【技术实现步骤摘要】
本专利技术涉及医疗信息通信，尤其涉及一种医学影像的ai一体化显示系统及方法。
技术介绍
1、随着ai技术水平的不断提高，ai在医疗领域的很多方面已经得到广泛应用。在医学影像处理方面，虽然ai已经被用于进行图像识别处理，但是受限于各方面原因，如医院算力无法在本地完成大规模的人工智能识别等，现有技术并不能准确地在医学影像采集过程中实时显示ai识别结果。例如，根据实际诊断需求，需要电子内窥镜设备一旦插入患者体内就要求医生实时做出诊断和治疗，即ai必须在医生做患者检查的过程中实时给出辅助诊断建议。然而，目前基于内窥镜图像的ai方案均无法做到在医学影像采集过程中实时显示ai识别结果。
技术实现思路
1、为解决上述技术问题，本专利技术提供了一种能够在医学影像采集过程中实时显示ai识别结果的医学影像的ai一体化显示系统及方法。
2、第一方面，本专利技术提出了一种医学影像的ai一体化显示系统，包括医学影像采集设备、第一图像处理设备、云处理服务器、第二图像处理设备、视频融合器以及医学影像显示器；
3、所述医学影像采集设备用于采集实时的医学影像数据；
4、所述第一图像处理设备设置有通信模块，用于识别医学影像采集设备采集的医学影像数据是否满足预设的图像清晰度标准，并对满足图像清晰度标准的医学影像数据重复图像过滤，将处理后的医学影像数据传输到云处理服务器；
5、所述云处理服务器设置有预设的ai识别模型，用于接收第一图像处理设备上传的医学影像数据，并将ai识别
6、所述第二图像处理设备，用于接收所述云处理服务器发送的图像识别结果，基于图像识别结果生成图像识别界面，将所述图像识别界面发送到视频融合器；
7、所述视频融合器分别与医学影像采集设备和第二图像处理设备通信连接，用于接收医学影像采集设备上传的医学影像数据和第二图像处理设备上传的当前医学影像数据对应的图像识别结果，并对医学影像数据和当前医学影像数据对应的图像识别界面进行融合生成融合显示的视频数据；
8、所述医学影像显示器与所述视频融合器连接，用于显示所述视频融合器生成的视频数据。
9、可选地，所述医学影像显示器与所述医学影像采集设备通过视频线连接，以当所述视频融合器与医学影像显示器之间的视频传输链路发生故障时切换至医学影像采集设备为医学影像显示器提供待显示图像数据。
10、可选地，所述第一图像处理设备，用于将医学影像采集设备采集的医学影像数据按照预设尺寸进行缩放，并对缩放后的图像等间隔采样n行图像数据，得到医学影像数据的第一图像特征向量集；对医学影像数据的第一图像特征向量集中每一行图像特征向量进行自定义特征提取，得到医学影像数据的第二图像特征向量集；对预先构建的第一数据库和第二数据库中的各个样本内镜图像按照预设尺寸进行缩放，并对缩放后的图像等间隔采样n行图像数据，得到各个样本内镜图像的第三图像特征向量集，第一数据库中的内镜图像是模糊的内镜图像，第一数据库中的内镜图像是清晰的内镜图像；对各个样本内镜图像的第三图像特征向量集中每一行图像特征向量进行自定义特征提取，得到各个样本内镜图像的第四图像特征向量集；计算医学影像数据的第二图像特征向量集与每一样本内镜图像的第四图像特征向量集的相似度，根据相似度最高的样本内镜图像所属数据库确定医学影像数据是否为模糊图像；若医学影像数据为模糊图像则将其删除。
