基于人工智能的图像搜索方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种基于人工智能的图像搜索方法、装置、设备及介质。该基于人工智能的图像搜索方法包括：获取图像搜索请求，图像搜索请求包括目标用户标识、与目标用户标识相对应的原始CT图和原始危及器官勾画图；将原始CT图和原始危及器官勾画图输入剂量分析模型，生成与目标用户标识对应的原始剂量分布图；对原始剂量分布图进行配准处理，获取标准剂量分布图；将标准剂量分布图输入图像搜索模型，获取目标用户标识对应的目标特征向量；基于目标特征向量查询放疗计划数据库，获取与目标特征向量相匹配的目标剂量分布图。该基于人工智能的图像搜索方法可提高目标剂量分布图的获取效率和准确度。

Image search method, device, equipment and media based on Artificial Intelligence

【技术实现步骤摘要】
基于人工智能的图像搜索方法、装置、设备及介质
本专利技术涉及医学图像处理
，尤其涉及一种基于人工智能的图像搜索方法、装置、设备及介质。
技术介绍
肿瘤放射放疗(简称放疗)是利用放射线如放射性同位素产生的α、β、γ射线和各类x射线放疗机或加速器产生的x射线、电子线、质子束及其它粒子束等放疗恶性肿瘤的一种局部放疗方法。在放疗过程中，需基于剂量分布图设计放疗计划，以便基于该放疗计划进行放疗。在放疗计划设计中，剂量分布图通常由医师和物理师手工操作，由于目标器官与周围组织的相似性高，处方剂量水平多样化，并且目标器官附近有许多敏感的关键结构，往往需要很长的时间来确定，放疗计划的好坏依赖于医师和物理师的临床经验和医学知识，制作过程工作量大，效率低下，主观性较强，差异性较大。随着计算机技术的发展，已有学者们提出了利用深度学习训练的模型自动生成可应用于患者进行放疗的剂量分布图，但此时生成的剂量分布图往往忽略器官间空间位置关系，精确度不高，使得其在临床应用的参考价值不高。
技术实现思路
本专利技术实施例提供一种基于人工智能的图像搜索方法、装置、设备及介质，以解决当前放疗剂量分布图获取效率较低或者精确度不高的问题。一种基于人工智能的图像搜索方法，包括：获取图像搜索请求，所述图像搜索请求包括目标用户标识、与所述目标用户标识相对应的原始CT图和原始危及器官勾画图；将所述原始CT图和所述原始危及器官勾画图输入剂量分析模型，生成与所述目标用户标识对应的原始剂量分布图；对所述原始剂量分布图进行配准处理，获取标准剂量分布图；将所述标准剂量分布图输入图像搜索模型，获取所述目标用户标识对应的目标特征向量；基于所述目标特征向量查询放疗计划数据库，获取与所述目标特征向量相匹配的目标剂量分布图。一种基于人工智能的图像搜索装置，包括：图像搜索请求获取模块，用于获取图像搜索请求，所述图像搜索请求包括目标用户标识、与所述目标用户标识相对应的原始CT图和原始危及器官勾画图；原始剂量分布图获取模块，用于将所述原始CT图和所述原始危及器官勾画图输入剂量分析模型，生成与所述目标用户标识对应的原始剂量分布图；标准剂量分布图获取模块，用于对所述原始剂量分布图进行配准处理，获取标准剂量分布图；目标特征向量获取模块，用于将所述标准剂量分布图输入图像搜索模型，获取所述目标用户标识对应的目标特征向量；目标剂量分布图获取模块，用于基于所述目标特征向量查询放疗计划数据库，获取与所述目标特征向量相匹配的目标剂量分布图。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于人工智能的图像搜索方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人工智能的图像搜索方法的步骤。上述基于人工智能的图像搜索方法、装置、设备及介质，获取图像搜索请求中的原始CT图和原始危及器官勾画图，将所述原始CT图和所述原始危及器官勾画图输入剂量分析模型，生成原始剂量分布图，为图像搜索提供技术支持。对所述原始剂量分布图进行配准处理，获取标准剂量分布图，以消除不同个体间的差异，从而达到信息融合的目的，将所述标准剂量分布图输入图像搜索模型，获取所述目标用户标识对应的目标特征向量，基于所述目标特征向量查询放疗计划数据库，获取与所述目标特征向量相匹配的目标剂量分布图，以便服务器根据目标剂量分布图在目标放疗计划数据库中查找关联存储的历史放疗计划，并发送给客户端，以便临床医生根据历史放疗计划制定目标放疗计划，提高目标放疗计划的制定效率和精确度。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中基于人工智能的图像搜索方法的一应用环境示意图；图2是本专利技术一实施例中基于人工智能的图像搜索方法的一流程图；图3是本专利技术一实施例中基于人工智能的图像搜索方法的另一流程图；图4是本专利技术一实施例中基于人工智能的图像搜索方法的另一流程图；图5是本专利技术一实施例中基于人工智能的图像搜索方法的另一流程图；图6是本专利技术一实施例中基于人工智能的图像搜索方法的另一流程图；图7是本专利技术一实施例中基于人工智能的图像搜索方法的另一流程图；图8是本专利技术一实施例中基于人工智能的图像搜索方法的另一流程图；图9是本专利技术一实施例中基于人工智能的图像搜索装置的一示意图；图10是本专利技术一实施例中计算机设备的一示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供的基于人工智能的图像搜索方法，该基于人工智能的图像搜索方法可应用如图1所示的应用环境中。具体地，该基于人工智能的图像搜索方法应用在图像搜索系统中，该图像搜索系统包括如图1所示的客户端和服务器，客户端与服务器通过网络进行通信，用于实现对目标用户标识对应的原始原始CT图和原始危及器官勾画图生成进行处理，生成标准剂量分布图，通过图像搜索模型快速搜索到与标准剂量分布图相似的历史配准分布图作为目标剂量分布图，以提高目标剂量分布图的获取效率和准确度，从而为临床医生制定目标放疗计划做参考。该目标放疗计划是用于针对目标用户制定的放疗计划。其中，客户端又称为用户端，是指与服务器相对应,为客户提供本地服务的程序。客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备上。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一实施例中，如图2所示，提供一种基于人工智能的图像搜索方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：S201：获取图像搜索请求，图像搜索请求包括目标用户标识、与目标用户标识相对应的原始CT图和原始危及器官勾画图。其中，目标用户是指进行检测确定肿瘤分布情况，以便临床医生制定目标放疗计划的用户。目标放疗计划是针对目标用户制定的放疗计划，一个用户对应一个放疗计划。目标用户标识是用于唯一识别目标用户的标识，例如，目标用户标识可以是目标用户的姓名和目标用户的身份证号等。原始CT图是目标用户通过CT扫描获得的图像。CT(ComputedTomography，即电子计算机断层扫描)，是用X射线束对人体被检查部位所在的层面进行扫描，由探测器接收透过该层面的X射线，转变为可见光后，由光电转换变为电信号，再经模拟/数字本文档来自技高网...

