一种基于人工智能的医学影像识别系统及识别方法技术方案

本发明专利技术属于医疗影像领域，涉及图像识别技术，用于解决现有医学影像识别系统针对通过不同参数扫描得到的医学图像采用统一标准进行识别导致识别精度低下的问题，具体是一种基于人工智能的医学影像识别系统及识别方法，包括影像采集模块、影像检测模块、归一处理模块以及治疗评估模块；所述影像采集模块、影像检测模块、归一处理模块以及治疗评估模块依次连接；本发明专利技术通过影像检测模块对采集的医学影像进行分辨率检测并得到显示系数，通过显示系数的数值对CT扫描仪的扫描效果进行判定，从而在一批次样本图像中将分辨率不合格的图像进行剔除，节省分辨率不合格医学图像的识别工序，针对分辨率不合格的图像进行重新扫描。针对分辨率不合格的图像进行重新扫描。针对分辨率不合格的图像进行重新扫描。

A medical image recognition system and method based on Artificial Intelligence

【技术实现步骤摘要】
一种基于人工智能的医学影像识别系统及识别方法


[0001]本专利技术属于医疗影像领域，涉及图像识别技术，具体是一种基于人工智能的医学影像识别系统及识别方法。

技术介绍

[0002]在医疗影像方面，人工智能已经证明了它有能力通过快速准确地标记特定异常结构来提高图像分析的效率，以供放射科医师参考。2011年，纽约大学LangoneHealth的研究人员发现，这种类型的自动分析在找到并匹配特定的肺结节方面，可以比放射学家们快62％到97％。研究结果表明，这种人工智能带来的图像分析效率，可以让放射学家腾出更多的时间聚焦在需要更多解读或判断的内容审阅上，从而每年节省30亿美元。近来最新的研究还探索了人工智能在制药、分子结构和生物蛋白质方面的探索，这些令人激动的研究都在证明着AI的能力，拓展着AI的疆界。
[0003]CT扫描设备在扫描图像的时候需要设置大量的参数和协议，针对不同病人的扫描，因为需要针对性的设置参数和协议，导致扫描的图像的图像质量有很大的差异，因此按照统一标准对这类医学图像进行自动识别时的识别结果精度不能够满足要求。
[0004]公告号为CN108229584A的专利技术专利揭示了一种基于深度学习的多模态医学影像识别方法及装置，该基于深度学习的多模态医学影像识别方法及装置通过多模态医学影像采集模块、多模态医学影像显示模块对患者的病变部位进行病变区域的病变信息采集与图像处理，并通过多模态医学影像检测模块进行病变信息分析与检测，最终通过多模态医学影像识别模块自动识别确定最终的病变结果；然而，多模态医学影像采集模块针对不同患者进行图像采集时其扫描设备的参数均有所不同，因此同一批次的医学影像在多模态医学影像显示模块上的显示效果差别很大，并且存在不能够识别的医学影像。

