一种用于CT影像设备的加速图像处理系统的制作方法

本发明涉及医疗智慧系统技术领域，尤其涉及一种用于ct影像设备的加速图像处理系统。

背景技术：

ct医学影像的应用，能够协助医生诊断出病人是否患有肺癌。然而，随着ct影像学的发展以及患者数量的增多，造成了医院放射科医生每天的阅片数量增多。在这种情况下，放射科医生的工作压力繁重，可能会对患者病情的误判并且也会导致阅片效率低下。因此，随着智慧科技的发展，能够用于ct影响自动检测的系统随之兴起。

例如，公开号为cn106780460b的中国专利公开的一种用于胸部ct影像的肺结节自动处理系统。该系统主要包括：

(1)输入模块：获取原始计算机断层扫描(ct)影像序列；

(2)肺组织分割模块：其通过基于阈值的粗分割、背景体素移除、轮廓补全、气管组织移除得到初步肺部组织，再在每一个切片上，分别统计2d连通域的外轮廓边缘点的凹凸性来确定需要填充的区域，结合形态学操作填充区域获得最终肺实质分割结果；

(3)疑似结节检测模块：先在肺实质中通过最优阈值规则确定多组阈值；然后利用多组阈值分割获得多组3d连通域，一个阈值对应一组3d连通域，每一组3d连通域中包含若干个3d连通域，若出现重叠情况，采用位置回归方法融合重叠的3d连通域；再对每一个连通域提取2d/3d特征，并通过先验规则筛选获得疑似结节候选区域；最后该区域求取中心坐标和体积，得到定位定量结果；

(4)病灶分类模块：构建深度学习的病灶分类模型，并以候选结节为中心在三维空间中提取目标区域输入到深度学习的病灶分类模型中进行疑似结节分类；

(5)终端输出模块：诊断报告以影像标记和诊断书的形式显示或打印。

但是，为了能够准确地识别患处，ct扫描至少包括了普通扫描和增强扫描。患者或其家属可以根据其病情、物质等因素决定采用哪一种检测手段。普通检测具有检测速度快、但是影像效果不佳的特点。增强检测而言具有影像效果好、但是检测速度慢的特点。但是，不管采用哪一种检测手段，对于肺结节患者而言，获得权威、正确的诊断是当务之急，既不耽搁病情也能够让患者解除心理压力。然而，由于医学资源与患者数量的严重失衡，如何在满足医疗成本的情况下高效地基于不同扫描形式的原始扫描影像获取有利于医生判断的有价值的医疗诊断报告是本领域的当务之急。

此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于发明人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。

技术实现要素：

针对现有技术之不足，本发明提供了一种用于ct影像设备的加速图像处理系统。所述图像处理模块包括至少两个分析单元，用于能够基于两个不同扫描方式的ct影像输出诊断报告；其中，第一分析单元经由第一dram与预处理单元数据连接，其中，在第一分析单元不满足分析速度的情况下，第二分析单元在调度单元的调度的情况下能够经由第二dram与所述预处理单元数据连接。

由于图像预处理加速模块具有较为丰富的处理线程，因此可以将部分处理线程用于执行调度，因此可以将分配原则写入图像预处理加速模块而非图像处理模块。一方面，其能够降低图像处理模块的运算负载，也能够不用在图像处理模块中内置控制单元，以提升图像处理模块的运算效率。而另一方面，肺组织的影像分割的处理速度远高于深度分析，这种方式能够实现预先调度，将需要处理的普通型影像暂处于dram中，确保第一深度学习单元和第二深度学习单元能够直接读取dram中的影像资料，实现有序处理。

第一方面，就患者而言，本发明能够借用增强型影像的处理单元来协助处理大量的普通型影像，以便于普通型能够在扫描形式对应的时间内拿到可以供医生参考的诊断报告：医院要求普通型的影像需要在2小时候出具报告而增强型的影像是在24小时内出具报告；

第二方面，其仅需要将扫描影像输入至该系统中，而便能在有效时间内获取到对应的初步诊断报告，而其仅需对初步诊断报告进行核实，大大减小了医生的阅片强度；

第三方面，就医疗资源和患者数量不匹配而言，第二分析单元能够协助第一分析单元对普通型影像进行深度分析，均衡了患者数量与医疗资源不协调的问题，其能够在保证临床价值的基础上具有时效性地输出供医生参考的医疗报告。