11、可选地，所述第一图像处理设备，具体用于将医学影像数据的第二图像特征向量集中每一行特征向量依次与每一样本内镜图像的第四图像特征向量集中对应行的特征向量计算皮尔逊相关系数，计算各行特征向量的皮尔逊相关系数的平均值，将得到的平均值作为医学影像数据与当前样本内镜图像的相似度。
12、可选地，自定义特征包括：图像的灰度平均像素值，灰度最大像素值，灰度最小像素值，亮度，对比度，lab色彩空间的颜色亮度l的平均值、lab色彩空间的绿-红程度a的平均值、lab色彩空间的蓝-黄程度b的平均值中的一个或多个。
13、可选地，所述第一图像处理设备，用于还使用光流法获取相邻医学影像数据的每个像素点的运动矢量，计算相邻医学影像数据的各个像素点的平均运动矢量，当所述平均运动矢量小于预设的判别阈值时，则判定相邻医学影像数据中后采集的医学影像数据与先采集的医学影像数据相似，并删除相邻医学影像数据中后采集的医学影像数据。
14、可选地，所述预设的ai识别模型的生成器为一个超分辨率网络，用于将输入的低分辨率图像进行上采样的超分辨图像；
15、所述预设的ai识别模型的判别器为多任务网络，判别器采用resnet模型作为骨干网络，在骨干网络的最后一个平均池化层后面添加3个并行的全连接层，分别用来识别消化道部位分类、消化疾病分类、消化病灶目标位置。
16、另一方面，本专利技术提出了一种医学影像的ai一体化显示方法，所述方法包括；
17、医学影像采集设备采集实时的医学影像数据；
18、第一图像处理设备识别医学影像采集设备采集的医学影像数据是否满足预设的图像清晰度标准，并对满足图像清晰度标准的医学影像数据重复图像过滤，将处理后的医学影像数据传输到云处理服务器；
19、云处理服务器采用预设的ai识别模型对预处理后的医学影像数据进行识别，并将ai识别模型输出的图像识别结果发送至第二图像处理设备；
20、第二图像处理设备基于所述图像识别结果生成图像识别界面，将所述图像识别界面发送到视频融合器；
21、视频融合器获取医学影像采集设备上传的医学影像数据和第二图像处理设备上传的当前医学影像数据对应的图像识别结果，并对医学影像数据和当前医学影像数据对应的图像识别界面进行融合生成融合显示的视频数据；
22、医学影像显示器显示所述视频融合器生成的视频数据。
23、可选地，所述第一图像处理设备对获取到的医学影像数据进行预处理，包括：
24、将医学影像采集设备采集的医学影像数据按照预设尺寸进行缩放，并对缩放后的图像等间隔采样n行图像数据，得到医学影像数据的第一图像特征向量集；对医学影像数据的第一图像特征向量集中每一行图像特征向量进行自定义特征提取，得到医学影像数据的第二图像特征向量集；对预先构建的第一数据库和第二数据库中的各个样本内镜图像按照预设尺寸进行缩放，并对缩放后的图像等间隔采样n行图像数据，得到各个样本内镜图像的第三图像特征向量集，第一数据库中的内镜图像是模糊的内镜图像，第一数据库中的内镜图像是清晰的内镜图像；对各个样本内镜图像的第三图像特征向量集中每一行图像特征向量进行自定义特征提取，得到各个样本内镜图像的第四图像特征向量集；计算医学影像数据的第二图像特征向量集与每一样本内镜图像的第四图像特征向量集的相似度，根据相似度最高的样本内镜图像所属数据库确定医学影像数据是否为模糊图像；若医学影像数据为模糊图像则将其删除。
25本文档来自技高网...
