[發明專利]一種基于圖片傳送的健康咨詢平臺通道構建方法及系統

有效

• 申請號: 201810744550.2
• 申請日: 2018-07-09
• 公開（公告）號: CN109147958B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 許冬瑾
• 申請（專利權）人: 康美藥業股份有限公司
• 主分類號: G16H80/00
• 分類號: G16H80/00;G06V10/74;G06V10/774;G06V10/80;G06V10/82
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙) 44288
• 代理人: 秦維;汪衛軍

1.一種基于圖片傳送的健康咨詢平臺通道構建方法，所述健康咨詢平臺用于建立客戶終端和醫生終端的通訊，其特征在于，包括以下步驟：

接收所有醫生終端發送的樣本信息，所述樣本信息包括多個訓練樣本圖像組成的訓練樣本集以及與醫生終端對應的醫生終端標識，對每個醫生終端發送的訓練樣本集進行分別融合，獲取融合后的融合圖像集；

所述訓練樣本集為CT圖像；

根據所述融合圖像集創建神經網絡模型，所述神經網絡模型為多個，每個神經網絡模型對應一個訓練樣本集；

將客戶終端發送的目標圖像輸入所有的神經網絡模型，計算獲取所述目標圖像與每個訓練樣本集的相似度，并將與目標圖像相似度最大的訓練樣本集定義為匹配圖像；

建立客戶終端和目標醫生終端的連接通道，所述目標醫生終端為根據所述匹配圖像對應的醫生終端標識查找獲得的醫生終端；

對任意一個醫生終端發送的訓練樣本集進行融合，獲取融合后的融合圖像集，包括：

將訓練樣本集的顏色空間轉換為RGB色彩空間；

對所述RGB色彩空間的訓練樣本集的R，G，B三個通道的圖像按照公式（1）所示進行融合，得到融合圖像集：

（1）

其中，F_j為第j個訓練樣本圖像的融合圖像集，1≤j≤n，n為所述任意一個醫生終端發送的訓練樣本集中訓練樣本圖像的總數；k為融合系數，k=k₁，k₂，k₃；k₁、k₂、k₃分別為R，G，B三個通道的圖像的融合系數，R、G、B分別為初始圖像在RGB色彩空間下的紅色通道、綠色通道和藍色通道的圖像；

所述根據所述融合圖像集創建神經網絡模型，包括：

將所述融合圖像集分組，得到分組圖像集，其中，為第j個訓練樣本圖像的融合圖像集中第個分組圖像，1≤≤p，p為第j個訓練樣本圖像的融合圖像集的組數，p=INT（t/3）；用表示第j個訓練樣本圖像的融合圖像集中的第i個融合圖像，i=3*(l-1)+1，3*(l-1)+2，3*(l-1)+3，1≤i≤t，t為任意訓練樣本圖像的融合圖像集中的融合圖像總數；

將即輸入CNN模型網絡結構中得到神經網絡模型集合中最高級父節點模型CNN1；

假設神經網絡模型集合中有m個樹狀模型為已知模型，記為，1≤r≤m＜p，為第r個已知模型，未創建的樹狀模型數目則為p-m個，稱為候選模型，記為，m+1≤k≤p，為第k個候選模型；

將未使用的分組圖像集輸入CNN模型網絡結構中得到各個候選模型；

將對應的未使用的分組圖像集代入已知模型中，計算分組圖像集和已知模型的相似度，相似度計算公式為公式（2）：

（2）

其中，為將分組圖像集代入已知模型所得到的事件發生的置信概率；

選取所述相似度最大的已知模型作為的父節點模型，即公式（3）：

（3）

為候選模型對應的父節點模型，為已知模型本身的可靠性，將已知模型的父節點記為，已知模型的父節點的可靠性記為，則：

（4）

將最高級父節點模型CNN1、已知模型、候選模型以及三者之間的父子節點關系相關聯，得到神經網絡模型集合，并將神經網絡模型集合中的樹狀模型記為，其中，時即為CNN1，時即為已知模型，時即為候選模型；

將客戶終端發送的目標圖像輸入所有的神經網絡模型，計算獲取所述目標圖像與每個訓練樣本集的相似度，并將與目標圖像相似度最大的訓練樣本集定義為匹配圖像，包括：

將目標圖像q通過公式（1）得到目標融合圖像集，記為F_q；

將目標融合圖像集F_q分組，得到分組圖像集；

將分組圖像集依次輸入所述神經網絡模型，通過公式（5）計算目標圖像q與所有神經網絡模型的相似度，對于目標圖像q與任意神經網絡模型的相似度，計算公式為：

（5）

其中，為目標圖像q與神經網絡模型的相似度，為將分組圖像集代入樹狀模型所得到的事件發生的置信概率，為樹狀模型的權重系數，所述權重系數的計算公式為：

（6）

其中，為樹狀模型的可靠性，通過公式（4）計算獲得；為分組圖像集代入樹狀模型的所獲得的最大置信概率，計算公式為：

（7）。