因此，本发明的系统配置为包括：图像输入模块：获取原始计算机断层扫描影像；图像处理模块：基于所述扫描影像经扫描形式对应的深度分析模型定性和/或定量分析后输出诊断报告；报告输出模块：将所述诊断报告和/或所述扫描影像上传至客户终端；所述图像处理模块按照对至少两种不同的扫描形式获取的多组样本影像进行深度学习的方式生成对应的至少两个深度分析模型，以使得所述图像处理模块能够基于所述扫描影像的扫描形式选择其对应的深度分析模型对所述扫描影像进行异速分析，从而所述报告输出模块在所述扫描形式对应的输出时间内能够向所述客户终端输出与所述扫描形式对应的质量大致相同的所述诊断报告，用于医生参考。

在普通高峰期时，第二分析单元能够将其空闲的线程协助处理而不影响其对增强型影响的处理。此时第二分析单元200b是平速处理增强型影像，即不降低其处理增强型影像的速率。

在超级高峰期时，增强型影像的处理速度(例如一小时的处理量)可能会暂时地降低，但是这仅仅是在这种高峰期的时候用以满足普通型影像的处理需求，但是由于增强型影像的处理量小且出具报告的周期长，因此其能够通过这种方式满足两种影像的处理需求，有效地协调了患者需求与医疗设备部均衡的差异，能够减小设备的投入成本。

因此，为了适应不同的高峰期，根据一种优选的实施方式，所述图像处理模块包括基于普通型影像输出所述诊断报告的第一分析单元和基于增强型影像输出所述诊断报告的第二分析单元，其中，所述第二深度学习单元配置为能够读取第一内存单元内的第一深度分析模型，以使得在所述第一分析单元的处理量达到第一预设处理量阈值且所述第二分析单元的空闲率低于预设空闲率阈值的情况下，所述第二分析单元能够以平速处理所述增强型影像的方式协助所述第一分析单元对所述普通型影像进行加速分析；或，以使得在所述第一分析单元的处理量达到第二预设处理量阈值的情况下，所述第二分析单元能够以降低处理所述增强型影像的速度方式协助所述第一分析单元对所述普通型影像进行加速分析；其中，所述第一预设处理量小于所述第二预设处理量。

一般情况下，患者拍片的时间大多数集中于上午时间(9:00～11:00)，由于设备的投入成本，线程数量是有限的，其如果以高峰期患者的数量而设定会导致医疗资源浪费，为此第一处理线程的数量可以根据常年统计后的每日处理的平均量而预先设置。并且第二处理线程的数量是第一处理线程数量的一定比例，比如，一般是采用增强型拍片的数量与普通型拍片的数量的比值的数量而设定。但是，随着人们对健康需求的认知，拍片人数会增加且患者就医时间存在早高峰，因此第一处理线程的数量仍然无法满足在高峰期的处理需求。为此，第二处理线程的至少一部分配置为能够与第一内存单元数据连接，以使得图像处理模块在至少一部分的第二处理线程平速或降速的方式处理增强型影像的情况下对普通型影像以提升处理速度的方式输出诊断报告。

因此，根据一种优选的实施方式，所述第一深度学习单元内布置有若干并行的第一处理线程，其配置为与所述第一内存单元数据连接，以使得所述第一处理线程能够基于所述普通型影像以大致相同的处理速度的方式输出诊断报告；所述第二深度学习单元内布置有若干并行的第二处理线程，其配置为均能够与第二内存单元数据连接以使得所述第二处理线程能够基于所述增强型影像以大致相同的处理速度的方式输出诊断报告；并且，所述第二处理线程的至少一部分配置为能够与所述第一内存单元数据连接，以使得所述图像处理模块在所述至少一部分的第二处理线程平速或降速的方式处理增强型影像的情况下对所述普通型影像以提升处理速度的方式输出诊断报告。

因此，根据一种优选的实施方式，在所述第一分析单元和/或第二分析单元对所述普通型影像进行深度处理之前，所述普通型影像经由图像分类模块输入外置于所述图像处理模块的配置有影像分割单元的图像预处理加速模块，所述图像预处理加速模块配置为能够计算所述第一分析单元的处理速度，从而所述图像处理模块能够在所述图像预处理加速模块将经过影像分割的所述普通型影像根据所述处理速度进行预先调度的情况下以降低所述图像处理模块的负载的方式基于所述普通型影像加速输出所述诊断报告。

