一种基于人工智能的医学图像智能分析系统的制作方法

本发明涉及医学图像智能分析，具体地说，涉及一种基于人工智能的医学图像智能分析系统。

背景技术：

1、随着科技发展，医学图像智能分析是一种旨在通过图像处理、计算机视觉及机器学习等技术，通过对医学图像进行分析，来帮助医生进行疾病诊断和治疗的技术，随着人工智能技术的不断发展，医学图像智能分析技术受到越来越多的关注和应用，但是，现有的医学图像智能分析系统往往因图像识别准确度不高，导致分析系统对表征病灶、生理结构进行提取分析判断时，容易误判，而且，现有的诊断系统在对医学图像进行分类和识别时，系统诊断效率低下，患者等待诊断结果时间较长，诊断效率低下。

2、为了应对上述问题，现亟需基于人工智能的医学图像智能分析系统。

技术实现思路

1、本发明的目的在于提供基于人工智能的医学图像智能分析系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，提供了基于人工智能的医学图像智能分析系统，包括图像采集单元、预处理单元、特征提取单元、分类识别单元、诊断输出单元；

3、所述图像采集单元用于采集患者的病理位置，得出病理位置的医学图像；所述预处理单元用于接收图像采集单元输出的医学图像进行预处理，得到去噪、增强、平滑、对比度增强的医学图像；所述特征提取单元用于将接收预处理图像进行分割形成特征图像，同时对特征图像进行提取，减少非必要图像的识别分析；所述分类识别单元用于分类和识别特征图像，通过深度卷积神经网络对从大量的医学图像数据中学习到图像的特征和模式，并进行准确的分类和识别；所述诊断输出单元用于接收分类识别单元的分析诊断结果，通过文字或图像的形式输出。

4、作为本技术方案的进一步改进，所述图像采集单元包括有角度调节模块和影像采集模块；

5、所述角度调节模块用于调节图像采集装置的角度，精准采集患者病理部位的医学图像；

6、所述影像采集模块用于采集病患病理位置进行图像，通过角度调节模块对影像角度的调节，使影像采集模块采集的图像清晰完整。

7、作为本技术方案的进一步改进，所述预处理单元包括有轮廓扫描模块和图像优化模块；

8、所述轮廓扫描模块用于扫描医学图像整体轮廓，对医学图像处理范围进行确定；

9、所述图像优化模块用于对医学图像去噪、增强、平滑、对比度增强、提高医学图像清晰度。

10、作为本技术方案的进一步改进，所述特征提取单元包括有图像分割模块和信息提取模块；

11、所述图像分割模块用于分割医学图像区域；

12、所述信息提取模块用于提取出图像分割模块分割的表征病灶、生理结构或解剖结构的定量化特征。

13、作为本技术方案的进一步改进，所述信息提取模块采用局部二值模式进行提取定量化特征，提取公式如下：

14、lbp_{p,r}＝\sum_{n＝0}^{p-1}s(g_n-g_c)2^n

15、其中，p代表邻域点的数量，r代表邻域半径，gc为中心像素点的灰度值，g_n为邻域中第n个像素点的灰度值，s(x)为符号函数，具体来说，局部二值模式算法首先将中心像素点与邻域像素点进行比较，将邻域像素点的灰度值与中心像素点的灰度值进行差值计算，得到一个二进制序列，然后将该二进制序列转换为十进制数值，该十进制数值即为局部二值模式值。

16、作为本技术方案的进一步改进，所述分类识别单元包括有特征选择模块和训练测试模块；

17、所述特征选择模块用于选择具有表征病灶、生理结构或解剖结构的定量化特征的医学图像；

18、所述训练测试模块用于训练和测试特征选择模块选择的医学图像，并针对特定的医学图像分类任务进行优化，训练过程采用深度卷积神经网络模型进行模型训练，测试过程采用训练模型进行分类和识别，通过训练测试模块可以在短时间内对大量图像数据进行准确的分析。

