【技术实现步骤摘要】
基于AI的影像科医疗影像辅助识别方法及系统
本专利技术涉及智慧医疗
，特别涉及一种医疗影像辅助识别方法及系统。
技术介绍
影像是辅助医生诊断的工具，有数据显示，70％的临床诊断需要借助专业的医学影像。影像医生在人手紧张，同时又要面对大量复杂的影像情况下，难免漏诊误诊。据公开数据显示，中国每年的影像误诊人数约为5700万。此外，患者拍片常需排队预约。目前已有现有技术通过建立人体器官模型及深度神经网络技术，实现了病灶的高识别度。通常医生需要30分钟解读的片子，AI能在几秒之内识别。但是，目前医疗影像AI辅助识别系统中在进行深度神经网络算法识别时，在选择训练样本时，往往只关注了训练样本的数量，而对于训练样本的时间关联关注却并不够，使得很多疾病发病的成因、演变的识别率并不高。
技术实现思路
有鉴于此，本专利技术提供一种基于AI的影像科医疗影像辅助识别方法及系统。一种基于AI的影像科医疗影像辅助识别方法，包括如下步骤：S1、从服务器中提取历史训练样本数据，对历史训练样本数据进行时空关联...
【技术保护点】
1.一种基于AI的影像科医疗影像辅助识别方法，其特征在于，包括如下步骤：/nS1、从服务器中提取历史训练样本数据，对历史训练样本数据进行时空关联性预处理，从而得到带有时间演进特征的训练样本数据集合；/nS2、通过带有时间演进特征的训练样本数据集合来训练网络识别模型；/nS3、通过网络识别模型对待预测医疗影像进行辅助识别，得到待预测医疗影像的辅助识别结果，并将辅助识别结果发送到终端进行展示。/n
【技术特征摘要】
1.一种基于AI的影像科医疗影像辅助识别方法，其特征在于，包括如下步骤：
S1、从服务器中提取历史训练样本数据，对历史训练样本数据进行时空关联性预处理，从而得到带有时间演进特征的训练样本数据集合；
S2、通过带有时间演进特征的训练样本数据集合来训练网络识别模型；
S3、通过网络识别模型对待预测医疗影像进行辅助识别，得到待预测医疗影像的辅助识别结果，并将辅助识别结果发送到终端进行展示。
2.如权利要求1所述的基于AI的影像科医疗影像辅助识别方法，其特征在于，
所述步骤S1包括：
S11、从服务器中提取历史训练样本数据，所述历史训练样本数据包括不同患者在不同时间节点所拍摄的医疗影像资料，并对医疗影像资料根据先验规则进行分割得到各功能区矩阵数据；
S2、将各功能区矩阵数据进行时空关联性预处理得到带有时间维度的图像序列数据，所述图像序列数据即为带有时间演进特征的训练样本数据集合。
3.如权利要求2所述的基于AI的影像科医疗影像辅助识别方法，其特征在于，
所述步骤S11中历史训练样本数据形式如下：
P＝M×N×T；其中，每张图像大小为M×N，图像的时间维度为T，1≤m≤M，1≤n≤N，1≤t≤T，P(m,n,t)表示时间点为t的医疗影像图像在位置(m,n)处的灰度值；
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。