[發(fā)明專利]基于AI的影像科醫(yī)療影像輔助識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201911405387.8
• 申請日: 2019-12-31
• 公開（公告）號: CN111209945A
• 公開（公告）日: 2020-05-29
• 發(fā)明（設計）人: 覃士忠
• 申請（專利權(quán)）人: 覃士忠
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34
• 代理公司: 武漢智嘉聯(lián)合知識產(chǎn)權(quán)代理事務所(普通合伙) 42231
• 代理人: 江慧

1.一種基于AI的影像科醫(yī)療影像輔助識別方法，其特征在于，包括如下步驟：

S1、從服務器中提取歷史訓練樣本數(shù)據(jù)，對歷史訓練樣本數(shù)據(jù)進行時空關(guān)聯(lián)性預處理，從而得到帶有時間演進特征的訓練樣本數(shù)據(jù)集合；

S2、通過帶有時間演進特征的訓練樣本數(shù)據(jù)集合來訓練網(wǎng)絡識別模型；

S3、通過網(wǎng)絡識別模型對待預測醫(yī)療影像進行輔助識別，得到待預測醫(yī)療影像的輔助識別結(jié)果，并將輔助識別結(jié)果發(fā)送到終端進行展示。

2.如權(quán)利要求1所述的基于AI的影像科醫(yī)療影像輔助識別方法，其特征在于，

所述步驟S1包括：

S11、從服務器中提取歷史訓練樣本數(shù)據(jù)，所述歷史訓練樣本數(shù)據(jù)包括不同患者在不同時間節(jié)點所拍攝的醫(yī)療影像資料，并對醫(yī)療影像資料根據(jù)先驗規(guī)則進行分割得到各功能區(qū)矩陣數(shù)據(jù)；

S2、將各功能區(qū)矩陣數(shù)據(jù)進行時空關(guān)聯(lián)性預處理得到帶有時間維度的圖像序列數(shù)據(jù)，所述圖像序列數(shù)據(jù)即為帶有時間演進特征的訓練樣本數(shù)據(jù)集合。

3.如權(quán)利要求2所述的基于AI的影像科醫(yī)療影像輔助識別方法，其特征在于，

所述步驟S11中歷史訓練樣本數(shù)據(jù)形式如下：

P＝M×N×T；其中，每張圖像大小為M×N，圖像的時間維度為T，1≤m≤M，1≤n≤N，1≤t≤T，P(m,n,t)表示時間點為t的醫(yī)療影像圖像在位置(m,n)處的灰度值；

對醫(yī)療影像資料根據(jù)先驗規(guī)則進行分割得到各功能區(qū)矩陣數(shù)據(jù)包括：

根據(jù)先驗規(guī)則設置功能區(qū)數(shù)量為k類；并設置k類功能區(qū)各自預設關(guān)聯(lián)值；

將矩陣P按照第一規(guī)則分割為多個第一子矩陣；通過分割函數(shù)計算第一子矩陣的關(guān)聯(lián)值，通過第一子矩陣的關(guān)聯(lián)值與k類功能區(qū)各自預設關(guān)聯(lián)值的對比結(jié)果將第一子矩陣劃分到各功能區(qū)得到第二子矩陣；

所述分割函數(shù)如下：

其中s為第一子矩陣數(shù)量，k為功能區(qū)類別數(shù)量，i＝1，2，...，s，j＝1，2，...，k，e_ij為關(guān)聯(lián)程度值，其中l(wèi)＝1，2，...，k，且l≠j，q_i為第i個第一子矩陣值，c_j為第j類功能區(qū)預設關(guān)聯(lián)值；第二子矩陣形式如下：B＝(b₁,b₂,...b_k)。

所述步驟S2包括：

對第二子矩陣進行時間序列拆分，并將時間序列通過向量表示：

Q＝(f_t1,f_t2,...,f_tL)，其中Q為時間向量，L為關(guān)鍵過渡時間點；

將第二子矩陣改寫為時間向量與因素表達向量的混合表達形式，具體為F＝QΓ，其中Γ為因素表達向量。

4.如權(quán)利要求2所述的基于AI的影像科醫(yī)療影像輔助識別方法，其特征在于，

所述網(wǎng)絡識別模型為深度神經(jīng)網(wǎng)絡結(jié)構(gòu)模型。

5.一種基于AI的影像科醫(yī)療影像輔助識別系統(tǒng)，其特征在于，用于配置為執(zhí)行如權(quán)利要求1-4任一項所述的方法。