一种基于人工智能的医学图像自动分析方法技术

本发明专利技术公开了一种基于人工智能的医学图像自动分析方法，包括:数据采集与标注，利用基于黎曼编码的生成对抗网络算法进行数据扩充；利用基于生态系统优化的神经网络参数优化方法进行特征提取；利用基于期望传播的自编码神经网络算法进行特征降维；利用基于动态优化的支持向量机算法进行分类诊断，进行医学自动诊断。本发明专利技术方法能够生成高质量多样性医学图像数据，解决了原始医学图像数据稀缺问题，提高了训练数据集质量，同时引入多样性保持机制提升模型泛化能力，保留数据本质特征，结合退火策略，保证训练过程的稳定性和最终性能的优化，并实时调整决策边界，能够灵活准确地适应复杂多变的数据分布，提高了医学图像分析的准确率。

【技术实现步骤摘要】

本专利技术属于医学数据处理领域，具体涉及一种基于人工智能的医学图像自动分析方法。

技术介绍

1、随着计算机视觉和机器学习技术的快速发展，人工智能在辅助医学诊断中发挥着越来越重要的作用。尤其是在处理x射线、ct、mri等医学图像数据时，高效准确的自动诊断系统不仅可以提高诊断速度，还能帮助医生发现细微病变，提高诊断的准确性。然而，医学图像分析面临的挑战包括数据稀缺、高维度、个体差异大等问题，这些问题严重限制了现有技术的应用范围和效果。

2、医学图像数据的采集，需要专业医生进行精确标注，导致可用于训练的高质量数据量有限。此外，医学图像通常为高维数据，包含大量细节信息，直接处理这些高维数据需要巨大的计算资源，且易受到噪声和冗余信息的干扰。同时，不同患者之间的生理结构差异使得模型需要具备更高的泛化能力，以适应不同个体的数据分布。

3、因此，目前的医学图像分析与自动诊断技术还有很多局限性，医学图像数据稀缺且高维度，导致训练数据不足，数据标注需要耗费大量人力资源，且易受噪声干扰，以及不同个体间生理结构的差异导致泛化能力不足，限制了医学图像分析技术本文档来自技高网...

【技术保护点】

1.一种基于人工智能的医学图像自动分析方法，其特征在于，包括以下步骤:

2.根据权利要求1所述的基于人工智能的医学图像自动分析方法，其特征在于，步骤S1中，所述医疗图像数据包括：X射线、CT、MRI图像数据，以数字化形式存储，格式为JPEG，将采集到的医疗图像数据构造为训练数据集；对医疗图像数据进行标注的方式为人工标注。

3.根据权利要求2所述的基于人工智能的医学图像自动分析方法，其特征在于，步骤S2利用基于黎曼编码的生成对抗网络算法，模拟医学图像数据的内在几何结构，对采集到的训练数据集进行数据扩充，包括如下子步骤：

4.根据权利要求3所述的基于人工智...

【技术特征摘要】

1.一种基于人工智能的医学图像自动分析方法，其特征在于，包括以下步骤:

2.根据权利要求1所述的基于人工智能的医学图像自动分析方法，其特征在于，步骤s1中，所述医疗图像数据包括：x射线、ct、mri图像数据，以数字化形式存储，格式为jpeg，将采集到的医疗图像数据构造为训练数据集；对医疗图像数据进行标注的方式为人工标注。

3.根据权利要求2所述的基于人工智能的医学图像自动分析方法，其特征在于，步骤s2利用基于黎曼编码的生成对抗网络算法，模拟医学图像数据的内在几何结构，对采集到的训练数据集进行数据扩充，包括如下子步骤：

4.根据权利要求3所述的基于人工智能的医学图像自动分析方法，其特征在于，步骤s2.6中，生成器和判别器的损失函数和，分别定义为：

5.根据权利要求1所述的基于人工智能的医学图像自动分析方法，其特征在于，步骤s3基于数据扩充后的训练数据集，使用神经网络参数优化方法，模拟生态系统中的自然选择和遗传变异...

【专利技术属性】
技术研发人员：茅雯慧，钱伟行，张浩诚，仇筱，包琪玮，汤思玮，陆思远，倪婧娴，茅雯欣，
申请(专利权)人：南京师范大学，
类型：发明
国别省市：