根据一种优选的实施方式，所述图像分类模块能够在所述第二分析单元协助所述第一分析单元的情况下将所述图像输入模块输入的增强型影像缓存于第三内存单元，从而所述第二分析单元在所述第一分析单元能够自行处理所述普通型影像的情况下基于增强型影像进入所述第三内存单元的顺序对所述增强型影像以尽快恢复常速的方式对所述增强型影像进行深度分析。

根据一种优选的实施方式，所述图像预处理加速模块设置有缓存单元，用于存储来自于所述图像分类模块的普通型影像，在所述图像预处理加速模块读取所述普通型影像的速率与所述图像分类模块向所述缓存单元输入所述普通型影像的速率之间的差异值高于预设差异值阈值的情况下，所述图像分类模块开始将所述增强型影像缓存于所述第三内存单元，以使得所述第二分析单元能够开始闲置部分第二处理线程用于协助处理所述普通型影像。

根据一种优选的实施方式，所述第二分析单元与所述报告输出模块之间设置有能够存储所述增强型影像对应的诊断报告第四内存单元，以使得在所述第二分析单元协助所述第一分析单元的情况下，所述报告输出模块能够优先向所述预览终端输出所述普通型影像对应的诊断报告。

根据一种优选的实施方式，所述报告输出模块在输出的结节类型属于第一类型的情况下能够不经放射科医生端与家属端和临床医生端通信连接，以使得所述家属端能够直接地呈现所述结节类型属于第一类型的具体概率；或所述报告输出模块在输出的结节类型属于第二类型的情况下经由所述放射科医生端与所述家属端和所述临床医生端通信连接，以使得所述家属端能够以图片化的方式呈现经由所述放射科医生端修订后的诊断报告，且所述放射科医生端能够将以图片化的方式呈现的诊断报告以及由报告输出模块直接输出的原始报告发送至所述临床医生端。

根据一种优选的实施方式，本实施例公开一种ct影像调度装置，所述调度装置包括调度单元，所述调度单元配置为：能够读取缓存单元内至少一种ct影像的容量，和预处理单元向第一dram的输出量；在所述容量与所述输出量的差异值低于预设差异值的情况下，所述预处理单元能够经由所述调度单元向所述第二dram输入部分本应缓存于所述第一dram的经预处理后的ct影像。

根据一种优选方式，在所述装置中，所述调度单元配置为：能够向图像处理模块中的第二分析单元发出调度信号，用于所述第二分析单元能够读取第一内存单元中的第一深度分析模型以及闲置其内的部分第二处理线程。

附图说明

图1是本发明提供的加速系统的模块示意图；

图2是本发明提供的加速处理系统的模块简要示意图；

图3是本发明提供的加速处理系统的优选模块示意图；

图4是本发明提供的加速处理系统的报告输出模块示意图；和

图5是本发明提供的加速处理系统的分布式结构示意图。

附图标记列表

100：图像输入模块200c：第一内存单元

200：图像处理模块200d：第二内存单元

300：报告输出模块700：图像分类模块

400：客户终端200f：深度学习单元

500：样本采集模块700a：第三内存单元

600：图像预处理加速模块400a：家属端

200a：第一分析单元400b：放射科医生端

200b：第二分析单元400c：临床医生端

600a：缓存单元600c：第一dram

600b：预处理单元600d：第二dram

600e：调度单元

具体实施方式

下面结合附图1-5进行详细说明。

本发明中，常见的术语、电子模块和电子单元如下：

ct：即计算机断层扫描。

普通型影像：其属于二维平扫，其影像中结节、肺组织和其余人体器官相比较于普通型影像难以区分。

增强型影像：实际上就是在普通ct的基础上给病人，受试的病人注射一些造影剂，使其肺部的血管显影，这样可以使肺中的一些结节，软组织和血管区分开来。

诊断报告：其主要包括由深度分析单元输出的结节类型、结节的大小、结节的位置及其属于该类结节类型的概率等。

图像输入模块100：其用于将普通型影像和/或增强型影像输入图像处理模块200中。

图像处理模块200：其预先配置有针对普通型影像和针对增强型影像的两个深度分析模型。深度分析模型均是由深度学习单元200f从样本采集模块500中获取的普通型影像和增强型影像分别按类别进行深度学习而得。深度学习的方法可以选择卷积神经网络、深度置信网络算法、递归神经网络算法、生成式对抗网络算法等算法。

