System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能,具体涉及一种结合人工智能模型的图文交互系统。
技术介绍
1、超低场磁共振成像(ulf-mri)是一种利用极低磁场强度进行图像重建的成像技术。与传统高场mri相比,安全性高:相比高场mri,ulf-mri所使用的磁场强度较低,对人体组织和器官的生物影响较小,减少了对患者的潜在风险。成本较低:高场mri设备的建设和维护成本较高,而ulf-mri所需的磁体和设备成本较低,适用于资源有限的医疗机构和地区。ulf-mri可以用于各种临床应用,包括神经影像学、心血管影像学和肿瘤学等领域,对于一些特定病例,如婴儿、孕妇和心脏起搏器患者等,ulf-mri更具优势。由于磁场强度较低,ulf-mri对运动伪影的敏感性较低,更适合于无法保持静止的患者。
2、但超低场磁共振成像也有不少缺点:空间分辨率较低:由于磁场强度较低,ulf-mri的空间分辨率相对较低,无法提供与高场mri相同的细节和分辨率。信噪比较低:ulf-mri的信噪比较高场mri较低,可能导致图像质量下降和噪音干扰。重建时间较长:由于使用较低的磁场强度,ulf-mri的图像重建时间较长,可能导致患者等待时间延长。因此现有技术中超低场磁共振成像在是交互准确性、病灶识别都难以满足要求。
技术实现思路
1、本专利技术的目的在于,提供一种结合人工智能模型的图文交互系统,解决以上技术问题;
2、本专利技术所解决的技术问题可以采用以下技术方案来实现:
3、一种结合人工智能模型的图文交互系统,包
4、快速成像模块,连接一超低场磁共振成像设备获取低磁场磁共振图像,所述快速成像模块还连接外部磁共振图像数据库获取高磁场多源数据,基于所述高磁场多源数据对所述低磁场磁共振图像重建获得磁共振图像;
5、第一交互模块,接收外部输入的文本内容,所述第一交互模块设有第一语言模块,用于在一候选回答集合中选择回答内容生成响应输出;
6、第二交互模块,连接所述快速成像模块接收所述磁共振图像,所述第二交互模块设有第二语言模型,用于识别所述磁共振图像的病灶信息并生成识别报告文本。
7、优选的,所述快速成像模块采用流形学习或张量空间表达高维磁共振信号,并根据所述高磁场多源数据的多源先验信息进行图像重建获得所述磁共振图像。
8、优选的,所述低磁场磁共振图像的成像磁场强度在微特斯拉级和毫特斯拉级的范围内,所述高磁场多源数据的成像磁场强度在特斯拉级以上。
9、优选的,所述第一语言模块包括生成模型和检索模型,所述生成模型采用神经网络或变种捕捉所述文本内容中的上下文信息,所述生成模型接收外部输入的历史内容作为输入,所述检索模型基于检索方式在所述候选回答集合中选择所述回答内容生成下一个响应输出。
10、优选的,所述第二语言模型接收所述磁共振图像,基于预训练后的所述第二语言模型接收所述磁共振图像作为输入识别出所述磁共振图像病灶的所述病灶信息,并输出于所述病灶信息相关的文本信息,生成所述识别报告文本。
11、优选的,所述病灶信息至少包括病灶位置、病灶形状和病灶类型。
12、优选的,所述第二语言模型为gpt-4交互模型。
13、优选的,还包括自然语言处理模型,连接所述第一交互模块,用于对所述第一交互模块历史的外部输入的所述文本内容和响应的所述回答内容进行关键字筛选获得多个关键词,基于一设定的问答模板填写所述关键词生成问答报告,所述第一交互模块设有第一存储单元,用于存储所述问答报告。
14、优选的,还包括,
15、第二存储单元,连接所述快速成像模块用于存储所述磁共振图像;
16、第三存储单元,连接所述第一交互模块用于存储所述识别报告文本。
17、优选的,所述第二交互模块还连接外部医疗信息系统,用于向所述外部医疗信息系统输出所述磁共振图像和所述识别报告文本,所述第二交互模块还设有连接所述外部医疗信息系统的第四存储单元,所述第四存储单元用于存储所述外部医疗信息系统输入的分析报告。
