一种基于深度学习的多模态医学影像质检系统、方法及存储介质技术方案

本发明专利技术公开了一种基于深度学习的多模态医学影像质检系统、方法及存储介质，包括如下步骤：S1、将多模态医学影像扫描后，传入质检系统，进入图像异常检测模块，检测影像是否存在异物、伪影、噪声区域；若存在，选择是否重新扫描，若无法重新扫描；S2、进入图像质量增强模块，对图像进行异物、伪影去除和降噪；S3、进入图像质量评估模块，评估影像是否合格；不合格，进行预警，重新扫描或继续图像增强；无预警，影像合格，完成扫描。本发明专利技术结合多模态医学影像扫描全流程路线，基于改进最先进的深度学习算法，整合和集成图像异常检测、图像质量增强和图像质量评估深度学习模型和功能模块，能够辅助实现影像质量检查，实现医学影像扫描同质化要求。

【技术实现步骤摘要】

本专利技术涉及医学图像处理，具体而言，涉及一种基于深度学习的多模态医学影像质检系统、方法及存储介质。

技术介绍

1、现代医学的疾病诊断和治疗全过程均离不开多模态医学影像的辅助，如查看肺部疾病需要ct影像扫描，查看脑部疾病需要mri影像扫描，查看弥漫大b细胞瘤等疾病需要pet影像扫描等。医学影像已经渗透在疾病诊疗的各个环节。但是，不同医院的多模态影像扫描因为设备、医生水平等多种因素，往往导致医学影像扫描的质量参差不齐，进而导致国内不同医院之间医学影像诊断结果不互认，这极大的浪费了国家和医院的医疗资源，耗费医生和患者不必要的时间和财力。如何有效地解决不同医院之间扫片质量参差不齐和结果不互认的问题，是目前国家需要亟待解决的。

2、人工智能(ai)算法在医学图像处理中得到了优越的性能印证，比如yolov8算法作为最新的目标检测算法已经被初步应用到各类工业场景中，diffusion算法为代表的生成算法也在业界被广泛应用，以及vision transformer算法改变了计算机视觉领域的基础算法，均极大地促进了业界相关领域的进步。然而，目前很少有工作将这些本文档来自技高网...

【技术保护点】

1.一种基于深度学习的多模态医学影像质检系统，其特征在于，包括服务器设备和操作终端；

2.根据权利要求1所述的一种基于深度学习的多模态医学影像质检系统，其特征在于，所述图像异常检测模块基于改进的YOLO V8算法进行搭建。

3.根据权利要求2所述的一种基于深度学习的多模态医学影像质检系统，其特征在于，所述改进的YOLO V8算法具体为：采用Swin Transformer替换原YOLOV8网络的主干网络，并引入注意力机制模块，并添加Focal Loss函数优化算法的损失函数，同时特征集成部分改进为渐近特征金字塔网络AFPN。

4.根据权利要求1所述的一...

【技术特征摘要】

1.一种基于深度学习的多模态医学影像质检系统，其特征在于，包括服务器设备和操作终端；

2.根据权利要求1所述的一种基于深度学习的多模态医学影像质检系统，其特征在于，所述图像异常检测模块基于改进的yolo v8算法进行搭建。

3.根据权利要求2所述的一种基于深度学习的多模态医学影像质检系统，其特征在于，所述改进的yolo v8算法具体为：采用swin transformer替换原yolov8网络的主干网络，并引入注意力机制模块，并添加focal loss函数优化算法的损失函数，同时特征集成部分改进为渐近特征金字塔网络afpn。

4.根据权利要求1所述的一种基于深度学习的多模态医学影像质检系统，其特征在于，所述图像增强模块基于改进的diffusion算法通过生成式的方式进行构建。

5.根据权利要求4所述的一种基于深度学习的多模态医学影像质检系统，其特征在于，所述改进的diffusion算法具体为：基于stablediffusion模型迁移到医学图像数据集中，进...

【专利技术属性】
技术研发人员：廖凯，姜泽坤，李函宇，李真林，陈庭宇，王紫薇，杨行，冷琦，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：