【技术保护点】
1.一种基于人工智能的图像搜索方法，其特征在于，包括：/n获取图像搜索请求，所述图像搜索请求包括目标用户标识、与所述目标用户标识相对应的原始CT图和原始危及器官勾画图；/n将所述原始CT图和所述原始危及器官勾画图输入剂量分析模型，生成与所述目标用户标识对应的原始剂量分布图；/n对所述原始剂量分布图进行配准处理，获取标准剂量分布图；/n将所述标准剂量分布图输入图像搜索模型，获取所述目标用户标识对应的目标特征向量；/n基于所述目标特征向量查询放疗计划数据库，获取与所述目标特征向量相匹配的目标剂量分布图。/n

【技术特征摘要】
1.一种基于人工智能的图像搜索方法，其特征在于，包括：
获取图像搜索请求，所述图像搜索请求包括目标用户标识、与所述目标用户标识相对应的原始CT图和原始危及器官勾画图；
将所述原始CT图和所述原始危及器官勾画图输入剂量分析模型，生成与所述目标用户标识对应的原始剂量分布图；
对所述原始剂量分布图进行配准处理，获取标准剂量分布图；
将所述标准剂量分布图输入图像搜索模型，获取所述目标用户标识对应的目标特征向量；
基于所述目标特征向量查询放疗计划数据库，获取与所述目标特征向量相匹配的目标剂量分布图。


2.如权利要求1所述的基于人工智能的图像搜索方法，其特征在于，在所述将所述标准剂量分布图输入图像搜索模型，获取所述目标用户标识对应的目标特征向量之前，所述基于人工智能的图像搜索方法还包括：
获取第一历史用户标识的历史用户图像数据，所述历史用户图像数据包括历史CT图、历史危及器官勾画图和历史剂量分布图；
将第一历史用户标识对应的历史CT图和历史危及器官勾画图输入到剂量分析模型，获取所述第一历史用户标识对应的分析剂量分布图；
基于第一历史用户标识对应的历史剂量分布图和分析剂量分布图，获取历史配准分布图和分析配准分布图；
查询图像数据库，基于其他历史用户标识的历史剂量分布图，确定所述第一历史用户标识对应的对比剂量分布图；
将所述第一历史用户标识对应的历史配准分布图、分析配准分布图和对比剂量分布图作为训练样本；
将所述训练样本输入基于三元损失函数的卷积神经网络进行模型训练，获取图像搜索模型。


3.如权利要求2所述的基于人工智能的图像搜索方法，其特征在于，所述基于第一历史用户标识对应的历史剂量分布图和分析剂量分布图，获取历史配准分布图和分析配准分布图，包括：
采用图像配准算法将所述第一历史用户标识对应的历史CT图与标准CT图进行配准，获取历史配准参数；
基于所述历史配准参数对历史剂量分布图和分析剂量分布图进行图像配准，获取历史配准分布图和分析配准分布图。


4.如权利要求2所述的基于人工智能的图像搜索方法，其特征在于，所述查询图像数据库，基于其他历史用户标识的历史剂量分布图，确定所述第一历史用户标识对应的对比剂量分布图，包括：
基于所述第一历史用户标识对应的历史配准分布图确定靶区部位；
基于所述靶区部位查询图像数据库，获取与所述历史配准分布图相似度小于第一预设阈值的对比剂量分布图。


5.如权利要求2所述的基于人工智能的图像搜索方法，其特征在于，所述查询图像数据库，基于其他历史用户标识的历史剂量分布图，确定所述第一历史用户标识对应的对比剂量分布图，包括：
从图像数据库获取第二历史用户标识对应的历史配准分布图；
基于所述第一历史用...

【专利技术属性】
技术研发人员：张晓颖，王季勇，
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