18、本专利技术的有益效果:由于采用以上技术方案,本专利技术具有可以快速提高低磁场磁共振图像质量,提高交互准确性、可以快速识别病灶并生成相应报告。
本文档来自技高网...【技术保护点】
1.一种结合人工智能模型的图文交互系统,其特征在于,包括,
2.根据权利要求1所述的结合人工智能模型的图文交互系统,其特征在于,所述快速成像模块采用流形学习或张量空间表达高维磁共振信号,并根据所述高磁场多源数据的多源先验信息进行图像重建获得所述磁共振图像。
3.根据权利要求2所述的结合人工智能模型的图文交互系统,其特征在于,所述低磁场磁共振图像的成像磁场强度在微特斯拉级和毫特斯拉级的范围内,所述高磁场多源数据的成像磁场强度在特斯拉级以上。
4.根据权利要求1所述的结合人工智能模型的图文交互系统,其特征在于,所述第一语言模块包括生成模型和检索模型,所述生成模型采用神经网络或变种捕捉所述文本内容中的上下文信息,所述生成模型接收外部输入的历史内容作为输入,所述检索模型基于检索方式在所述候选回答集合中选择所述回答内容生成下一个响应输出。
5.根据权利要求1所述的结合人工智能模型的图文交互系统,其特征在于,所述第二语言模型接收所述磁共振图像,基于预训练后的所述第二语言模型接收所述磁共振图像作为输入识别出所述磁共振图像病灶的所述病灶信息,并输出
6.根据权利要求5所述的结合人工智能模型的图文交互系统,其特征在于,所述病灶信息至少包括病灶位置、病灶形状和病灶类型。
7.根据权利要求5所述的结合人工智能模型的图文交互系统,其特征在于,所述第二语言模型为GPT-4交互模型。
8.根据权利要求1所述的结合人工智能模型的图文交互系统,其特征在于,还包括自然语言处理模型,连接所述第一交互模块,用于对所述第一交互模块历史的外部输入的所述文本内容和响应的所述回答内容进行关键字筛选获得多个关键词,基于一设定的问答模板填写所述关键词生成问答报告,所述第一交互模块设有第一存储单元,用于存储所述问答报告。
9.根据权利要求1所述的结合人工智能模型的图文交互系统,其特征在于,还包括,
10.根据权利要求1所述的结合人工智能模型的图文交互系统,其特征在于,所述第二交互模块还连接外部医疗信息系统,用于向所述外部医疗信息系统输出所述磁共振图像和所述识别报告文本,所述第二交互模块还设有连接所述外部医疗信息系统的第四存储单元,所述第四存储单元用于存储所述外部医疗信息系统输入的分析报告。
...【技术特征摘要】
1.一种结合人工智能模型的图文交互系统,其特征在于,包括,
2.根据权利要求1所述的结合人工智能模型的图文交互系统,其特征在于,所述快速成像模块采用流形学习或张量空间表达高维磁共振信号,并根据所述高磁场多源数据的多源先验信息进行图像重建获得所述磁共振图像。
3.根据权利要求2所述的结合人工智能模型的图文交互系统,其特征在于,所述低磁场磁共振图像的成像磁场强度在微特斯拉级和毫特斯拉级的范围内,所述高磁场多源数据的成像磁场强度在特斯拉级以上。
4.根据权利要求1所述的结合人工智能模型的图文交互系统,其特征在于,所述第一语言模块包括生成模型和检索模型,所述生成模型采用神经网络或变种捕捉所述文本内容中的上下文信息,所述生成模型接收外部输入的历史内容作为输入,所述检索模型基于检索方式在所述候选回答集合中选择所述回答内容生成下一个响应输出。
5.根据权利要求1所述的结合人工智能模型的图文交互系统,其特征在于,所述第二语言模型接收所述磁共振图像,基于预训练后的所述第二语言模型接收所述磁共振图像作为输入识别出所述磁共振图像病灶的所述病灶信息,并输出于所述病灶信息相关的文...
【专利技术属性】
技术研发人员:肖林芳,朱瑞星,请求不公布姓名,
申请(专利权)人:上海深至信息科技有限公司,
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。