本发明专利技术公开了一种基于RPA和AI的影像报告推送方法、装置及计算设备，该方法包括：利用预设肺部分割模型对RPA机器人发送的待检测肺部医学影像图像进行分割得到只包含肺部区域的目标医学影像图像，利用预设肺结节检测模型对目标医学影像图像进行检测得到各疑似肺结节的属性信息，利用预设肺结节分割模型对各疑似肺结节所在的区域进行分割得到各疑似肺结节的三维轮廓信息；根据各疑似肺结节的属性信息和三维轮廓信息生成肺部疑似结节影像报告并通过RPA机器人发送至医院平台。由此通过AI的图像分析技术对肺结节进行检测得到肺部疑似结节影像报告，并通过RPA机器人发送至医院平台，减少医生辨别肺结节的时间，提高了效率。提高了效率。提高了效率。
【技术实现步骤摘要】
基于RPA和AI的影像报告推送方法、装置及计算设备
[0001]本专利技术涉及人工智能
，具体而言，涉及一种基于RPA和AI的影像报告推送方法、装置及计算设备。
技术介绍
[0002]RPA(Robotic Process Automation，机器人流程自动化)软件机器人可通过模拟人在电脑上对鼠标键盘的操作，像真人一样进行自动化办公，且24小时全天候不间断，按照规则去自动化执行流程或者一系列的任务，将用户从重复繁琐的工作中解放出来。
[0003]AI(Artificial Intelligence，人工智能)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。
[0004]目前，当医生进行肺癌检测时，需要对包含肺结节的肺部医学影像图像进行观察，以分辨出肺结节。医生在辨别肺结节时，通常是依据经验得出，导致时间较长，效率较低。
技术实现思路
[0005]本专利技术提供了一种基于RPA和AI的影像报告推送方法、装置及计算设备，以解决由于人工进行肺结节检测导致的效率低的问题。具体的技术方案如下。
[0006]第一方面，本专利技术提供了一种基于RPA和AI的影像报告推送方法，应用于集成有机器人流程自动化RPA机器人的影像分析平台，所述方法包括：
[0007]S1、接收所述RPA机器人发送的待检测肺部医学影像图像；
[0008]S2、利用预设肺部分割模型对所述待检测肺部医学影像图像进行分割，得到只包含肺部区域的目标医学影像图像，利用预设肺结节检测模型对所述目标医学影像图像进行检测，得到所述目标医学影像图像中各疑似肺结节的属性信息，利用预设肺结节分割模型对所述各疑似肺结节所在的区域进行分割，得到各疑似肺结节的三维轮廓信息，其中，所述预设肺结节检测模型通过预设的肺结节图像样本集中的肺结节样本图像和肺结节的属性信息训练得到，以建立各肺结节样本图像与肺结节的属性信息之间的关联关系；
[0009]S3、根据各疑似肺结节的属性信息和三维轮廓信息生成肺部疑似结节影像报告，并将所述肺部疑似结节影像报告通过所述RPA机器人发送至医院平台。
[0010]可选的，所述步骤S2中的利用预设肺部分割模型对所述待检测肺部医学影像图像进行分割，得到只包含肺部区域的目标医学影像图像，具体包括：
[0011]S21、利用滤波反投影重建算法FBP和正弦图确定迭代重建算法SAFIRE从所述待检测肺部医学影像图像中筛选出肺部区域的影像组学特征，对所述影像组学特征进行重建，得到只包含肺部区域的目标医学影像图像。
[0012]可选的，所述步骤S2中的预设肺结节检测模型通过以下方式得到：
[0013]S22、获取预设的肺结节图像样本集中的肺结节样本图像以及所述肺结节样本图像包含的肺结节的属性信息；
[0014]S23、将所述肺结节样本图像以及所述肺结节样本图像包含的肺结节的属性信息
输入至初始卷积神经网络中进行特征提取，得到所述肺结节样本图像包含的肺结节的参考属性信息；
[0015]S24、计算所述参考属性信息与所述肺结节样本图像包含的肺结节的属性信息之间的差异值；
[0016]S25、基于所述差异值优化所述初始卷积神经网络的参数，返回执行步骤S22；
[0017]S26、当迭代次数达到预设次数时，完成训练，得到使得肺结节样本图像与肺结节的属性信息相关联的预设肺结节检测模型。
[0018]可选的，所述步骤S2中的预设肺结节分割模型为三维语义分割卷积神经网络3DU
‑
Net模型。
[0019]可选的，所述各疑似肺结节的属性信息包括肺结节位置、肺结节大小和肺结节密度。
[0020]可选的，所述步骤S3具体包括：
[0021]S31、根据各疑似肺结节的属性信息中的肺结节位置，在所述待检测肺部医学影像图像中对各疑似肺结节进行标注；
[0022]S32、根据各疑似肺结节的属性信息中的肺结节密度生成密度直方图；
[0023]S33、生成包含标注后的待检测肺部医学影像图像、所述密度直方图和各疑似肺结节的肺结节大小的肺部疑似结节影像报告，并将所述肺部疑似结节影像报告通过所述RPA机器人发送至医院平台。
[0024]可选的，通过采用光学字符识别OCR方法对所述待检测肺部医学影像图像进行识别，得到图像内容。
[0025]第二方面，本专利技术提供了一种基于RPA和AI的影像报告推送装置，应用于集成有机器人流程自动化RPA机器人的影像分析平台，所述装置包括：
[0026]接收模块，用于接收所述RPA机器人发送的待检测肺部医学影像图像；
