一种基于深度学习的小肠核磁共振影像图像识别和生理学信息提取系统及方法技术方案

本发明专利技术涉及一种基于深度学习的小肠核磁共振影像图像识别和生理学信息提取系统和方法，系统包括小肠核磁共振影像、样本数据库、图像分割模块、图像分析模块和结果输出模块，小肠核磁共振影像用于获得原始图像；样本数据库用于得到识别图像；图像分割模块用于得到归一化的标准尺寸图像序列；图像分析模块用于得到原始图像中小肠直径尺寸；结果输出模块用于对原始图像中小肠直径尺寸和位置信息进行结果输出。本发明专利技术提供的基于深度学习的小肠核磁共振影像图像识别和生理学信息提取系统及方法，实现了像素级评价指标来评估输出结果，提升了小肠诊断过程中的准确性。小肠诊断过程中的准确性。小肠诊断过程中的准确性。

【技术实现步骤摘要】
一种基于深度学习的小肠核磁共振影像图像识别和生理学信息提取系统及方法


[0001]本专利技术涉及计算机和医学领域，特别是涉及一种基于深度学习的小肠核磁共振影像图像识别和生理学信息提取系统及方法。

技术介绍

[0002]如今，随着人工智能的快速发展，智能医疗领域也得到了迅速的发展。其中，基于核磁共振影像展开的智能识别与诊断技术在医疗领域取得了广泛应用。
[0003]小肠在消化食物和吸收营养方面起着重要作用。小肠的蠕动功能对于混合、研磨和运输肠内容物是必不可少的。肠胃病学家经常观察这些运动数据，以确定病人是否有患克罗恩病等胃肠疾病的危险。为了评估小肠的蠕动能力，有几种放射学方法，如磁共振成像。根据观察方法，可以生成各种类型的数据，通常是图像，这些数据提供了关于小肠内部状态的丰富信息。传统的放射科医生利用这些数据和手工测量来评估小肠蠕动，这是低效率的。一些研究人员一直在探索模仿人类专家工作的自动方法。近年来，随着深度学习的发展，一些神经网络结构已经有效地复制了这项工作，甚至在某些医学领域超过了实际的放射科医生。
[0004]当前，小肠本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的小肠核磁共振影像图像识别和生理学信息提取系统，其特征在于，包括小肠核磁共振影像、样本数据库、图像分割模块、图像分析模块和结果输出模块，其中：小肠核磁共振影像：用于对肠道区域图像采集后获得原始图像；样本数据库：用于对原始图像采用监督学习方法进行识别处理得到识别图像；图像分割模块：用于将识别图像进行切片处理得到归一化的标准尺寸图像序列；图像分析模块：用于将标准尺寸图像序列进行卷积操作和注意力编解码变换后计算得到原始图像中小肠直径尺寸；结果输出模块：用于对原始图像中小肠直径尺寸和位置信息进行结果输出。2.如权利要求1所述的基于深度学习的小肠核磁共振影像图像识别和生理学信息提取系统，其特征在于，所述原始图像通过核磁共振仪进行获取。3.如权利要求1所述的基于深度学习的小肠核磁共振影像图像识别和生理学信息提取系统，其特征在于，所述结果输出模块信号连接有显示屏和打印机。4.一种基于深度学习的小肠核磁共振影像图像识别和生理学信息提取方法，其特征在于，包括如下步骤：S100、原始图像采集：通过核磁共振仪采集人体小肠区域原始图像，并将原始图像传输至样本数据库；S200、识别图像获取：样本数据库对原始图像采用监督学习方法进行识别处理得到识别图像，并将得到的识别图像传输给图像分割模块；S300、图像序列生成：...

【专利技术属性】
技术研发人员：武星，
申请(专利权)人：上海大学，
类型：发明
国别省市：