一种人工智能辅助诊断数据处理系统的制作方法

本发明涉及数据处理，更具体地说，本发明涉及一种人工智能辅助诊断数据处理系统。

背景技术：

1、随着信息技术的发展和医疗信息化的建设，已经有很多医疗机构安装部署了医学影像人工智能诊断系统，使得医疗人员可以借助人工智能技术对诊断数据进行处理和分析，尤其在超声图像的处理当中，需要通过人工智能技术对超声图像中病灶区域的病变信息进行准确的识别，从而为医疗人员提供精确的辅助诊断依据。

2、参考公开号为cn114491072a的专利申请公开了一种中医数据处理系统、方法、存储介质及终端，其通过患者动态问卷采集患者的作答信息，动态问卷基于患者的作答信息实时更新，更具有专业性和针对性，使得预测结果更加准确；并且所获得的预测结果可有效辅助医生进行疾病和证型的诊断，提高诊断的准确性以及诊断效率；进一步地，基于所构建的中医知识图谱获取疾病与证型的相关条件信息，并结合预设规则模板生成问卷，进一步提高问卷内容的关联性和中医领域的适用性；可选择地采集用户的开放文本信息，用户更具有选择自主性，提高用户的使用体验，照顾到存在就医情绪或可能文本描述能力优先的用户；具有较强的拟合能力，尤其适用于提高问卷内容的专业性和预测的准确性；

3、现有技术存在以下不足：

4、现有的诊断数据处理系统在对超声图像内的诊断数据处理时，通过医学影像处理技术识别到病灶区域的病灶信息，并将病灶信息通过文字记载在超声图像上，提供给医疗人员了解，由于超声图像中病灶区域与记载的病灶信息并不处于同一位置，使得病灶区域与病灶信息之间存在一定的距离，当医疗人员想要全面且准确的了解病灶区域时，医疗人员的视角需要在病灶区域和病灶信息之间来回往复的切换和比对，既增大了医疗人员对超声图像的诊断工作时间，也加剧了医疗人员的视觉疲劳，进而会在长时间的医疗诊断工作后，增大了超声图像误诊断的概率。

5、鉴于此，本发明提出一种人工智能辅助诊断数据处理系统以解决上述问题。

技术实现思路

1、为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：一种人工智能辅助诊断数据处理系统，应用于人工智能服务器，包括：

2、子图像划分模块，用于基于图像划分准则，对超声图像进行划分，生成子图像；

3、病灶区域标记模块，用于从子图像中筛选出目标子图像，并基于标记准则，在目标子图像内标记出病灶区域；

4、语音数据录入模块，用于获取病灶区域的病灶特征，并基于病灶特征，生成病灶语音；

5、匹配判定模块，用于将病灶特征与病灶语音进行一致性匹配，基于匹配结果，生成成功匹配值，并判定是否发出子图像整合提示；

6、图像整合模块，用于将病灶特征和病灶语音整合到目标子图像中，生成超声诊断图像。

7、进一步的，图像划分准则为：处于水平相邻位置的两个子图像的面积大小一致，且任意子图像内均包含部分超声区域；

8、子图像的生成方法包括：

9、扫描患者的超声图像，获得扫描图像；

10、标记出扫描图像中两个水平边界的中点，并将两个中点连线后，获得竖直分割线；

11、通过计算机视觉技术识别扫描图像中的背景区域，并在背景区域的内侧边界绘制出封闭结构的虚线，将虚线内的区域标记为超声区域；

12、在扫描图像的一侧竖直边界上随机标记个基点，并以基点为起点，绘制出垂直于竖直分割线的个水平分割线；

13、通过个水平分割线和竖直分割线，将扫描图像划分为个子图像；

14、沿竖直方向不断调整个水平分割线的位置，直至个子图像内均包含超声区域时停止调整。

15、进一步的，目标子图像的筛选方法包括：

16、分别在个子图像内随机标记个标记点，并以标记点为圆心，以标记点所在子图像对角线长度的五分之一为半径，绘制出个互不相邻的标记圆；

17、通过医学影像处理技术分别测量个标记圆的扫描回声数据，获得个圆回声值；

18、将个子图像的个圆回声值分别累加后求平均，获得个子回声值；

19、子回声值的表达式为：

20、；

21、式中，为第个子回声值，为第个子图像的第个圆回声值；

22、将大于预设回声阈值的子回声值标记为目标子回声值，并将目标子回声值所在的子图像标记为目标子图像，获得个目标子图像。

23、进一步的，标记准则为：任意相邻两个子边界线的弯折夹角的度数均小于45度；

24、病灶区域的标记方法包括：

25、以预设长度为半径，在个目标子图像中的超声区域内绘制出个检测单位圆；

26、逐一测量个检测单位圆的扫描回声数据，获得个检测回声值；

27、将大于预设回声安全值的检测回声值对应的检测单位圆标记为异常单位圆，获得个异常单位圆；

28、在个异常单位圆中构建xy坐标轴，且xy坐标轴的第一象限、第二象限、第三象限和第四象限中异常单位圆的数量均大于预设异常最小值；

29、以xy坐标轴的原点为基点，以15度的偏转角为标准，依次向第一象限、第二象限、第三象限和第四象限内绘制出射线；

30、将第一象限、第二象限、第三象限和第四象限内的射线上，且距离xy坐标轴的原点间距最大值对应的异常单位圆标记为边界圆，获得个边界圆；

31、将个边界圆的圆心标记为边界点，获得个边界点，依次将个边界点连线，获得个子边界线；

32、分别测量任意相邻两个子边界线之间的弯折夹角的度数；

33、当任意相邻两个子边界线之间的弯折夹角的度数大于等于45度时，向xy坐标轴的原点所在方向调整其中一个边界点，直至任意相邻两个子边界线之间的弯折夹角的度数小于45度；

