基于中文大语言模型的医学影像质量控制方法技术

本发明专利技术公开一种基于中文大语言模型的医学影像质量控制方法，先使用基于自监督学习的掩码自编码器对视觉编码器进行预训练，使用包含标签的医学影像对模型进行微调，将医学影像输入到预训练的视觉编码器中，得到视觉特征，将影像描述作为文本提示输入基于中文大语言模型的文本编码器中，得到文本特征，将两个特征投射为相同尺寸再进行拼接，得到最终特征，将最终特征输入到使用高效微调方法(LoRA)的中文大语言模型中，得到质量控制报告，进行实体提取，再对实体进行编码，计算其与真实标签编码之间的距离，采用对比学习进行微调。本发明专利技术能够用于对2D和3D医学影像进行质量控制。

【技术实现步骤摘要】

本专利技术涉及计算机图像处理技术，具体涉及一种基于中文大语言模型的医学影像质量控制方法。

技术介绍

1、放射影像技术，包括x光、ct、mri和超声等，是疾病诊断中不可或缺的工具，它们提供了直观的疾病内部视图。随着科技的进步，这些技术得到了显著的改进，并因其对诊断过程的提高而在医疗领域中越来越受到重视。然而，不同医疗机构的设备差异导致放射影像的质量参差不齐，影响了诊断的一致性和准确性。此外，放射影像的外观相似且数量庞大，这对放射科医生提出了高水平的解读精确度和专业技能的要求。由于影像质量直接影像疾病诊断的难易。影像质量的高低直接决定了疾病诊断的难易程度。因此，以深度学习为主要技术手段，研究放射影像质量控制方法可以提高诊断的效率和精确度，具有非常重要的临床实际应用价值。

2、目前，各种基于深度学习网络方法已经成功地应用于放射影像的学习和质量控制问题。然而，大多数方法主要针对单一类别的放射影像，对于处理各种类别的放射影像鲜有统一的框架。如何对具有不同图像形式的2d和3d影像做统一的学习，依然是一个待攻克的问题。同时，多数放射影像未经过处理，不存在对应本文档来自技高网...

【技术保护点】

1.一种基于中文大语言模型的医学影像质量控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于中文大语言模型的医学影像质量控制方法，其特征在于，所述步骤3的详细方法为：

3.根据权利要求1所述的基于中文大语言模型的医学影像质量控制方法，其特征在于，所述步骤5的具体内容如下：

【技术特征摘要】

1.一种基于中文大语言模型的医学影像质量控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于中文大语言模型的医学影像质量控制方法，...

【专利技术属性】
技术研发人员：江波，高馨越，万茜茜，王逍，李天成，张鑫，李传富，曹明伟，汤进，
申请(专利权)人：安徽大学，
类型：发明
国别省市：