【技術實現步驟摘要】
本專利技術涉及醫學影像診斷，具體為基于人工智能的醫學影像輔助診斷方法。
技術介紹
1、醫學影像是指為了醫療或醫學研究，對人體或人體某部分，以非侵入方式取得內部組織影像的技術與處理過程；它包含以下兩個相對獨立的研究方向：醫學成像系統和醫學圖像處理；前者是指圖像形成的過程，包括對成像機理、成像設備、成像系統分析等問題的研究；后者是指對已經獲得的圖像作進一步的處理，其目的是或者是使原來不夠清晰的圖像復原，或者是為了突出圖像中的某些特征信息，或者是對圖像做模式分類等。
2、但是在現有技術中，醫學影像輔助診斷時無法對醫學影像進行精準分析，以至于不能夠提前標記陰影區域，且不能夠分析陰影區域的細小變化，造成醫學影像診斷效率低。
3、針對上述的技術缺陷，現提出一種解決方案。
技術實現思路
1、本專利技術的目的就在于為了解決上述提出的問題，而提出基于人工智能的醫學影像輔助診斷方法。
2、本專利技術的目的可以通過以下技術方案實現：
3、基于人工智能的醫學影像輔助診斷方法，具體輔助診斷方法步驟如下：
4、步驟一、陰影監測輔助，對醫學影像進行陰影深度分析，通過深度分析對醫學影像進行準確陰影判定；
5、步驟二、形狀分析，對醫學影像陰影部分進行形狀分析，通過形狀分析進一步對醫學影像進行檢測診斷；
6、步驟三、規格分析，根據多次監測影像分析進行規格判斷，判斷醫學影像內陰影部分多次監測下是否存在規格變化。
7、作為本專
8、將醫學影像劃分為i個子圖片，i為大于1的自然數，將子圖片劃分為o個子區域，獲取到醫學影像內各個子圖片中對應子區域的顏色深度值最大偏差量，同時獲取到醫學影像內任一子圖片中任一子區域顏色深度值與當前子區域顏色深度均值的數值偏差值，并將醫學影像內各個子圖片中對應子區域的顏色深度值最大偏差量、醫學影像內任一子圖片中任一子區域顏色深度值與當前子區域顏色深度均值的數值偏差值分別與深度最大偏差量閾值和數值偏差值閾值進行比較。
9、作為本專利技術的一種優選實施方式，若醫學影像內各個子圖片中對應子區域的顏色深度值最大偏差量超過深度最大偏差量閾值，或者醫學影像內任一子圖片中任一子區域顏色深度值與當前子區域顏色深度均值的數值偏差值超過數值偏差值閾值，則將對應醫學影響對應子圖片的子區域設定為陰影區域；
10、若醫學影像內各個子圖片中對應子區域的顏色深度值最大偏差量未超過深度最大偏差量閾值，且醫學影像內任一子圖片中任一子區域顏色深度值與當前子區域顏色深度均值的數值偏差值未超過數值偏差值閾值，則將對應醫學影像對應子圖片的子區域設定為非陰影區域。
11、作為本專利技術的一種優選實施方式，步驟二、形狀分析過程如下：
12、對醫學影像內陰影區域進行形狀分析，當陰影區域處于單個子區域時，獲取到陰影區域邊界位置與當前所在子區域邊界位置的最大間距偏差值，同時獲取到陰影區域邊界與當前所在子區域邊界處于平行邊界長度與處于非平行邊界長度的數值比，并將陰影區域邊界位置與當前所在子區域邊界位置的最大間距偏差值、陰影區域邊界與當前所在子區域邊界處于平行邊界長度與處于非平行邊界長度的數值比分別與最大間距偏差值閾值和長度數值比閾值進行比較。
13、作為本專利技術的一種優選實施方式，若陰影區域邊界位置與當前所在子區域邊界位置的最大間距偏差值超過最大間距偏差值閾值，或者陰影區域邊界與當前所在子區域邊界處于平行邊界長度與處于非平行邊界長度的數值比未超過長度數值比閾值，則判定陰影區域與當前子區域形狀不一致，生成單一區域陰影不規則信號并將單一區域陰影不規則信號發送至交互終端，交互終端將單一區域陰影不規則信號以文字形式進行展示；
