一种医学图像数据平台的数据处理方法与系统技术方案

本发明专利技术公开了一种医学图像数据平台的数据处理方法与系统，其中所述方法包括：上报本地终端能力信息至中心服务器；中心服务器为所述本地终端进行任务调度；本地终端获取医学图像；基于任务调度，本地终端对医学图像进行分割处理；将分割处理后的医学图像发送至区域服务器；区域服务器对所述分割处理后的医学图像进行分类处理；将分类处理后的医学图像发送至中心服务器；中心服务器使用全卷积神经网络模型对分类处理后的医学图像进行处理，并使用本次获取的样本数据对全卷积神经网络模型进行训练，更新全卷积神经网络模型参数。本发明专利技术能够在现有基础上有效提高数据处理的能力，快速处理和传输图像数据。处理和传输图像数据。处理和传输图像数据。

【技术实现步骤摘要】
一种医学图像数据平台的数据处理方法与系统


[0001]本专利技术属于大数据分析与数据挖掘领域，尤其涉及一种医学图像数据平台的数据处理方法与系统。

技术介绍

[0002]各种医学成像技术可以例如用于对人体中的器官和软组织进行成像。医学成像技术的示例包括超声成像、计算机断层扫描(CT)、磁共振成像(MRI)等。在医学成像期间生成图像的方式取决于特定的技术。例如，超声成像使用实时非侵入性高频声波来产生通常在人体内的器官、组织、物体(例如胎儿)的超声图像。在医学成像期间产生或生成的图像可以是二维(2D)、三维(3D)和/或四维(4D)图像(实时/连续的3D图像)。在医学成像期间，成像数据集包括3D/4D成像期间的体积成像数据集被采集并且用于实时生成和渲染对应的图像。另外神经网络特别是深度网络在图像处理和自然语言处理等诸多领域越来越广泛，随着使用的神经网络的层数越来越多，所需的硬件要求越来越高。在不断追求更高准确率的情况下，神经网络往往需要获取更高维的特征，这意味着神经网络更加复杂，对硬件要求更高，需迭代庞大的次数才能成功训练，需时也更长。同时，由于高精本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学图像数据平台的数据处理方法，其特征在于，包括以下步骤：上报本地终端能力信息至中心服务器；基于所述本地终端能力信息，所述中心服务器为所述本地终端进行任务调度；本地终端获取医学图像；基于所述任务调度，所述本地终端对所述医学图像进行分割处理，得到分割处理后的医学图像；将所述分割处理后的医学图像发送至区域服务器；所述区域服务器对所述分割处理后的医学图像进行分类处理，得到分类处理后的医学图像；将所述分类处理后的医学图像发送至所述中心服务器；所述中心服务器使用全卷积神经网络模型对所述分类处理后的医学图像进行处理，并使用本次获取的样本数据对所述全卷积神经网络模型进行训练，更新所述全卷积神经网络模型参数。2.如权利要求1所述的一种医学图像数据平台的数据处理方法，其特征在于，其中所述本地终端能力信息包括终端硬件信息、运算能力、网络带宽资源以及运行状况。3.如权利要求2所述的一种医学图像数据平台的数据处理方法，其特征在于，所述基于所述本地终端能力信息，所述中心服务器为所述本地终端进行任务调度，包括：根据所述本地终端的运行状况和运算能力，为本地终端分配任务，所述任务包括文件处理和传输。4.如权利要求1所述的一种医学图像数据平台的数据处理方法，其特征在于，所述基于所述任务调度，所述本地终端对所述医学图像进行分割处理，包括：对所述医学图像进行归一化处理；将归一化处理后的医学图像分割为若干子图像。...

【专利技术属性】
技术研发人员：王思伦，
申请(专利权)人：深圳市医未医疗科技有限公司，
类型：发明
国别省市：