[发明专利]用于分析医学影像的方法和装置在审

专利信息
申请号: 201710916007.1 申请日: 2017-09-30
公开(公告)号: CN107644419A 公开(公告)日: 2018-01-30
发明(设计)人: 王睿;段琦;张少霆 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/10;G16H30/40
代理公司: 北京英赛嘉华知识产权代理有限责任公司11204 代理人: 王达佐,马晓亚
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 分析 医学影像 方法 装置
【权利要求书】:

1.一种用于分析医学影像的方法,其特征在于,所述方法包括:

获取医学影像数据;

基于数据分类神经网络模型,将所述医学影像数据分类为健康影像和疾病影像;

采用病灶区域识别算法识别所述疾病影像中的疑似病灶区域,得到附标记的疾病影像;

将所述健康影像和所述附标记的疾病影像发送至显示终端。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

接收输入的对于所述健康影像和所述附标记的疾病影像的诊断操作;

基于所述诊断操作,确定诊断结果;

向所述显示终端输出诊断结果。

3.根据权利要求1所述的方法,其特征在于,所述将所述健康影像以及所述附标记的疾病影像发送至显示终端包括:

分割所述健康影像以及所述附标记的疾病影像中的目标器官和目标组织,得到目标区域;

基于可视化参数,将所述目标区域的可视化影像发送至显示终端。

4.根据权利要求2所述的方法,其特征在于,所述方法还包括:

基于所述诊断操作,优化所述数据分类神经网络模型和所述病灶区域识别算法。

5.根据权利要求4所述的方法,其特征在于,所述基于所述诊断操作,优化所述数据分类神经网络模型和所述病灶区域识别算法包括以下任意一项或多项:

响应于所述诊断操作为对完整医学影像的分类操作和/或分级操作,更正对应所述分类操作和/或分级操作的医学影像至正确的医学影像类别,并采用更正后的医学影像,优化所述数据分类神经网络模型;

响应于所述诊断操作为对病灶区域的病灶修正操作,修正对应所述病灶修正操作的医学影像中标记的疑似病灶区域,并采用修正后的医学影像,优化所述数据分类神经网络模型。

6.根据权利要求5所述的方法,其特征在于,所述病灶修正操作包括以下一项或多项:

对病灶区域的位置、大小信息的标记操作;

对病灶区域的分类操作;以及

对病灶区域的分割操作。

7.根据权利要求2所述的方法,其特征在于,所述诊断结果包括以下一项或多项:

对整体病情的分析结果;

对病灶的统计和定量分析结果;

典型病灶截图;

诊断报告;以及

与原数据管理系统的通信信息。

8.根据权利要求1所述的方法,其特征在于,所述数据分类神经网络模型基于已标注的医学影像数据集对神经网络进行训练得到;和/或

所述病灶区域识别算法基于已标注的医学影像数据集训练得到。

9.一种用于分析医学影像的装置,其特征在于,所述装置包括:

影像数据获取单元,用于获取医学影像数据;

影像数据分类单元,用于基于数据分类神经网络模型,将所述医学影像数据分类为健康影像和疾病影像;

病灶区域识别单元,用于采用病灶区域识别算法识别所述疾病影像中的疑似病灶区域,得到附标记的疾病影像;

分析结果发送单元,用于将所述健康影像和所述附标记的疾病影像发送至显示终端。

10.根据权利要求9所述的装置,其特征在于,所述装置还包括:

诊断操作接收单元,用于接收输入的对于所述健康影像和所述附标记的疾病影像的诊断操作;

诊断结果确定单元,用于基于所述诊断操作,确定诊断结果;

诊断结果输出单元,用于向所述显示终端输出诊断结果。

11.根据权利要求9所述的装置,其特征在于,所述分析结果发送单元包括:

目标区域分割单元,用于分割所述健康影像以及所述附标记的疾病影像中的目标器官和目标组织,得到目标区域;

可视化影像发送单元,用于基于可视化参数,将所述目标区域的可视化影像发送至显示终端。

12.根据权利要求10所述的装置,其特征在于,所述装置还包括:

模型算法优化单元,用于基于所述诊断操作,优化所述数据分类神经网络模型和所述病灶区域识别算法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710916007.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top