[0027]分割模块，用于利用预设肺部分割模型对所述待检测肺部医学影像图像进行分割，得到只包含肺部区域的目标医学影像图像，利用预设肺结节检测模型对所述目标医学影像图像进行检测，得到所述目标医学影像图像中各疑似肺结节的属性信息，利用预设肺结节分割模型对所述各疑似肺结节所在的区域进行分割，得到各疑似肺结节的三维轮廓信息，其中，所述预设肺结节检测模型通过预设的肺结节图像样本集中的肺结节样本图像和肺结节的属性信息训练得到，以建立各肺结节样本图像与肺结节的属性信息之间的关联关系；
[0028]影像报告推送模块，用于根据各疑似肺结节的属性信息和三维轮廓信息生成肺部疑似结节影像报告，并将所述肺部疑似结节影像报告通过所述RPA机器人发送至医院平台。
[0029]可选的，所述分割模块，具体用于：
[0030]利用滤波反投影重建算法FBP和正弦图确定迭代重建算法SAFIRE从所述待检测肺部医学影像图像中筛选出肺部区域的影像组学特征，对所述影像组学特征进行重建，得到只包含肺部区域的目标医学影像图像。
[0031]可选的，上述基于RPA和AI的影像报告推送装置还包括模型训练模块，所述模型训练模块用于训练得到预设肺结节检测模型，所述模型训练模块包括：
[0032]获取子模块，用于获取预设的肺结节图像样本集中的肺结节样本图像以及所述肺
结节样本图像包含的肺结节的属性信息；
[0033]样本输入子模块，用于将所述肺结节样本图像以及所述肺结节样本图像包含的肺结节的属性信息输入至初始卷积神经网络中进行特征提取，得到所述肺结节样本图像包含的肺结节的参考属性信息；
[0034]计算子模块，用于计算所述参考属性信息与所述肺结节样本图像包含的肺结节的属性信息之间的差异值；
[0035]参数优化子模块，用于基于所述差异值优化所述初始卷积神经网络的参数，触发所述获取子模块；
[0036]训练完成子模块，用于当迭代次数达到预设次数时，完成训练，得到使得肺结节样本图像与肺结节的属性信息相关联的预设肺结节检测模型。
[0037]可选的，所述分割模块中的预设肺结节分割模型为三维语义分割卷积神经网络3DU
‑
Net模型。
[0038]可选的，所述各疑似肺结节的属性信息包括肺结节位置、肺结本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于RPA和AI的影像报告推送方法，其特征在于，应用于集成有机器人流程自动化RPA机器人的影像分析平台，所述方法包括：S1、接收所述RPA机器人发送的待检测肺部医学影像图像；S2、利用预设肺部分割模型对所述待检测肺部医学影像图像进行分割，得到只包含肺部区域的目标医学影像图像，利用预设肺结节检测模型对所述目标医学影像图像进行检测，得到所述目标医学影像图像中各疑似肺结节的属性信息，利用预设肺结节分割模型对所述各疑似肺结节所在的区域进行分割，得到各疑似肺结节的三维轮廓信息，其中，所述预设肺结节检测模型通过预设的肺结节图像样本集中的肺结节样本图像和肺结节的属性信息训练得到，以建立各肺结节样本图像与肺结节的属性信息之间的关联关系；S3、根据各疑似肺结节的属性信息和三维轮廓信息生成肺部疑似结节影像报告，并将所述肺部疑似结节影像报告通过所述RPA机器人发送至医院平台。2.如权利要求1所述的方法，其特征在于，所述步骤S2中的利用预设肺部分割模型对所述待检测肺部医学影像图像进行分割，得到只包含肺部区域的目标医学影像图像，具体包括：S21、利用滤波反投影重建算法FBP和正弦图确定迭代重建算法SAFIRE从所述待检测肺部医学影像图像中筛选出肺部区域的影像组学特征，对所述影像组学特征进行重建，得到只包含肺部区域的目标医学影像图像。3.如权利要求1所述的方法，其特征在于，所述步骤S2中的预设肺结节检测模型通过以下方式得到：S22、获取预设的肺结节图像样本集中的肺结节样本图像以及所述肺结节样本图像包含的肺结节的属性信息；S23、将所述肺结节样本图像以及所述肺结节样本图像包含的肺结节的属性信息输入至初始卷积神经网络中进行特征提取，得到所述肺结节样本图像包含的肺结节的参考属性信息；S24、计算所述参考属性信息与所述肺结节样本图像包含的肺结节的属性信息之间的差异值；S25、基于所述差异值优化所述初始卷积神经网络的参数，返回执行步骤S22；S26、当迭代次数达到预设次数时，完成训练，得到使得肺结节样本图像与肺结节的属性信息相关联的预设肺结节检测模型。4.如权利要求1所述的方法，其特征在于，所述步骤S2中的预设肺结节分割模型为三维语义分割卷积神经网络3DU
‑
Net模型。5.如权利要求1所述的方法，其特征在于，所述各疑似肺结节的属性信息包括肺结节位置、肺结节大小和肺结节密度。6.如权利要求5所述的方法，其特征在于，所述步骤S3具体包括：S31、根据各疑似肺结节的属性信息中的肺结节位置，在所述待检测肺部医学影像图像中对各疑似肺结节进行标注；S32、根据各疑似肺结节的属性信息中的肺结节密度生成密度直方图；S33、生成包含标注后的待检测肺部医学影像图像、所述密度直方图和各疑似肺结节的肺结节大小的肺部疑似结节影像报告，并将所述肺部疑似...
【专利技术属性】
技术研发人员：杨明，汪冠春，胡一川，褚瑞，李玮，
申请(专利权)人：来也科技北京有限公司，
类型：发明
国别省市：
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。