基于人工智能的扫描图像处理方法及其系统技术方案

公开了一种基于人工智能的扫描图像处理方法及其系统。其首先对肺动脉CTA扫描图像进行图像降噪处理后再进行图像分块处理以得到肺动脉CTA扫描图像块的序列，接着，将所述肺动脉CTA扫描图像块的序列通过ViT模型以得到多个上下文述肺动脉CTA扫描图像块特征向量，然后，将所述多个上下文述肺动脉CTA扫描图像块特征向量排列并进行特征优化以得到优化全局肺动脉CTA扫描图像特征矩阵，最后，将所述优化全局肺动脉CTA扫描图像特征矩阵通过基于扩散模型的重建生成器以得到肺动脉重建图像。这样，可以提高医生的工作效率且降低误诊率。可以提高医生的工作效率且降低误诊率。可以提高医生的工作效率且降低误诊率。

【技术实现步骤摘要】
基于人工智能的扫描图像处理方法及其系统


[0001]本申请涉及智能化图像处理领域，且更为具体地，涉及一种基于人工智能的扫描图像处理方法及其系统。

技术介绍

[0002]胸痛三联征(chest pain triple
‑
rule
‑
out，TRO)主要表现为急性胸痛发作的3种疾病及并发症，临床上最常见的病因包括急性冠状动脉综合征(ACS)、肺动脉栓塞(PE)和胸腹主动脉夹层(AD)。
[0003]急性胸痛是急诊科及心血管内科最常见的疾病之一，起病很急，发病凶险可危及生命，临床症状主要表现为胸痛、呼吸困难和咯血等。然而，急性胸痛是临床上最常见的症状之一，是以胸痛为主要表现的一组异质性疾病群。不同病因导致的胸痛症状既相似，又有不同特征，具体可表现为不同部位、不同性质和不同程度的疼痛，且伴随症状亦可不同。因此，若仅凭临床症状及实验室检查难以及时确诊，而且实验室和超声等检查耗时长，不利于TRO早期诊断。不仅如此，常规的CT检查也只能满足单项的CTA检查，不能同时兼顾三种疾病，很容易忽略ACS、PE或AD其中一到两个疾病的检出，容易出现误诊或漏诊。
[0004]因此，期望一种优化的基于人工智能的扫描图像处理方案，以辅助医生进行胸痛三联征的诊断，提高医生的工作效率且降低误诊率。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于人工智能的扫描图像处理方法及其系统。其首先对肺动脉CTA扫描图像进行图像降噪处理后再进行图像分块处理以得到肺动脉CTA扫描图像块的序列，接着，将所述肺动脉CTA扫描图像块的序列通过ViT模型以得到多个上下文述肺动脉CTA扫描图像块特征向量，然后，将所述多个上下文述肺动脉CTA扫描图像块特征向量排列并进行特征优化以得到优化全局肺动脉CTA扫描图像特征矩阵，最后，将所述优化全局肺动脉CTA扫描图像特征矩阵通过基于扩散模型的重建生成器以得到肺动脉重建图像。这样，可以提高医生的工作效率且降低误诊率。
[0006]根据本申请的一个方面，提供了一种基于人工智能的扫描图像处理方法，其包括：
[0007]获取肺动脉CTA扫描图像；
[0008]对所述肺动脉CTA扫描图像进行图像降噪处理以得到降噪后肺动脉CTA扫描图像；
[0009]对所述肺动脉CTA扫描图像进行图像分块处理以得到肺动脉CTA扫描图像块的序列；
[0010]将所述肺动脉CTA扫描图像块的序列通过包含嵌入层的ViT模型以得到多个上下文述肺动脉CTA扫描图像块特征向量；
[0011]将所述多个上下文述肺动脉CTA扫描图像块特征向量排列为全局肺动脉CTA扫描图像特征矩阵；
[0012]对所述全局肺动脉CTA扫描图像特征矩阵进行特征优化以得到优化全局肺动脉
