人工智能的深度学习方法及基于人工智能的医学放射影像胸部摄片的质量控制方法与流程

文档序号:18728940发布日期:2019-09-21 00:13阅读:来源:国知局

技术特征:

1.一种人工智能的深度学习方法,其特征在于,包括如下步骤:

1)将输入的学习数据进行M次卷积池化运算,其中,每次卷积池化运算均是基于上一次卷积池化运算获得的数据进行的;

2)对第M次卷积池化运算获得的数据进行上采样,获得采样数据;

3)将第M-1次卷积池化运算获得的数据进行注意力权重计算,并使用获得的权重处理第M次卷积池化操作对应的上采样结果,获得处理后数据;

4)将所述处理后数据与所述上采样数据进行拼接卷积运算后,再次上采样,获得采样数据;

5)将第M-2次卷积池化运算获得的数据进行注意力权重计算,并使用获得的权重处理第M-1次卷积池化操作对应的上采样结果,获得处理后数据;

6)重复步骤4)、5),每重复一次M减1,直至将第1次卷积池化运算获得的数据进行注意力权重计算,并使用获得权重对最后一次的上采样数据进行处理,将处理后的数据与采样数据进行拼接卷积运算,获得最终的数据,进行步骤7);

7)依据步骤6)中获得的最终数据,采用Adam优化器,对上述各步骤中的参数进行调整;

8)重复步骤1)~步骤7),直至每个步骤中的参数值都调整在适当的范围内,满足学习要求,完成学习;

其中,M为大于等于2的自然数。

2.根据权利要求1所述人工智能的深度学习方法,其特征在于,步骤3)以及步骤5)中所述注意力权重所用公式具体为:

wi=∑r∈m,c∈nvr,c/(m*n),i∈channel (1);

W=[wi],i∈channel (2);

W=softmax(W) (3);

其中,channel是输入通道,i是输入通道的索引,m是矩阵的行数,n是矩阵的列数,r是矩阵行的索引,c是矩阵列的索引。

3.根据权利要求1所述人工智能的深度学习方法,其特征在于,所述输入的学习数据为矩阵。

4.根据权利要求1所述人工智能的深度学习方法,其特征在于,所述上采样的方法为:将卷积池化运算获得的数据通过反卷积进行维度扩增,获得扩增后数据即为上采样数据。

5.一种基于人工智能的医学放射影像胸部摄片的质量控制方法,其特征在于,包括如下步骤:

启动人工智能模型进行胸片的深度学习,直至学习完成;

提取已拍摄胸片中的图像数据,并对提取的图像数据进行预处理,获得处理后数据;

将所述处理后的数据由人工智能模型进行鉴定,获得鉴定结果;

根据医学业务规则和所述鉴定结果,输出所述已拍摄胸片的质控鉴定。

6.根据权利要求5所述基于人工智能的医学放射影像胸部摄片的质量控制方法,其特征在于,所述启动人工智能模型进行胸片的深度学习,直至学习完成的具体方法为:

1)将胸片图像矩阵、对应的掩码矩阵作为学习数据,将所述学习数据进行M次卷积池化运算,其中,每次卷积池化运算均是基于上一次卷积池化运算获得的数据矩阵进行的;

2)对第M次卷积池化运算获得的数据矩阵进行上采样,获得采样数据矩阵;

3)将第M-1次卷积池化运算获得的数据矩阵进行注意力权重计算,并使用获得的权重处理第M次卷积池化操作对应的上采样数据矩阵,获得处理后数据矩阵;

4)将所述的处理后数据与所述的上采样数据矩阵进行拼接卷积运算后,再次上采样,获得采样数据矩阵;

5)将第M-2次卷积池化运算获得的数据矩阵进行注意力权重计算,并使用获得的权重处理第M-1次卷积池化操作对应的上采样数据矩阵,获得处理后数据矩阵;

6)重复步骤4)、5),每重复一次M减1,直至将第1次卷积池化运算获得的数据矩阵进行注意力权重计算,并使用获得权重对最后一次的上采样数据矩阵进行处理,将处理后的数据矩阵与上采样数据矩阵进行拼接卷积运算,获得最终的数据矩阵,进行步骤7);

7)依据步骤6)中获得的最终数据矩阵,采用Adam优化器,对模型各层中的参数进行调整;

8)重复步骤1)~步骤7),直至模型每层中的参数值都调整在适当的范围内,模型满足了学习要求,完成学习;

其中,M为大于等于2的自然数。

7.根据权利要求6所述基于人工智能的医学放射影像胸部摄片的质量控制方法,其特征在于,步骤3)以及步骤5)中所述注意力权重所用公式具体为:

wi=∑r∈m,c∈nvr,c/(m*n),i∈channel (1);

W=[wi],i∈channel (2);

W=softmax(W) (3);

其中,channel是输入通道,i是输入通道的索引,m是矩阵的行数,n是矩阵的列数,r是矩阵行的索引,c是矩阵列的索引。

8.根据权利要求6所述基于人工智能的医学放射影像胸部摄片的质量控制方法,其特征在于,所述作为学习数据的胸片图像矩阵以及对应的掩码矩阵包括:合格胸片以及不合格胸片。

9.根据权利要求6所述基于人工智能的医学放射影像胸部摄片的质量控制方法,其特征在于,所述对提取的图像数据进行预处理包括:图像缩放、降噪以及张量化。

10.根据权利要求6所述基于人工智能的医学放射影像胸部摄片的质量控制方法,其特征在于,所述人工智能模型包括:胸椎模型、两肋肺尖模型、锁骨模型、肩软组织模型、肩胛骨模型、心肺比模型以及心影后肋骨模型中的一种或多种。

当前第2页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1