本发明涉及图像处理技术领域,特别涉及一种基于深度学习的多模态成像扫描协议推荐方法及系统。
背景技术:
在单模态医学成像系统或者多模态医学成像系统中,医学成像系统扫描图像时需根据采集和诊断需求设定扫描协议。这一过程往往涉及相对复杂的扫描流程和方案。在多模态医学成像系统中,需要同时设定多种协议,如此会增加使用者的操作难度和设备使用门槛。目前,扫描协议的设定很大程度上基于医生的经验和习惯方式进行,但是,这种方法会导致扫描不精确,且容易扫描过多无用的信息或者丢失重要信息。
针对现有技术中扫描协议的设定依赖操作者的经验和习惯,导致扫描不精确,且容易扫描过多无用的信息或者丢失重要信息的问题,本领域技术人员一直在寻找解决的方法。
技术实现要素:
本发明的目的在于提供一种基于深度学习的多模态成像扫描协议推荐方法及系统,以解决扫描协议的设定依赖操作者的经验和习惯,导致扫描不精确,且容易扫描过多无用的信息或者丢失重要信息的问题。
为解决上述技术问题,本发明提供一种基于深度学习的多模态成像扫描协议推荐方法,所述基于深度学习的多模态成像扫描协议推荐方法包括如下步骤:
构建训练集,所述训练集包括的元素为:预扫描对象、预扫描区域、病史信息及生理信号;
对所述训练集进行深度学习,获得对应所述预扫描区域的优化的扫描协议组合作为扫描协议推荐结果。
可选的,在所述的基于深度学习的多模态成像扫描协议推荐方法中,所述对所述训练集进行深度学习过程中,通过神经网络分类判断获得对应所述预扫描区域的优化的扫描协议组合。
可选的,在所述的基于深度学习的多模态成像扫描协议推荐方法中,所述预扫描对象为人体各个器官中的一种或多种。
可选的,在所述的基于深度学习的多模态成像扫描协议推荐方法中,所述器官为肝,心,脑或盆腔。
可选的,在所述的基于深度学习的多模态成像扫描协议推荐方法中,所述预扫描区域为半身或全身。
可选的,在所述的基于深度学习的多模态成像扫描协议推荐方法中,所述病史信息包括:病灶发展和病灶位置。
可选的,在所述的基于深度学习的多模态成像扫描协议推荐方法中,所述生理信号包括呼吸信号和心跳信号。
本发明还提供一种基于深度学习的多模态成像扫描协议推荐系统,所述基于深度学习的多模态成像扫描协议推荐系统包括:
训练集构建模块,用于构建训练集,所述训练集包括的元素为:预扫描对象、预扫描区域、病史信息及生理信号;
深度学习模块,用于对所述训练集进行深度学习,获得对应所述预扫描区域的优化的扫描协议组合。
可选的,在所述的基于深度学习的多模态成像扫描协议推荐系统中,所述预扫描对象为人体各个器官中的一种或多种。
可选的,在所述的基于深度学习的多模态成像扫描协议推荐系统中,所述预扫描区域为半身或全身。
在本发明所提供的基于深度学习的多模态成像扫描协议推荐方法及系统中,所述基于深度学习的多模态成像扫描协议推荐方法通过构建训练集,对所述训练集进行深度学习,获得对应所述预扫描区域的优化的扫描协议组合作为扫描协议推荐结果。通过深度学习技术,学习专业医师的扫描协议设定和操作方式,指导操作人员根据扫描历史合理推荐设定扫描协议,降低了技术门槛,减小了操作难度和时间,提升了扫描结果的一致性。
附图说明
图1是本发明一实施例中基于深度学习的多模态成像扫描协议推荐方法的流程图;
图2是本发明一实施例中基于深度学习的多模态成像扫描协议推荐系统的结构示意图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
请参考图1,其为本发明的基于深度学习的多模态成像扫描协议推荐方法的流程图,如图1所示,所述的基于深度学习的多模态成像扫描协议推荐方法包括如下步骤:
首先,执行步骤s1,构建训练集,所述训练集包括的元素为:预扫描对象、预扫描区域、病史信息及生理信号;
接着,执行步骤s2,对所述训练集进行深度学习,获得对应所述预扫描区域的优化的扫描协议组合作为扫描协议推荐结果。
具体的,所述对所述训练集进行深度学习过程中,通过神经网络分类判断获得对应所述预扫描区域的优化的扫描协议组合。
进一步地,所述预扫描对象为人体各个器官中的一种或多种,所述器官可以为肝,心,脑或盆腔;所述预扫描区域为半身或全身;所述病史信息包括:病灶发展和病灶位置,例如,若病灶为肝癌,则病史信息为肝癌程度和肝癌转移位置;所述生理信号包括呼吸信号和心跳信号。
在另一实施例中,本发明还提供了一种基于深度学习的多模态成像扫描协议推荐系统,所述基于深度学习的多模态成像扫描协议推荐系统包括:训练集构建模块和深度学习模块,所述训练集构建模块用于构建训练集,所述训练集包括的元素为:预扫描对象、预扫描区域、病史信息及生理信号;所述深度学习模块用于对所述训练集进行深度学习,获得对应所述预扫描区域的优化的扫描协议组合。
其中,所述预扫描对象为人体各个器官中的一种或多种,所述器官可以为肝,心,脑或盆腔;所述预扫描区域为半身或全身;所述病史信息包括:病灶发展和病灶位置;所述生理信号包括呼吸信号和心跳信号。
对于实施例公开的方法而言,由于与实施例公开的结构相对应,所以描述的比较简单,相关之处参见结构部分说明即可。
综上,在本发明所提供的基于深度学习的多模态成像扫描协议推荐方法及系统中,所述基于深度学习的多模态成像扫描协议推荐方法通过构建训练集,对所述训练集进行深度学习,获得对应所述预扫描区域的优化的扫描协议组合作为扫描协议推荐结果。通过深度学习技术,学习专业医师的扫描协议设定和操作方式,指导操作人员根据扫描历史合理推荐设定扫描协议,降低了技术门槛,减小了操作难度和时间,提升了扫描结果的一致性。
上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。