14、若陰影區域邊界位置與當前所在子區域邊界位置的最大間距偏差值未超過最大間距偏差值閾值，且陰影區域邊界與當前所在子區域邊界處于平行邊界長度與處于非平行邊界長度的數值比超過長度數值比閾值，則判定陰影區域與當前子區域形狀一致，生成單一區域陰影規則信號并將單一區域陰影規則信號發送至交互終端。
15、作為本專利技術的一種優選實施方式，當陰影區域涉及多個子區域時，獲取到陰影區域中心到陰影區域邊界的區域與子區域重疊面積的最大偏差值，同時獲取到陰影區域中心與陰影區域邊界對應間距的差值浮動量，并將陰影區域中心到陰影區域邊界的區域與子區域重疊面積的最大偏差值、陰影區域中心與陰影區域邊界對應間距的差值浮動量分別與面積最大偏差值閾值和差值浮動量閾值進行比較。
16、作為本專利技術的一種優選實施方式，若陰影區域中心與陰影區域邊界對應間距的差值浮動量超過面積最大偏差值閾值，或者陰影區域中心與陰影區域邊界對應間距的差值浮動量超過差值浮動量閾值，則判定陰影區域與當前子區域形狀不一致，生成多個區域陰影不規則信號并將多個區域陰影不規則信號發送至交互終端，交互終端將單一區域陰影不規則信號以文字形式進行展示；
17、若陰影區域中心與陰影區域邊界對應間距的差值浮動量未超過面積最大偏差值閾值，且陰影區域中心與陰影區域邊界對應間距的差值浮動量未超過差值浮動量閾值，則判定陰影區域與當前子區域形狀一致，生成多個區域陰影規則信號并將多個區域陰影規則信號發送至交互終端。
18、作為本專利技術的一種優選實施方式，步驟三規格分析過程如下：
19、將醫學影像根據采集順序進行子圖片排列，獲取到醫學影像中相鄰子圖片對應同一子區域內點位與陰影區域邊界任一點位的間距浮動量，同時獲取到非相鄰子圖片對應同一子區域點位與陰影區域邊界任一點位的間距浮動速度，并將醫學影像中相鄰子圖片對應同一子區域內點位與陰影區域邊界任一點位的間距浮動量、非相鄰子圖片對應同一子區域點位與陰影區域邊界任一點位的間距浮動速度分別與間距浮動量閾值和間距浮動速度閾值進行比較。
20、作為本專利技術的一種優選實施方式，若醫學影像中相鄰子圖片對應同一子區域內點位與陰影區域邊界任一點位的間距浮動量超過間距浮動量閾值，或者非相鄰子圖片對應同一子區域點位與陰影區域邊界任一點位的間距浮動速度超過間距浮動速度閾值，則判定醫學影像異常風險高，生成診斷高風險信號并將診斷高風險信號發送至交互終端，交互終端接收后直接進行二次復查并通知主治醫生進行醫學影像觀察；
21、若醫學影像中相鄰子圖片對應同一子區域內點位與陰影區域邊界任一點位的間距浮動量未超過間距浮動量閾值，且非相鄰子圖片對應同一子區域點位與陰影區域邊界任一點位的間距浮動速度未超過間距浮動速度閾值，則判定醫學影像異常風險低，生成診斷低風險信號并將診斷低風險信號發送至交互終端。
22、與現有技術相比，本專利技術的有益效果是：
23、本專利技術中，對醫學影像進行陰影深度分析，通過深度分析對醫學影像進行準確陰影判定，并通過判定進行陰影位置提醒，便于提高了醫生診斷效率，避免醫生誤診造成診斷效率降低；對醫學影像陰影部分進行形狀分析，通過形狀分析進一步本文檔來自技高網...
