[發明專利]一種基于人工智能的醫學影像分類處理系統

在審

• 申請號: 202011158352.1
• 申請日: 2020-10-26
• 公開（公告）號: CN112397178A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 周澤文
• 申請（專利權）人: 周澤文
• 主分類號: G16H30/20
• 分類號: G16H30/20;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 江蘇法德東恒律師事務所 32305
• 代理人: 劉林

本發明公開的屬于醫學影像分類處理技術領域，具體為一種基于人工智能的醫學影像分類處理系統，包括本地電腦、登錄單元、圖像導入單元、中心系統圖像匯總采集單元、篩選分類單元、顯示單元和終端服務器。該發明通過攝像裝置獲取當前患者病灶處的影像信息，通過本系統對上傳的影像數據進行標簽處理，并且上傳終端服務器，實現資料的擴容和分享，同時，將患者的影像信息與資料庫內部存儲的影像信息進行對應比較，匹配到與之相似的案例影像信息，可準確的對病患拍攝的醫學影像資料進行分析，并做出醫學檢查報告，從而輔助醫生提高對患者進行醫學檢查的效率及準確性。

技術領域

本發明涉及醫學影像分類處理技術領域，具體為一種基于人工智能的醫學影像分類處理系統。

背景技術

隨著現代醫學成像技術的快速發展,醫學影像已經成為重要的輔助診療技術。但是,隨著各種醫學成像設備比如CT、MR、DSA、DR,以及大量計算機技術融合到影響診斷中,醫學影像資源的有效利用已經成為了一個非常迫切的問題。醫院每天產生海量的醫學圖像,如果能夠對影像類別進行自動標注,可以在很大程度上減少醫生的工作量,也能夠提高醫學影像的使用效率。醫學影像分類已經成為一個非常迫切的需求。

傳統的基于內容的圖像分類方法大多基于圖像的全局特征,比如顏色、紋理、形狀特征等,這些方法雖然已經取得了不錯的分類性能,但由于思路單一,這種分類方法的發展受到了很大的限制。深度學習可以給醫療領域帶來巨大的改變，但是，開發訓練模型需要大量的專業知識。《柳葉刀》子刊《柳葉刀數字健康》近年來都對此領域報道了多篇論文，是醫學領域發展的重要方向之一。

自20世紀80年代首次被提出以來，深度學習在過去10年中飛速發展，很大程度上是由于最初為視頻游戲開發的圖形處理功能的進步以及日益增多的大型開源數據集，自2012年以來，深度學習為計算機視覺、圖像處理、語音識別、自然語言翻譯、機器人技術，甚至是汽車自動駕駛等多種領域帶來了深刻變革。2015年，“科學美國人(ScientificAmerican)”雜志將深度學習列為年度“改變世界思想”之一。

首先，訪問大型、格式標準且結果準確的數據集是一項重大挑戰，盡管世界各地的許多機構的大型臨床數據集都是開放的，但是擁有易于處理和計算的形式以及可用于學習任務的準確的臨床診斷結果的數據數量卻很少。全局范圍看雖然數據量龐大，但是卻難以的到有效利用；其次，現有的設備，攝片的結果數據量龐大，對計算機硬件的要求過高，單一機構難以負擔，同時，各個機構、醫院都嘗試建立自己的模型和系統，但是存在區域化屏障，不能夠實現醫療資源的有效共享，阻礙了深度學習的準確性；最后，現有的設備無法及時的對上傳的醫學影像提供類似的案例資料，并做出醫學檢查報告，無法輔助醫生提高對患者進行醫學檢查的效率及準確性，因此需要研發一種基于人工智能的醫學影像分類處理系統。

發明內容

本部分的目的在于概述本發明的實施方式的一些方面以及簡要介紹一些較佳實施方式。在本部分以及本申請的說明書摘要和發明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發明名稱的目的模糊，而這種簡化或省略不能用于限制本發明的范圍。

鑒于現有中存在的問題，提出了本發明。

因此，本發明的目的是提供一種基于人工智能的醫學影像分類處理系統，通過攝像裝置獲取當前患者病灶處的影像信息，通過本系統對上傳的影像數據進行標簽處理，并且上傳終端服務器，實現資料的擴容和分享，同時，將患者的影像信息與資料庫內部存儲的影像信息進行對應比較，匹配到與之相似的案例影像信息，可準確的對病患拍攝的醫學影像資料進行分析，并做出醫學檢查報告，從而輔助醫生提高對患者進行醫學檢查的效率及準確性。

為解決上述技術問題，根據本發明的一個方面，本發明提供了如下技術方案：

一種基于人工智能的醫學影像分類處理系統，其包括本地電腦、登錄單元、圖像導入單元、中心系統圖像匯總采集單元、篩選分類單元、顯示單元和終端服務器。