报告输出模块300：用于将诊断报告输出至客户终端400。

客户终端400：用于呈现诊断报告。如电脑、手机等。

样本采集模块500：用于采集样本影像。

图像预处理加速模块600：用于对普通型影像进行加速预处理。其可以是fpga。

深度学习单元200f：用于对普通型影像和增强型影像分别按类别进行深度学习。

第一分析单元200a：基于第一深度学习模型对普通型影像进行处理输出诊断报告。

第二分析单元200b：基于第二深度学习模型对增强型影像进行处理输出诊断报告和/或基于第一深度学习模型对普通型影像进行处理输出诊断报告。

图像分类模块700：其是一种用于将增强型影像和普通型影像分类的处理器。

内存/缓存单元：其是存储器，例如内存条、ram、rom等。

dram：即动态随机存取存储器。

以上：如本文所用的词语“模块和单元”描述任一种硬件、软件或软硬件组合，其能够执行与“模块”相关联的功能。

实施例1

本实施例公开一种用于ct影像设备的加速图像处理系统。如图2所示，该处理系统包括图像输入模块100、图像处理模块200和报告输出模块300。本系统可以应用于爆发型的疫情，用于辅助提升诊断效率。

图像输入模块100，其用于获取原始计算机断层扫描影像。其将ct设配拍摄的ct肺部扫描数据，并且输入至该处理系统内。

图像处理模块200，其基于扫描影像经扫描形式对应的深度分析模型定性和/或定量分析后输出诊断报告。扫描形式包括普通型扫描和增强型扫描。诊断报告中至少包括疑似结节性病变区域的类型及属于该类型的预测概率。报告输出模块300，将诊断报告和/或扫描影像上传至客户终端400。

在本发明中，深度分析模型包括了针对普通型的ct扫描影像的第一深度分析模型以及针对增强型的ct扫描影像的第二深度分析模型。第一深度分析模型保存于第一内存单元200c。第二深度分析模型保存于第二内存单元200d。第一深度分析模型是深度学习单元200f对普通型ct样本影像经过深度学习而得。第二深度分析模型是深度学习单元200f对增强型ct样本影像经过深度学习而得。深度学习单元200f可以是通过神经网络算法、卷积神经网络算法和深度置信网络算法和递归神经网络算法对样本影像进行学习，以深度分析模型。