【技术保护点】
1.一种医学影像的AI一体化显示系统，其特征在于，包括医学影像采集设备、第一图像处理设备、云处理服务器、第二图像处理设备、视频融合器以及医学影像显示器；
2.如权利要求1所述的医学影像的AI一体化显示系统，其特征在于，所述医学影像显示器与所述医学影像采集设备通过视频线连接，以当所述视频融合器与医学影像显示器之间的视频传输链路发生故障时切换至医学影像采集设备为医学影像显示器提供待显示图像数据。
3.如权利要求1所述的医学影像的AI一体化显示系统，其特征在于，所述第一图像处理设备，用于将医学影像采集设备采集的医学影像数据按照预设尺寸进行缩放，并对缩放后的图像等间隔采样n行图像数据，得到医学影像数据的第一图像特征向量集；对医学影像数据的第一图像特征向量集中每一行图像特征向量进行自定义特征提取，得到医学影像数据的第二图像特征向量集；对预先构建的第一数据库和第二数据库中的各个样本内镜图像按照预设尺寸进行缩放，并对缩放后的图像等间隔采样n行图像数据，得到各个样本内镜图像的第三图像特征向量集，第一数据库中的内镜图像是模糊的内镜图像，第一数据库中的内镜图像是清晰的内镜图像
4.如权利要求3所述的医学影像的AI一体化显示系统，其特征在于，所述第一图像处理设备，具体用于将医学影像数据的第二图像特征向量集中每一行特征向量依次与每一样本内镜图像的第四图像特征向量集中对应行的特征向量计算皮尔逊相关系数，计算各行特征向量的皮尔逊相关系数的平均值，将得到的平均值作为医学影像数据与当前样本内镜图像的相似度。
5.如权利要求3所述的医学影像的AI一体化显示系统，其特征在于，自定义特征包括：图像的灰度平均像素值，灰度最大像素值，灰度最小像素值，亮度，对比度，Lab色彩空间的颜色亮度L的平均值、Lab色彩空间的绿-红程度a的平均值、Lab色彩空间的蓝-黄程度b的平均值中的一个或多个。
6.如权利要求1或３所述的医学影像的AI一体化显示系统，其特征在于，所述第一图像处理设备，用于使用光流法获取相邻医学影像数据的每个像素点的运动矢量，计算相邻医学影像数据的各个像素点的平均运动矢量，当所述平均运动矢量小于预设的判别阈值时，则判定相邻医学影像数据中后采集的医学影像数据与先采集的医学影像数据相似，并删除相邻医学影像数据中后采集的医学影像数据。
7.如权利要求1所述的医学影像的AI一体化显示系统，其特征在于，所述预设的AI识别模型的生成器为一个超分辨率网络，用于将输入的低分辨率图像进行上采样的超分辨图像；
8.一种医学影像的AI一体化显示方法，其特征在于，所述方法包括；
9.如权利要求8所述的医学影像的AI一体化显示方法，其特征在于，所述第一图像处理设备对获取到的医学影像数据进行预处理，包括：
10.如权利要求8或9所述的医学影像的AI一体化显示方法，其特征在于，所述第一图像处理设备对获取到的医学影像数据进行预处理，还包括：
...【技术特征摘要】
1.一种医学影像的ai一体化显示系统，其特征在于，包括医学影像采集设备、第一图像处理设备、云处理服务器、第二图像处理设备、视频融合器以及医学影像显示器；
2.如权利要求1所述的医学影像的ai一体化显示系统，其特征在于，所述医学影像显示器与所述医学影像采集设备通过视频线连接，以当所述视频融合器与医学影像显示器之间的视频传输链路发生故障时切换至医学影像采集设备为医学影像显示器提供待显示图像数据。
3.如权利要求1所述的医学影像的ai一体化显示系统，其特征在于，所述第一图像处理设备，用于将医学影像采集设备采集的医学影像数据按照预设尺寸进行缩放，并对缩放后的图像等间隔采样n行图像数据，得到医学影像数据的第一图像特征向量集；对医学影像数据的第一图像特征向量集中每一行图像特征向量进行自定义特征提取，得到医学影像数据的第二图像特征向量集；对预先构建的第一数据库和第二数据库中的各个样本内镜图像按照预设尺寸进行缩放，并对缩放后的图像等间隔采样n行图像数据，得到各个样本内镜图像的第三图像特征向量集，第一数据库中的内镜图像是模糊的内镜图像，第一数据库中的内镜图像是清晰的内镜图像；对各个样本内镜图像的第三图像特征向量集中每一行图像特征向量进行自定义特征提取，得到各个样本内镜图像的第四图像特征向量集；计算医学影像数据的第二图像特征向量集与每一样本内镜图像的第四图像特征向量集的相似度，根据相似度最高的样本内镜图像所属数据库确定医学影像数据是否为模糊图像；若医学影像数据为模糊图像则将其删除。
4.如权利要求3所述的医学影像的ai一体化显示系统，其特征在于，所述第一图像处理设备，具体用于将医学...
【专利技术属性】
技术研发人员：赖永航，冯健，王韶青，
申请(专利权)人：青岛美迪康数字工程有限公司，
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。