CTA扫描图像特征矩阵；以及
[0013]将所述优化全局肺动脉CTA扫描图像特征矩阵通过基于扩散模型的重建生成器以得到肺动脉重建图像。
[0014]在上述的基于人工智能的扫描图像处理方法中，对所述肺动脉CTA扫描图像进行图像分块处理以得到肺动脉CTA扫描图像块的序列，包括：
[0015]对所述肺动脉CTA扫描图像进行均匀分块处理以得到所述肺动脉CTA扫描图像块的序列，其中，所述肺动脉CTA扫描图像块的序列中各个肺动脉CTA扫描图像块具有相同的尺寸。
[0016]在上述的基于人工智能的扫描图像处理方法中，将所述肺动脉CTA扫描图像块的序列通过包含嵌入层的ViT模型以得到多个上下文述肺动脉CTA扫描图像块特征向量，包括：
[0017]使用所述ViT模型的嵌入层对所述肺动脉CTA扫描图像块的序列中的各个肺动脉CTA扫描图像块进行向量嵌入化以得到扫描图像块嵌入向量的序列；以及
[0018]将所述扫描图像块嵌入向量的序列输入所述ViT模型的转换器以得到所述多个上下文述肺动脉CTA扫描图像块特征向量。
[0019]在上述的基于人工智能的扫描图像处理方法中，使用所述ViT模型的嵌入层对所述肺动脉CTA扫描图像块的序列中的各个肺动脉CTA扫描图像块进行向量嵌入化以得到扫描图像块嵌入向量的序列，包括：
[0020]将所述肺动脉CTA扫描图像块的序列中的各个肺动脉CTA扫描图像块分别展开为一维像素输入向量以得到多个一维像素输入向量；以及
[0021]使用所述ViT模型的嵌入层对所述多个一维像素输入向量中各个一维像素输入向量进行全连接编码以得到所述扫描图像块嵌入向量的序列。
[0022]在上述的基于人工智能的扫描图像处理方法中，对所述全局肺动脉CTA扫描图像特征矩阵进行特征优化以得到优化全局肺动脉CTA扫描图像特征矩阵，包括：
[0023]将所述全局肺动脉CTA扫描图像特征矩阵通过线性变换转换为正方矩阵；以及
[0024]对所述正方矩阵进行向量谱聚类代理学习融合优化以得到所述优化全局肺动脉CTA扫描图像特征矩阵。
[0025]在上述的基于人工智能的扫描图像处理方法中，对所述正方矩阵进行向量谱聚类代理学习融合优化以得到所述优化全局肺动脉CTA扫描图像特征矩阵，包括：
[0026]以如下优化公式对所述正方矩阵进行向量谱聚类代理学习融合优化以得到所述优化全局肺动脉CTA扫描图像特征矩阵；
[0027]其中，所述优化公式为：
[0028][0029][0030]其中，M
d
是所述正方矩阵，M
c
是所述优化全局肺动脉CTA扫描图像特征矩阵，V1～V
n
表示所述正方矩阵的各个行特征向量，且D
V
是所述正方矩阵的每两个相应行特征向量之间的距离组成的距离矩阵，M
dT
是所述正方矩阵的转置矩阵，D
VT
是所述正方矩阵的每两个相应行特征向量之间的距离组成的距离矩阵的转置矩阵，exp(
·
)表示矩阵的指数运算，所述矩
阵的指数运算表示以矩阵中各个位置特征值为幂的自然指数函数值，
⊙
和分别表示按位置点乘和矩阵加法。
[0031]根据本申请的另一个方面，提供了一种基于人工智能的扫描图像处理系统，其包括：
[0032]图像获取模块，用于获取肺动脉CTA扫描图像；
[0033]图像降噪处理模块，用于对所述肺动脉CTA扫描图像进行图像降噪处理以得到降噪后肺动脉CTA扫描图像；
[0034]图像分块处理模块，用于对所述肺动脉CTA扫描图像进行图像分块处理以得到肺动脉CTA扫描图像块的序列；