在图像输入模块100输入待分析的ct影像时，图像处理模块200中的图像分类模块700通过预先设置的标签或者通过医生指定的方式将ct影像进行分类。普通型ct影像经过图像分类模块700输入第一分析单元200a。第一分析单元200a读取第一内存单元200c中的第一深度分析模型。而增强型ct影像经过图像分类模块700输入第二分析单元200b。第二分析单元200b读取第二内存单元200d中的第二深度分析模型。由于普通型ct扫描的影像受血管等非肺实质组织的影像，普通型的影像的临床价值远不足用于评价增强型的影像的临床价值。为了使得普通ct的影像的临床价值能够达到增强型的影像的临床价值或者能够提高普通型的临床价值，针对于普通型扫描的形式，扫描影像需要在第一分析单元200a中至少依次经过影像分割单元、疑似结节检测单元和病灶分类单元对其疑似结节性病变区域的类型及属于该类型的预测概率。而针对于增强型扫描，扫描影像需要在第二分析单元200b中至少依次经过疑似结节检测单元和病灶分类单元对其疑似结节性病变区域的类型及属于该类型的预测概率。第一方面，采用普通型的影像需要经过影像分割单元，第二方面采用普通型的影像的患者人数较多，而且第三方面，医院要求普通型的影像需要在2小时候出具报告而增强型的影像是在24小时内出具报告，这势必造成了第一分析单元200a和第二分析单元200b的处理速度和负载不均衡。因此，本发明通过如下技术手段中的至少一个对普通型的扫描影像进行加速分析：1、将影像分割单元交由外部运算器600进行加速，例如将影像分割单元配置于fpga处理器；2、在第二分析单元200b空闲时，第二分析单元200b能够协助第一深度学习单元200b读取第一深度分析模型对普通型的影像进行深度分析；3、第一深度学习单元200a中具有若干并行的处理线程，其均能够读取第一深度分析模型。按照如上方式，图像处理模块200能够基于扫描影像的扫描形式选择其对应的深度分析模型对扫描影像进行异速分析。异速分析是指对普通型的影像进行加速分析，而对增强型的影像进行平速分析。经过加速分析的普通型的影像也是经过了影像分割单元，因此经过第一分析单元200a输出的诊断报告与不经过加速分析输出的诊断报告具有大致相同的临床价值，能够用于医生参考。通过以上方式，本发明至少具有如下的优势：1、)就患者而言，本发明能够借用增强型影像的处理单元来协助处理大量的普通型影像，以便于普通型能够在扫描形式对应的时间内拿到可以供医生参考的诊断报告：医院要求普通型的影像需要在2小时候出具报告而增强型的影像是在24小时内出具报告；2、)就医生而言，其仅需要将扫描影像输入至该系统中，而便能在有效时间内获取到对应的初步诊断报告，而其仅需对初步诊断报告进行核实，大大减小了医生的阅片强度；3、)就医疗资源和患者数量不匹配而言，第二分析单元200b能够协助第一分析单元200a对普通型影像进行深度分析，均衡了患者数量与医疗资源不协调的问题，其能够在保证临床价值的基础上具有时效性地输出供医生参考的医疗报告。

优选地，图像处理模块200包括第一分析单元200a和第二学习单元200b。如图3所示，第二分析单元200b配置为能够读取第一内存单元200c内的第一深度分析模型。结合图5所示，在一个较为大型的三甲医院内，其具有若干个ct影像设备进行拍片工作，绝大多数ct影像设备(如ct1～ct6)属于普通型的影像设备，小部分ct影像设备(如ct7～ct8)属于增强型的影像设备。普通型的影像设备的产生的拍片数量多且拍片时间短，而增强型的影像设备的拍片数量少且拍片时间长。因此，在普通型影像待处理高峰期时，第二分析单元200b能够协助第一分析单元200a进行处理，以满足普通型影像的高峰加速需求。具体地，普通型影像的高峰加速需求：第一种情况，第一分析单元200a的处理量达到第一预设处理量阈值；第二种情况，第一分析单元200a的处理量达到第二预设处理量阈值。例如，第一预设处理量为20张/h；而第二预设处理量为30张/h。在第一种高峰加速需求的情况下，需要判断第二分析单元200b的空闲率是否低于预设的空闲率阈值。例如，空闲率阈值为40％。此时，若第二分析单元200b的空闲率为30％时，第二分析单元200b能够将其空闲的线程协助处理而不影响其对增强型影响的处理，此时第二分析单元200b是平速处理增强型影像，即不降低其处理增强型影像的速率。这种情况下，第二分析单元200b的负荷会增加但是不影响其处理增强型影像的速度。而在第二种情况下，只要第一分析单元200a的处理量达到第二预设处理量阈值，第二分析单元200b将其处理增强型影像的线程借调用于处理普通型影像，此时其是以降低处理增强型影像速度的方式协助第一深度学习单元200a。这种情况下，增强型影像的处理速度(例如一小时的处理量)可能会暂时地降低，但是这仅仅是在这种高峰期的时候用以满足普通型影像的处理需求，但是由于增强型影像的处理量小且出具报告的周期长，因此其能够通过这种方式满足两种影像的处理需求，有效地协调了患者需求与医疗设备部均衡的差异，能够减小设备的投入成本。