34、将个子边界线依次连接，形成边界线，则边界线内的超声区域标记为病灶区域。

35、进一步的，病灶特征包括病灶范围、病灶形状、病灶尖锐度、病灶血流信号和病灶回声强度；

36、病灶尖锐度的获取方法包括：

37、标记病灶区域的边界线上的尖锐角，并统计尖锐角的总量；

38、通过比例尺依次测量尖锐角的凸起高度，记为凸起值；

39、将大于预设凸起高度的凸起值标记为目标凸起值，并将目标凸起值对应的尖锐角标记为目标尖锐角，统计目标尖锐角的数量；

40、将小于预设凸起下限值的凸起值标记为无效凸起值，并将无效凸起值对应的尖锐角标记为无效尖锐角，统计无效尖锐角的数量；

41、将尖锐角的总量与无效尖锐角的数量作差比较后，与目标尖锐角的数量比较，获得病灶尖锐度；

42、病灶尖锐度的表达式为：

43、；

44、式中，为病灶尖锐度，为目标尖锐角的数量，为尖锐角的总量，为无效尖锐角的数量。

45、进一步的，病灶回声强度的获取方法包括：

46、按预设边长将病灶区域划分为个小方格；

47、在个小方格中分别随机标记个节点，并测量个节点的回声值；

48、将回声值大于预设回声高值的节点标记为目标节点，并统计目标节点的数量；

49、将个小方格中目标节点的数量与分别与个小方格中节点的数量比较，获得个子强度；

50、子强度的表达式为：

51、；

52、式中，为第个子强度，为第个小方格中目标节点的数量，为第个小方格中节点的数量；

53、去掉子强度的最大值和最小值，将余下的个子强度累加后求平均，获得病灶回声强度；

54、病灶回声强度的表达式为：

55、；

56、式中，为病灶回声强度，为第个子强度。

57、进一步的，病灶语音包括语音1、语音2、语音3、语音4、语音5和语音6；

58、语音1、语音2、语音3、语音4、语音5和语音6的生成方法包括：

59、将病灶范围、病灶形状、病灶尖锐度、病灶血流信号和病灶回声强度依次编号，将编号后的病灶范围、病灶形状、病灶尖锐度、病灶血流信号和病灶回声强度分别标记为特征1、特征2、特征3、特征4、特征5和特征6；

60、识别通过自然语言处理技术逐一识别特征1、特征2、特征3、特征4、特征5和特征6的语义；

61、通过语音设备分别向特征1、特征2、特征3、特征4、特征5和特征6输入与之语义一致的语音数据；

62、将输入的语音数据依次升序编号，获得语音1、语音2、语音3、语音4、语音5和语音6。

63、进一步的，成功匹配值的生成方法包括：

64、通过自然语言处理技术分别识别语音1、语音2、语音3、语音4、语音5和语音6的语义，获得语音关键字，并以语音数据的编号为基准对语音关键字进行编号；

65、分别标记出特征1、特征2、特征3、特征4、特征5和特征6的关键字，获得文字关键字，并以病灶特征的编号为基准对文字关键字进行编号；

66、将编号一致的语音关键字与对应的文字关键字进行编号一致性匹配；

67、将编号一致的语音关键字与文字关键字标记为成功匹配组，并统计成功匹配组的数量，获得成功匹配值。

68、进一步的，是否发出目标子图像整合提示的判定方法包括：

69、当成功匹配值为6时，判定发出目标子图像整合提示；

70、当成功匹配值小于6时，判定不发出目标子图像整合提示。

71、进一步的，超声诊断图像的生成方法包括：

72、构建六个具有第一单元和第二单元的数据集合，并对六个数据集合依次升序编号；

73、将特征1、特征2、特征3、特征4、特征5和特征6分别导入到与之对应编号的数据集合的第一单元中；

74、将语音1、语音2、语音3、语音4、语音5和语音6分别导入到与之对应编号的数据集合的第二单元中；

75、将六个数据集合按照编号升序方式环形排列，并在六个数据集合上分别标记出首连接点和尾连接点；

76、将位于相邻位置的首连接点和尾连接点连接，生成诊断数据集合；

77、在诊断数据集合上备注上病灶区域的边界线所在位置，并整合到目标子图像中，获得超声诊断图像。

78、本发明一种人工智能辅助诊断数据处理系统的技术效果和优点：

79、本发明通过基于图像划分准则，对超声图像进行划分，生成子图像，从子图像中筛选出目标子图像，并基于标记准则，在目标子图像内标记出病灶区域，获取病灶区域的病灶特征，并基于病灶特征，生成病灶语音，将病灶特征与病灶语音进行一致性匹配，基于匹配结果，生成成功匹配值，并判定是否发出子图像整合提示，将病灶特征和病灶语音整合到目标子图像中，生成超声诊断图像；相对于现有技术，能够从超声图像中剔除掉无关的正常组织对应的区域，获取到小面积且精准的病灶区域，避免了无关数据对病灶区域的诊断带来的负面影响，实现了病灶区域的精准识别，同时利用病灶特征和病灶语音的匹配组合，可以对病灶区域的病变信息进行文字数据和语音数据上的双重表示，形成具有语音批注的超声诊断图像，使得医疗人员能够在观察超声诊断图像的同时，通过病灶语音数据了解病灶区域的病变信息，避免了医疗人员的视角在超声图像和文字信息之间反复切换而导致的疲惫感，进而为医疗人员的后续诊断提供了便利。