19、作为本技术方案的进一步改进，所述训练测试模块训练过程采用的深度卷积神经网络模型，深度卷积神经网络模型包括、卷积层、激活函数、池化层和全连接层。

20、作为本技术方案的进一步改进，所述分类识别单元还包括智能分析模块，所述智能分析模块用于整理训练测试模块总结的数据信息，同时对医学图像病理问题进行自动诊断。

21、作为本技术方案的进一步改进，所述诊断输出单元包括有文字整理模块和图像处理模块；所述文字整理模块用于输出诊断中的文字；所述图像处理模块用于输出诊断中的图像。

22、与现有技术相比，本发明的有益效果：

23、1、该基于人工智能的医学图像智能分析系统中，通过图像采集单元对患者身体姿势进行调节并进行医学图像采集，通过预处理单元对采集的医学图像进行预处理，得到去噪、增强、平滑、对比度增强的医学图像，提高图像清晰度，便于系统对医学图像表征病灶、生理结构进行精准分析，通过特征提取单元接收预处理图像将其进行分割，将分割的图像特征部分进行提取，通过分类识别单元对特征部位图像进行分类和识别，快速对病理部位进行分析诊断，将诊断结果通过文字或图像的形式输出，医学图像智能分析系统可以快速地进行图像预处理、特征提取和分类识别等操作，降低了患者的等待时间，提高了诊断效率。

技术特征：

1.一种基于人工智能的医学图像智能分析系统，其特征在于：包括图像采集单元(100)、预处理单元(200)、特征提取单元(300)、分类识别单元(400)、诊断输出单元(500)；

2.根据权利要求1所述的基于人工智能的医学图像智能分析系统，其特征在于：所述图像采集单元(100)包括有角度调节模块(110)和影像采集模块(120)；

3.根据权利要求1所述的基于人工智能的医学图像智能分析系统，其特征在于：所述预处理单元(200)包括有轮廓扫描模块(210)和图像优化模块(220)；

4.根据权利要求1所述的基于人工智能的医学图像智能分析系统，其特征在于：所述特征提取单元(300)包括有图像分割模块(310)和信息提取模块(320)；

5.根据权利要求4所述的基于人工智能的医学图像智能分析系统，其特征在于：所述信息提取模块(320)采用局部二值模式进行提取定量化特征，提取公式如下：

6.根据权利要求1所述的基于人工智能的医学图像智能分析系统，其特征在于：所述分类识别单元(400)包括有特征选择模块(410)和训练测试模块(420)；

7.根据权利要求6所述的基于人工智能的医学图像智能分析系统，其特征在于：所述训练测试模块(420)训练过程采用的深度卷积神经网络模型，深度卷积神经网络模型包括、卷积层、激活函数、池化层和全连接层。

8.根据权利要求6所述的基于人工智能的医学图像智能分析系统，其特征在于：所述分类识别单元(400)还包括智能分析模块(430)，所述智能分析模块(430)用于整理训练测试模块(420)总结的数据信息，同时对医学图像病理问题进行自动诊断。

9.根据权利要求1所述的基于人工智能的医学图像智能分析系统，其特征在于：所述诊断输出单元(500)包括有文字整理模块(510)和图像处理模块(520)；所述文字整理模块(510)用于输出诊断中的文字；所述图像处理模块(520)用于输出诊断中的图像。

技术总结
本发明涉及医学图像智能分析技术领域，具体地说，涉及一种基于人工智能的医学图像智能分析系统，其包括图像采集单元、预处理单元、特征提取单元、分类识别单元、诊断输出单元，图像采集单元用于采集患者的病理位置，得出病理位置的医学图像；预处理单元用于接收图像采集单元输出的医学图像进行预处理，得到去噪、增强、平滑、对比度增强的医学图像，特征提取单元用于将接收预处理图像进行分割形成特征图像，同时对特征图像进行提取，减少非必要图像的识别分析，分类识别单元用于分类和识别特征图像，通过深度卷积神经网络对从大量的医学图像数据中学习到图像的特征和模式，并进行准确的分类和识别。

技术研发人员：刘雪花,刘润颜
受保护的技术使用者：广东益达医疗科技有限公司
技术研发日：
技术公布日：2024/1/15