优选地，第一深度学习单元200a内布置有若干并行的第一处理线程。每一个第一处理线程均与第一内存单元200c数据连接，从而第一处理线程能够基于普通型影像以大致相同的处理速度的方式输出诊断报告。同理地，第二深度学习单元200b内布置有若干并行的第二处理线程，其配置为均能够与第二内存单元200d数据连接以使得第二处理线程能够基于增强型影像以大致相同的处理速度的方式输出诊断报告。一般情况下，患者拍片的时间大多数集中于上午时间(9:00～11:00)，由于设备的投入成本，线程数量是有限的，其如果以高峰期患者的数量而设定会导致医疗资源浪费，为此第一处理线程的数量可以根据常年统计后的每日处理的平均量而预先设置。并且第二处理线程的数量是第一处理线程数量的一定比例，比如40％(一般是采用增强型拍片的数量与普通型拍片的数量的比值)的数量而设定。但是，随着人们对健康需求的认知，拍片人数会增加且患者就医时间存在早高峰，因此第一处理线程的数量仍然无法满足在高峰期的处理需求。为此，第二处理线程的至少一部分配置为能够与第一内存单元200c数据连接，以使得图像处理模块200在至少一部分的第二处理线程平速或降速的方式处理增强型影像的情况下对普通型影像以提升处理速度的方式输出诊断报告。

目前患者已经适应了普通型影像的及时拍片及时取结果的特点。报告输出模块300不适合设置过多，而影响其投资成本。因此，在高峰时期，为了减小患者的等普通型影像的结果时间。优选地，第二分析单元200b与报告输出模块300之间设置有能够存储增强型影像对应的诊断报告第四内存单元200b-1。增强型影像对应的诊断报告能够在第二分析单元200b协助第一分析单元200a的情况下缓存于第四内存单元200b-1。因此，报告输出模块300能够优先向预览终端400输出普通型影像对应的诊断报告。

实施例2

本实施例可以是对实施例1的进一步改进和/或补充，重复的内容不再赘述。在不造成冲突或者矛盾的情况下，其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。

本实施例是在实施例1的基础上，将普通型影像的肺组织影像分割单元独立于图像处理模块200，以降低图像处理模块200的负载。

优选地，在第一分析单元200a和/或第二分析单元200b对普通型影像进行深度处理之前，普通型影像经由图像分类模块700输入外置于图像处理模块200的配置有影像分割单元的图像预处理加速模块600。图像预处理加速模块600内的处理线程较为丰富，其能够对普通型影像进行批量性的影像分割，以去除影像中的非肺组织。图像预处理加速模块600除了能够加快普通型影像的预处理进程，其还能够根据其输出量来计算第一分析单元200a的处理速度。例如，在一个小时，图像预处理加速模块600预处理的增量为40份，而其输出量为20份，则第一分析单元200a在这一个小时内的处理量为20份。因此，图像预处理加速模块600能够根据处理量的阈值以及处理量进行比较。根据其比较结果，图像处理模块200能够根据预设规则确定第二深度学习单元200b是否读取图像预处理加速模块600预处理后的普通型影像。图像预处理加速模块600输出的普通型影像可以缓存于不同的dram。第一dram600c与第一深度学习单元200a通信连接。第二dram分别600d和第二深度学习单元200b通信连接。图像预处理加速模块600按照如下方式进行调度：按照不同的高峰需求，将部分预处理后的普通型影像存于第二dram。其比例按照预设比例设置。例如对于第一种情况，其可以按照第一dram：第二dram＝4:1的方式将预处理后的普通型影像分别存放于第一dram和第二dram。例如对于第二种情况，其可以按照第一dram：第二dram＝2:1的方式将预处理后的普通型影像分别存放于第一dram和第二dram＝2:1。该比例可以由图像预处理加速模块写入。

按照这种方式，由于图像预处理加速模块600具有较为丰富的处理线程，因此可以将部分处理线程用于执行调度。因此可以将分配原则写入图像预处理加速模块600而非图像处理模块200。一方面，其能够降低图像处理模块200的运算负载，也能够不用在图像处理模块200中内置控制单元，以提升图像处理模块200的运算效率。而另一方面，肺组织的影像分割的处理速度远高于深度分析，这种方式能够实现预先调度，将需要处理的普通型影像暂处于dram中，确保第一深度学习单元200a和第二深度学习单元200b能够直接读取dram中的影像资料，实现有序处理。