【技術保護點】
1.基于人工智能的醫學影像輔助診斷方法，其特征在于，具體輔助診斷方法步驟如下：
2.根據權利要求1所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，步驟一中陰影監測輔助過程如下：
3.根據權利要求2所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，若醫學影像內各個子圖片中對應子區域的顏色深度值最大偏差量超過深度最大偏差量閾值，或者醫學影像內任一子圖片中任一子區域顏色深度值與當前子區域顏色深度均值的數值偏差值超過數值偏差值閾值，則將對應醫學影響對應子圖片的子區域設定為陰影區域；
4.根據權利要求1所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，步驟二、形狀分析過程如下：
5.根據權利要求4所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，若陰影區域邊界位置與當前所在子區域邊界位置的最大間距偏差值超過最大間距偏差值閾值，或者陰影區域邊界與當前所在子區域邊界處于平行邊界長度與處于非平行邊界長度的數值比未超過長度數值比閾值，則判定陰影區域與當前子區域形狀不一致，生成單一區域陰影不規則信號并將單一區域陰影不規則信號發送至交互
6.根據權利要求5所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，當陰影區域涉及多個子區域時，獲取到陰影區域中心到陰影區域邊界的區域與子區域重疊面積的最大偏差值，同時獲取到陰影區域中心與陰影區域邊界對應間距的差值浮動量，并將陰影區域中心到陰影區域邊界的區域與子區域重疊面積的最大偏差值、陰影區域中心與陰影區域邊界對應間距的差值浮動量分別與面積最大偏差值閾值和差值浮動量閾值進行比較。
7.根據權利要求6所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，若陰影區域中心與陰影區域邊界對應間距的差值浮動量超過面積最大偏差值閾值，或者陰影區域中心與陰影區域邊界對應間距的差值浮動量超過差值浮動量閾值，則判定陰影區域與當前子區域形狀不一致，生成多個區域陰影不規則信號并將多個區域陰影不規則信號發送至交互終端，交互終端將單一區域陰影不規則信號以文字形式進行展示；
8.根據權利要求1所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，步驟三規格分析過程如下：
9.根據權利要求8所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，若醫學影像中相鄰子圖片對應同一子區域內點位與陰影區域邊界任一點位的間距浮動量超過間距浮動量閾值，或者非相鄰子圖片對應同一子區域點位與陰影區域邊界任一點位的間距浮動速度超過間距浮動速度閾值，則判定醫學影像異常風險高，生成診斷高風險信號并將診斷高風險信號發送至交互終端，交互終端接收后直接進行二次復查并通知主治醫生進行醫學影像觀察；
...【技術特征摘要】
1.基于人工智能的醫學影像輔助診斷方法，其特征在于，具體輔助診斷方法步驟如下：
2.根據權利要求1所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，步驟一中陰影監測輔助過程如下：
3.根據權利要求2所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，若醫學影像內各個子圖片中對應子區域的顏色深度值最大偏差量超過深度最大偏差量閾值，或者醫學影像內任一子圖片中任一子區域顏色深度值與當前子區域顏色深度均值的數值偏差值超過數值偏差值閾值，則將對應醫學影響對應子圖片的子區域設定為陰影區域；
4.根據權利要求1所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，步驟二、形狀分析過程如下：
5.根據權利要求4所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，若陰影區域邊界位置與當前所在子區域邊界位置的最大間距偏差值超過最大間距偏差值閾值，或者陰影區域邊界與當前所在子區域邊界處于平行邊界長度與處于非平行邊界長度的數值比未超過長度數值比閾值，則判定陰影區域與當前子區域形狀不一致，生成單一區域陰影不規則信號并將單一區域陰影不規則信號發送至交互終端，交互終端將單一區域陰影不規則信號以文字形式進行展示；
6.根據權利要求5所述的基于人工智能的醫學影像輔助診斷方法，其特征在于，當陰影區域涉及多個子區域時，獲取到陰影區域中...
【專利技術屬性】
技術研發人員：吳曉玲，鐘友文，黨慧敏，張欣，趙輝，肖健，田貴榮，張燁，
申請(專利權)人：西安交通大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。