[發明專利]基于人工智能的醫學影像分類處理系統及方法

在審

• 申請號: 201710846124.5
• 申請日: 2017-09-15
• 公開（公告）號: CN107767935A
• 公開（公告）日: 2018-03-06
• 發明（設計）人: 姚育東;錢唯;鄭斌;馬賀;齊守良;趙明芳
• 申請（專利權）人: 深圳市前海安測信息技術有限公司
• 主分類號: G16H30/20
• 分類號: G16H30/20;G16H50/20;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人工智能的醫學影像分類處理系統，應用于服務器中，該服務器連接有醫學影像信息庫、醫學影像采集終端和醫生工作站，其特征在于，所述基于人工智能的醫學影像分類處理系統包括：

影像信息獲取模塊，用于從醫學影像信息庫中獲取醫學影像信息；

影像信息分類模塊，用于基于不同人體部位將醫學影像信息分類處理；

醫學模型建立模塊，用于基于分類后的醫學影像信息建立對應人體各部位的醫學評估模型；

醫學模型訓練模塊，用于對人體各部位的醫學評估模型進行訓練處理，從訓練好的醫學評估模型中抽取醫學模型參數，并將醫學模型參數保存在服務器的存儲單元中；

醫學影像處理模塊，用于從醫學影像采集終端接收患者的醫學檢查影像，從患者的醫學檢查影像中識別出患者的檢查部位，并根據患者的檢查部位從存儲單元中獲取對應的醫學模型參數；

醫學影像輸出模塊，用于將患者的醫學檢查影像及對應的醫學模型參數發送到醫生工作站供醫生對患者進行醫學檢查。

2.如權利要求1所述的基于人工智能的醫學影像分類處理系統，其特征在于，所述醫學模型訓練模塊包括特征訓練子模塊和模型微調子模塊，其中：

所述特征訓練子模塊用于從所述醫學評估模型中抽取局部特征信息，并利用人工神經網絡對局部特征信息進行特征訓練來獲得一組特征向量；

所述模型微調子模塊用于將所述特征向量應用于卷積神經網絡的訓練中，并根據訓練結果對醫學評估模型進行微調處理。

3.如權利要求2所述的基于人工智能的醫學影像分類處理系統，其特征在于，所述人工神經網絡是通過自動編碼器來實現的分層神經網絡，該自動編碼器將局部特征信息作為第一層的輸入并進行特征訓練，將第一層的輸出作為第二層的輸入并進行特征訓練，以及將第二層的輸出作為第三層的輸入并進行特征訓練。

4.如權利要求2所述的基于人工智能的醫學影像分類處理系統，其特征在于，所述卷積神經網絡包括多個神經元、特征提取層以及特征映射層，其中，每個神經元與特征映射層相連，所述特征映射層從每個神經元中提取特征信息，所述特征映射層由多個特征向量映射組成。

5.如權利要求1所述的基于人工智能的醫學影像分類處理系統，其特征在于，所述醫學檢查影像包括核磁影像、CT影像、超聲影像、X光影像以及紅外影像。

6.一種基于人工智能的醫學影像分類處理方法，應用于服務器中，該服務器連接有醫學影像信息庫、醫學影像采集終端和醫生工作站，其特征在于，所述基于人工智能的醫學影像分類處理方法包括步驟：

從醫學影像信息庫中獲取醫學影像信息；

基于不同人體部位將醫學影像信息分類處理；

基于分類后的醫學影像信息建立對應人體各部位的醫學評估模型；

對人體各部位的醫學評估模型進行訓練處理；

從訓練好的醫學評估模型中抽取醫學模型參數，并將醫學模型參數保存在服務器的存儲單元中；

從醫學影像采集終端接收患者的醫學檢查影像；

從患者的醫學檢查影像中識別出患者的檢查部位，并根據患者的檢查部位從存儲單元中獲取對應的醫學模型參數；

將患者的醫學檢查影像及對應的醫學模型參數發送到醫生工作站供醫生對患者進行醫學檢查。

7.如權利要求6所述的基于人工智能的醫學影像分類處理方法，其特征在于，所述對人體各部位的醫學評估模型進行訓練處理的步驟包括：

從所述醫學評估模型中抽取局部特征信息，并利用人工神經網絡對抽取的局部特征信息進行特征訓練來獲得一組特征向量；

將所述特征向量應用于卷積神經網絡的訓練中，并根據訓練結果對醫學評估模型進行微調處理。

8.如權利要求7所述的基于人工智能的醫學影像分類處理方法，其特征在于，所述人工神經網絡是通過自動編碼器來實現的分層神經網絡，該自動編碼器將局部特征信息作為第一層的輸入并進行特征訓練，將第一層的輸出作為第二層的輸入并進行特征訓練，以及將第二層的輸出作為第三層的輸入并進行特征訓練。

9.如權利要求7所述的基于人工智能的醫學影像分類處理方法，其特征在于，所述卷積神經網絡包括多個神經元、特征提取層以及特征映射層，其中，每個神經元與特征映射層相連，所述特征映射層從每個神經元中提取特征信息，所述特征映射層由多個特征向量映射組成。

10.如權利要求6所述的基于人工智能的醫學影像分類處理方法，其特征在于，所述醫學檢查影像包括核磁影像、CT影像、超聲影像、X光影像以及紅外影像。