优选地，图像预处理加速模块600设置有缓存单元600a，用于存储来自于图像分类模块700的普通型影像。在一种超高峰的情况下，即图像预处理加速模块600也已经存在了高峰运转的情况，即图像分类模块700向其输入的速率与其输出至dram的速率之间的差异值高于预设差异值阈值。例如，图像分类模块700一小时输入的速率为50件，而其输出至dram的速率为30件，此时其差异值为20件，而预设差异值阈值为15件。也就是，图像预处理加速模块600也开始不能够满足超高峰的处理需求。此时，图像分类模块700开始将增强型影像缓存于第三内存单元700a。调度单元600e配置为能够向第二分析单元200b提供闲置信号，以使得第二分析单元200b能够在图像预处理加速模块600出现高峰的情况下开始闲置部分第二处理线程用于协助处理普通型影像，以实现超前的调度，以满足这一超高峰的特殊需求，确保超高峰情况下患者能够及时地拿到诊断报告。

实施例3

本实施例可以是对上述实施例的进一步改进和/或补充，重复的内容不再赘述。在不造成冲突或者矛盾的情况下，其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。

优选地，如图3所示，图像分类模块700和第二深度学习单元200b之间设置有第三内存单元700a。第三内存单元700a在第二分析单元200b协助第一分析单元200a的情况下能够缓存增强型影像，以备处理。在第一分析单元200能够自行处理普通型影像的情况下，第二分析单元200b能够直接地读取缓存于本地的存增强型影像。第二分析单元200b按照进入第三内存单元700a的顺序对增强型影像调用第二深度分析模型对其进行处理。按照这种方式，在第二分析单元200b协助处理时，增强型影像也能够写入本地，以使得于增强型影像能够被第二分析单元200b以尽快恢复常速的方式进行深度分析，节约增强型影像从远端到本地端的通信时间，从而为放射科医生提供足够的时间对诊断报告进行修订。

实施例4

本实施例可以是对上述实施例的进一步改进和/或补充，重复的内容不再赘述。在不造成冲突或者矛盾的情况下，其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。

本实施例一种基于深度学习的影像检测装置。

包括影像检测设备和影像数据处理系统，影像检测设备与影像数据处理系统通信连接。影像检测设备是ct影像设备。影像数据处理系统包括：图像输入模块100、深度学习模块200和报告输出模块300。图像输入模块100具有与影像检测设备适配的数据接口，用于获取原始计算机断层扫描影像。图像处理模块200基于扫描影像经扫描形式对应的深度分析模型定性和/或定量分析后输出诊断报告。报告输出模块300将诊断报告和/或扫描影像按照诊断报告的数据对应的输出方式上传至不同的客户终端400。

优选地，报告输出模块300在输出的结节类型属于第一类型的情况下能够不经放射科医生端400b与家属端400a和临床医生端400c通信连接。第一类型包括：非特异性的肉芽肿、感染性的肉芽肿、肺内淋巴结。这一类肺结节属于良性病变。家属端400a能够直接地呈现结节类型属于第一类型的具体概率。然而，另外一种类型即第二类型属于恶性病变，比如腺癌、鳞癌及其他原发肿瘤转移至肺内形成的结节。在输出的结节类型属于第二类型的情况下，报告输出模块300经由放射科医生端400b与家属端400a和临床医生端400c通信连接。这种方式具有如下好处：其一，放射科医生可以对该诊断报告进行复查，以保证诊断报告的有效性；其二，放射科医生可以通过编辑页面对诊断报告进行修饰或者修订，以降低诊断报告直接输出对患者和家属造成的心理负担，例如放射科医生可以将诊断报告文字部分或者数字部分转化为图片的方式；和/或者放射科医生可以有选择性地将诊断报告中的部分文字隐去。而放射科医生可以将修订后的报告和原始诊断报告一并发送至临床医生端400c。

实施例5

本实施例可以是对上述实施例的进一步改进和/或补充，重复的内容不再赘述。在不造成冲突或者矛盾的情况下，其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。

本实施例公开一种ct影像调度装置。如图1所示，调度装置包括调度单元600e，调度单元600e配置为：能够读取缓存单元600a内ct普通型影像的容量，以及读取预处理单元600b向第一dram600c的输出量。在容量与输出量的差异值低于预设差异值的情况下，预处理单元600b能够经由调度单元600e向第二dram600d输入部分本应缓存于第一dram600d的经预处理后的ct影像。

调度单元600e配置为：能够向图像处理模块200中的第二分析单元200b发出调度信号，用于第二分析单元200b能够读取第一内存单元200c中的第一深度分析模型以及闲置其内的部分第二处理线程。

本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。