技术实现思路

[0005]本专利技术的目的在于提供一种基于人工智能的医学影像识别系统及识别方法，用于解决现有医学影像识别系统针对通过不同参数扫描得到的医学图像采用统一标准进行识别导致识别精度低下的问题；
[0006]本专利技术需要解决的技术问题为：如何提供一种可以对不同参数扫描得到的医学图像进行统一化识别的医学影像识别系统及方法。
[0007]本专利技术的目的可以通过以下技术方案实现：
[0008]一种基于人工智能的医学影像识别方法，包括以下步骤：
[0009]步骤一：基于患者待检测部位的医学影像识别系统，通过将影像采集模块对准患者所需要检查的部位，自动采集与识别患者的病变区域图像；
[0010]步骤二：影像检测模块对步骤一中采集与识别到的患者病变区域进行分辨率检测，将分辨率检测不合格的病变图像进行剔除；
[0011]步骤三：归一处理模块对步骤二中的剩余的病变图像进行归一化处理得到放大系
数，通过放大系数的数值为样本图像确定放大倍数；
[0012]步骤四：治疗评估模块对步骤三中放大后的样本图像进行病变检测与病变分析。
[0013]一种基于人工智能的医学影像识别系统，包括影像采集模块、影像检测模块、归一处理模块以及治疗评估模块；所述影像采集模块、影像检测模块、归一处理模块以及治疗评估模块依次连接；
[0014]所述影像采集模块，用于自动采集与识别患者所需要检查的病变区域图像，患者所需要检查的病变区域图像由CT扫描仪进行获取；
[0015]所述影像检测模块，用于对影像采集模块所采集到病变图像进行分辨率检测，通过分辨率检测结果剔除分辨率检测不合格的病变图像；
[0016]所述归一处理模块，用于对接收到的合格的样本图像进行归一化处理；
[0017]所述治疗评估模块，用于对经归一处理模块放大后的病变区域的病变现象进行针对性的病变检测与病变分析。
[0018]进一步地，对病变图像进行分辨力检测的具体过程包括：将收到的病变图像标记为样本图像i，i＝1，2，
…
，n，n为正整数，获取样本图像i的空间分辨率与密度分辨率并分别标记为KJi与MDi，通过对空间分辨率KJi与密度分辨率MDi进行数值计算得到样本图像的显示系数XSi；
[0019]将显示系数XSi与显示阈值XSmin进行比较：若显示系数XSi小于等于显示阈值XSmin，则判定对应样本图像不合格；若显示系数XS大于显示阈值XSmin，则判定对应样本图像合格；将样本图像合格的病变图像发送至归一处理模块。
[0020]进一步地，归一化处理的具体过程包括：将合格的样本图像中显示系数XSi数值最大的样本数据标记为标准图像，获取采集样本图像时CT扫描仪的设置参数，CT扫描仪的设置参数包括Ai与Bi，其中Ai为焦点到扫描野中心的距离，Bi为球管焦点到探测器的距离，将采集标准图像时CT扫描仪的设置参数标记为标准参数，标准参数包括Ab与Bb；
[0021]以焦点到扫描野中心的距离为X轴、球管焦点到探测器的距离为Y轴建立直角坐标系，在直角坐标系中根据设置参数对样本图像进行标点得到采样点i，采样点i的坐标为(Ai，Bi)，将标准图像对应的采样点标记为标准点，对采样点与标准点进行连线得到采样线段i，将采样线段i与直角坐标系原点的长度值标记为样本图像i的基准值JZi，通过对基准值JZi进行数值计算得到样本图像的放大系数FDi；将样本图像i与放大系数FDi相匹配，并通过图像处理技术将样本图像进行放大，放大倍数为FDi，将放大后样本图像发送至影像检测模块。
[0022]进一步地，病变检测与病变分析的具体过程包括：将病变区域的面积值标记为MJ，通过图像处理技术对样本图像进行图像处理得到样本图像病变区域的平均灰度值HD，通过公式BX＝γ1
×
MJ+γ2
×
HD得到样本图像的病变系数BX，其中γ1与γ2均为比例系数，且γ1＞γ2＞1；获取患者前m次进行病变检测时的病变系数，对患者前m次进行病变检测时的病变系数进行方差计算得到波动系数BD，获取波动阈值BDmax与病变阈值BXmax，将病变系数BX、波动系数BD分别与病变阈值BXmax、波动阈值BDmax进行比较，通过病变系数BX、波动系数BD与病变阈值BXmax、波动阈值BDmax的比较结果对患者的治疗效果是否合格进行判定。
[0023]进一步地，病变系数BX、波动系数BD与病变阈值BXmax、波动阈值BDmax的比较过程包括：
[0024]若病变系数BX小于病变阈值BXmax且波动系数BD小于波动阈值BDmax，则判定患者的治疗效果合格，治疗评估模块向医师的手机终端发送合格信号；
[0025]若病变系数BX小于病变阈值BXmax且波动系数BD大于等于波动阈值BDmax，则判定患者的治疗效果合格，治疗评估模块向医师的手机终端发送观察信号；
[0026]若病变系数BX大于等于病变阈值BXmax，则判定患者的治疗效果不合格，治疗评估模块向医师的手机终端发送不合格信号。
[0027]本专利技术具备下述有益效果：
[0028]1、通过影像检测模块对采集的医学影像进行分辨率检测并得到显示系数，通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的医学影像识别方法，其特征在于，包括以下步骤：步骤一：基于患者待检测部位的医学影像识别系统，通过将影像采集模块对准患者所需要检查的部位，自动采集与识别患者的病变区域图像；步骤二：影像检测模块对步骤一中采集与识别到的患者病变区域进行分辨率检测，将分辨率检测不合格的病变图像进行剔除；步骤三：归一处理模块对步骤二中的剩余的病变图像进行归一化处理得到放大系数，通过放大系数的数值为样本图像确定放大倍数；步骤四：治疗评估模块对步骤三中放大后的样本图像进行病变检测与病变分析。2.一种基于人工智能的医学影像识别系统，其特征在于，包括影像采集模块、影像检测模块、归一处理模块以及治疗评估模块；所述影像采集模块、影像检测模块、归一处理模块以及治疗评估模块依次连接；所述影像采集模块，用于自动采集与识别患者所需要检查的病变区域图像，患者所需要检查的病变区域图像由CT扫描仪进行获取；所述影像检测模块，用于对影像采集模块所采集到病变图像进行分辨率检测，通过分辨率检测结果剔除分辨率检测不合格的病变图像；所述归一处理模块，用于对接收到的合格的样本图像进行归一化处理；所述治疗评估模块，用于对经归一处理模块放大后的病变区域的病变现象进行针对性的病变检测与病变分析。3.根据权利要求2所述的一种基于人工智能的医学影像识别系统，其特征在于，对病变图像进行分辨力检测的具体过程包括：将收到的病变图像标记为样本图像i，i＝1，2，
…
，n，n为正整数，获取样本图像i的空间分辨率与密度分辨率并分别标记为KJi与MDi，通过对空间分辨率KJi与密度分辨率MDi进行数值计算得到样本图像的显示系数XSi；将显示系数XSi与显示阈值XSmin进行比较：若显示系数XSi小于等于显示阈值XSmin，则判定对应样本图像不合格；若显示系数XS大于显示阈值XSmin，则判定对应样本图像合格；将样本图像合格的病变图像发送至归一处理模块。4.根据权利要求3所述的一种基于人工智能的医学影像识别系统，其特征在于，归一化处理的具体过程包括：将合格的样本图像中显示系数XSi数值最大的样本数据标记为标准图像，获取采集样本图像时CT扫描仪的设置参数，CT扫描仪的设置参数包括Ai与Bi，其中Ai为焦点到扫描野中心的距离，...

【专利技术属性】
技术研发人员：尹培红，
申请(专利权)人：郏县人民医院，
类型：发明
国别省市：