[0035]嵌入编码模块，用于将所述肺动脉CTA扫描图像块的序列通过包含嵌入层的ViT模型以得到多个上下文述肺动脉CTA扫描图像块特征向量；
[0036]矩阵排列模块，用于将所述多个上下文述肺动脉CTA扫描图像块特征向量排列为全局肺动脉CTA扫描图像特征矩阵；
[0037]优化模块，用于对所述全局肺动脉CTA扫描图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的扫描图像处理方法，其特征在于，包括：获取肺动脉CTA扫描图像；对所述肺动脉CTA扫描图像进行图像降噪处理以得到降噪后肺动脉CTA扫描图像；对所述肺动脉CTA扫描图像进行图像分块处理以得到肺动脉CTA扫描图像块的序列；将所述肺动脉CTA扫描图像块的序列通过包含嵌入层的ViT模型以得到多个上下文述肺动脉CTA扫描图像块特征向量；将所述多个上下文述肺动脉CTA扫描图像块特征向量排列为全局肺动脉CTA扫描图像特征矩阵；对所述全局肺动脉CTA扫描图像特征矩阵进行特征优化以得到优化全局肺动脉CTA扫描图像特征矩阵；以及将所述优化全局肺动脉CTA扫描图像特征矩阵通过基于扩散模型的重建生成器以得到肺动脉重建图像。2.根据权利要求1所述的基于人工智能的扫描图像处理方法，其特征在于，对所述肺动脉CTA扫描图像进行图像分块处理以得到肺动脉CTA扫描图像块的序列，包括：对所述肺动脉CTA扫描图像进行均匀分块处理以得到所述肺动脉CTA扫描图像块的序列，其中，所述肺动脉CTA扫描图像块的序列中各个肺动脉CTA扫描图像块具有相同的尺寸。3.根据权利要求2所述的基于人工智能的扫描图像处理方法，其特征在于，将所述肺动脉CTA扫描图像块的序列通过包含嵌入层的ViT模型以得到多个上下文述肺动脉CTA扫描图像块特征向量，包括：使用所述ViT模型的嵌入层对所述肺动脉CTA扫描图像块的序列中的各个肺动脉CTA扫描图像块进行向量嵌入化以得到扫描图像块嵌入向量的序列；以及将所述扫描图像块嵌入向量的序列输入所述ViT模型的转换器以得到所述多个上下文述肺动脉CTA扫描图像块特征向量。4.根据权利要求3所述的基于人工智能的扫描图像处理方法，其特征在于，使用所述ViT模型的嵌入层对所述肺动脉CTA扫描图像块的序列中的各个肺动脉CTA扫描图像块进行向量嵌入化以得到扫描图像块嵌入向量的序列，包括：将所述肺动脉CTA扫描图像块的序列中的各个肺动脉CTA扫描图像块分别展开为一维像素输入向量以得到多个一维像素输入向量；以及使用所述ViT模型的嵌入层对所述多个一维像素输入向量中各个一维像素输入向量进行全连接编码以得到所述扫描图像块嵌入向量的序列。5.根据权利要求4所述的基于人工智能的扫描图像处理方法，其特征在于，对所述全局肺动脉CTA扫描图像特征矩阵进行特征优化以得到优化全局肺动脉CTA扫描图像特征矩阵，包括：将所述全局肺动脉CTA扫描图像特征矩阵通过线性变换转换为正方矩阵；以及对所述正方矩阵进行向量谱聚类代理学习融合优化以得到所述优化全局肺动脉CTA扫描图像特征矩阵。6.根据权利要求5所述的基于人工智能的扫描图像处理方法，其特征在于，对所述正方矩阵进行向量谱聚类代理学习融合优化以得到所述优化全局肺动脉CTA扫描图像特征矩阵，包括：
以如下优化公式对所述正方矩阵进行向量谱聚类代理学习融合优化以得到所述优化全局肺动脉CTA扫描图像特征矩阵；其中，所述优化公式为：...

【专利技术属性】
技术研发人员：龚欢，杜向东，张丽，吴英，
申请(专利权)人：新疆生产建设兵团医院，
类型：发明
国别省市：