【技术实现步骤摘要】
一种基于深度学习的医疗图像分析诊断辅助系统
本专利技术属于医学
，具体涉及一种基于深度学习的医疗图像分析诊断辅助系统。
技术介绍
借助光学、超声、放射技术获取疑似病灶部位的图像，是现代辅助医生进行医学诊断的有力工具。现有的医疗图像一般通过普通X线拍片机、计算机X线摄影系统、直接数字化X线摄影系统、计算机X线断层扫描、核磁共振、超声波设备等获得。输出的影像数据信息一般为黑白、彩色的2D图形或3D数模数据。现有技术一般是将获得的医疗图像与其他检查结果一并交由医生，由医生根据医疗图像与其他检查结果进行医学诊断。该方法受限于医生的医学经验、学识、记忆、现场判断等因素，对于相对复杂的病情，很可能出现不稳定或错误的诊断结果，不利于病人的后续治疗。
技术实现思路
本专利技术针对现有技术存在的问题，提供了一种基于深度学习的医疗图像分析诊断辅助系统，包括：首先通过医疗图像提取模块从医疗影像设备中获取需要的医疗图像数据。然后通过诊断分析模块对医疗图像数据进行诊断分析，得出医疗图像分析辅助诊断结论。所述诊...
【技术保护点】
1.一种基于深度学习的医疗图像分析诊断辅助系统，其特征在于，包括：首先通过医疗图像提取模块从医疗影像设备中获取需要的医疗图像数据；然后通过诊断分析模块对医疗图像数据进行诊断分析，得出医疗图像分析辅助诊断结论；/n所述诊断分析模块包括：背景数据范围分析、图形对比分析、诊断分析；所述背景数据范围分析包括：首先，根据该医疗图像数据对应的拍摄数据类型，从数据库内进行第一次背景数据缩小；之后，根据该医疗图像数据对应的拍摄部位信息，从数据库内进行第二次背景数据缩小，得到背景数据集；所述图形对比分析基于医疗图像数据和背景数据集进行逐一对比分析，获取与医疗图像数据最接近的背景数据X；所述诊...
【技术特征摘要】
1.一种基于深度学习的医疗图像分析诊断辅助系统，其特征在于，包括：首先通过医疗图像提取模块从医疗影像设备中获取需要的医疗图像数据；然后通过诊断分析模块对医疗图像数据进行诊断分析，得出医疗图像分析辅助诊断结论；
所述诊断分析模块包括：背景数据范围分析、图形对比分析、诊断分析；所述背景数据范围分析包括：首先，根据该医疗图像数据对应的拍摄数据类型，从数据库内进行第一次背景数据缩小；之后，根据该医疗图像数据对应的拍摄部位信息，从数据库内进行第二次背景数据缩小，得到背景数据集；所述图形对比分析基于医疗图像数据和背景数据集进行逐一对比分析，获取与医疗图像数据最接近的背景数据X；所述诊断分析基于背景数据X从数据库中调取相应的医疗诊断模型，对背景数据X进行诊断分析，得到分析辅助诊断结论。
2.根据权利要求1所述基于深度学习的医疗图像分析诊断辅助系统，其特征在于，所述第二次背景数据缩小，得到背景数据集A；所述图形对比分析方法为：首先，以医疗图像数据的一个特定点为原点建立坐标系，并将医疗图像数据形成图片或3D模型，放入该坐标系内，得到数模A；然后，从背景数据集A中选取标准背景图片或3D模型，以相同的特定点为原点，放入该坐标系内，得到数模B；之后，对比数模A和数模B，获取其中的差异部分作为疑似病灶A；而后，将背景数据集A内的背景数据以相同的特定点为原点，逐一形成图片或3D模型，放入该坐标系内，得到数模An；将数模A与数模An逐一对比，获取其中的差异部分作为疑似病灶B；最后，对比疑似病灶A和疑似病灶B的坐标位置进行判断，将符合疑似病灶A预设阈值范围的疑似病灶B所对应的数模An选出，形成背景数据集B，所述背景数据集B作为背景数据X。
3.根据权利要求2所述基于深度学习的医疗图像分析诊断辅助系统，其特征在于，所述特定点根据医疗图像数据类型为2D还是3D进行选取：对于2D图形，以图形的一个端点为特定点；对于3D数模，以数模中心或特定端点为特定点。
4.根据权利要求2所述基于深度学习的医疗图像分析诊断辅助系统，其特征在于，对于2D图形，所述数模对比的方法为：首先将医疗图像数据放入坐标系内，基于医疗图像数据的边际形成对比范围框；然后将背景数据集A内的背景图形数据逐一等比例缩放至范围框内；最后基于相同大小的医疗图像和背景图形进行对比分析。
5.根据权利要求2所述基于深度学习的医疗图像分析诊断辅助系统，其特征在于，对于3D数模，所述数模对比的方法为：首先，从标准3D模型中节选一个特定截面作为参照面；然后将参照面的特定点与坐标系原点重合，参照面与三维坐标系中的一个二维...
【专利技术属性】
技术研发人员：王晓艳，周菁，赵盛萍，
申请(专利权)人：玉溪师范学院，
类型：发明
国别省市：云南;53
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。