部图像集。可选地，将所述训练集输入至预先构建的原始脑部出血点检测模型中训练得到脑部出血点检测模型，包括：将所述训练集进行脑部出血点标记，得到真实出血点标记坐标集；初始化所述原始脑部出血点检测模型的模型参数；将所述训练集输入至所述原始脑部出血点检测模型中，所述原始脑部出血点检测模型根据所述训练集不断调整所述模型参数并输出预测出血点标记坐标集；判断所述预测出血点标记坐标集与所述真实出血点标记坐标集的误差是否小于预设误差，若大于所述预设误差，所述原始脑部出血点检测模型继续调整所述模型参数，若小于所述预设误差，完成所述训练得到所述脑部出血点检测模型。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有脑出血点智能检测程序，所述脑出血点智能检测程序可被一个或者多个处理器执行，以实现如上所述的脑出血点智能检测方法的步骤。本专利技术通过获取到的脑部医疗影像集进行提纯操作和格式转换，减少了噪点对后期分析的影响，同时压缩了所述脑部医疗影像集大小，提高了出血点的检测效率，进一步地根据参数调整算法将所述脑部医疗影像集调整为计算机可读图像，加大了检测效率，同时通过脑部出血点检测模型的训练，将所述脑部出血点检测模型具备了出血点检测能力。因此本专利技术提出的脑出血点智能检测方法、装置及计算机可读存储介质，可以实现精准高效的出血点检测功能。附图说明图1为本专利技术一实施例提供的脑出血点智能检测方法的流程示意图；图2为本专利技术一实施例提供的脑出血点智能检测装置的内部结构示意图；图3为本专利技术一实施例提供的脑出血点智能检测装置中脑出血点智能检测程序的模块示意图。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。具体实施本文档来自技高网...

【技术保护点】
1.一种脑出血点智能检测方法，其特征在于，所述方法包括：/n获取脑部医疗影像集，并基于脑出血的性质对所述脑部医疗影像集进行提纯操作和格式转换，生成原始可读脑部图像集；/n基于预先构建的参数调整算法调整所述原始可读脑部图像集得到可读脑部图像集；/n将所述可读脑部图像集分为训练集和测试集，将所述训练集输入至预先构建的原始脑部出血点检测模型中训练得到脑部出血点检测模型，将所述测试集输入至所述脑部出血点检测模型得到测试值，若所述测试值小于预设阈值，所述脑部出血点检测模型接收所述训练集继续训练，若所述测试值大于预设阈值，所述脑部出血点检测模型完成所述训练；/n接收用户输入的脑部图片，将所述脑部图片输入至所述脑部出血点检测模型得到脑部出血点坐标，基于预先构建的出血点操作平台和所述脑部出血点坐标进行编辑整理输出脑部出血点。/n

【技术特征摘要】
1.一种脑出血点智能检测方法，其特征在于，所述方法包括：
获取脑部医疗影像集，并基于脑出血的性质对所述脑部医疗影像集进行提纯操作和格式转换，生成原始可读脑部图像集；
基于预先构建的参数调整算法调整所述原始可读脑部图像集得到可读脑部图像集；
将所述可读脑部图像集分为训练集和测试集，将所述训练集输入至预先构建的原始脑部出血点检测模型中训练得到脑部出血点检测模型，将所述测试集输入至所述脑部出血点检测模型得到测试值，若所述测试值小于预设阈值，所述脑部出血点检测模型接收所述训练集继续训练，若所述测试值大于预设阈值，所述脑部出血点检测模型完成所述训练；
接收用户输入的脑部图片，将所述脑部图片输入至所述脑部出血点检测模型得到脑部出血点坐标，基于预先构建的出血点操作平台和所述脑部出血点坐标进行编辑整理输出脑部出血点。


2.如权利要求1所述的脑出血点智能检测方法，其特征在于，所述格式转换的计算方法为：



其中，v为所述脑部医疗影像集的图像存储值，G为计算机操作平台上的显示值，gm为计算机显示器显示的最大位图文件为255，w为所述脑部医疗影像集的窗宽，c为所述脑部医疗影像集的窗位。


3.如权利要求1所述的脑出血点智能检测方法，其特征在于，所述参数调整算法包括向量生成函数、图像提取函数、图像显示函数和灰度拉伸函数；
所述基于预先构建的参数调整算法调整所述原始可读脑部图像集得到可读脑部图像集，包括：
基于所述向量生成函数，将所述原始可读脑部图像集的像素数据存储到无符号整型数组，并将所述无符号整型数组转变为向量集；
根据所述图像提取函数从所述向量集中提取脑出血图像数据，并基于所述图像显示函数进行图像显示；
根据所述图像显示结果，调用所述灰度拉伸函数进行参数调节得到调节后的可读脑部图像集。


4.如权利要求1所述的脑出血点智能检测方法，其特征在于，将所述训练集输入至预先构建的原始脑部出血点检测模型中训练得到脑部出血点检测模型，包括：
将所述训练集进行脑部出血点标记，得到真实出血点标记坐标集；
初始化所述原始脑部出血点检测模型的模型参数；
将所述训练集输入至所述原始脑部出血点检测模型中，所述原始脑部出血点检测模型根据所述训练集不断调整所述模型参数并输出预测出血点标记坐标集；
判断所述预测出血点标记坐标集与所述真实出血点标记坐标集的误差是否小于预设误差，若大于所述预设误差，所述原始脑部出血点检测模型继续调整所述模型参数，若小于所述预设误差，完成所述训练得到所述脑部出血点检测模型。


5.如权利要求1至4中任意一项所述的脑出血点智能检测方法，其特征在于，所述提纯操作包括：
自动化标定所述脑部医疗影像集中脑组织区域、脑脊液、脑室及外侧颅骨；
提取出所述脑部医疗影像集中所述脑组织区域为浅灰色、所述脑脊液及所述脑室为黑色、所述外侧颅骨为白色的图片集。


6.一种脑出血点智能检测装...

【专利技术属性】
技术研发人员：杨光，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44