[发明专利]一种基于人工智能的医学影像分类处理系统

说明书

本发明公开的属于医学影像分类处理技术领域，具体为一种基于人工智能的医学影像分类处理系统，包括本地电脑、登录单元、图像导入单元、中心系统图像汇总采集单元、筛选分类单元、显示单元和终端服务器。该发明通过摄像装置获取当前患者病灶处的影像信息，通过本系统对上传的影像数据进行标签处理，并且上传终端服务器，实现资料的扩容和分享，同时，将患者的影像信息与资料库内部存储的影像信息进行对应比较，匹配到与之相似的案例影像信息，可准确的对病患拍摄的医学影像资料进行分析，并做出医学检查报告，从而辅助医生提高对患者进行医学检查的效率及准确性。

技术领域

本发明涉及医学影像分类处理技术领域，具体为一种基于人工智能的医学影像分类处理系统。

背景技术

随着现代医学成像技术的快速发展,医学影像已经成为重要的辅助诊疗技术。但是,随着各种医学成像设备比如CT、MR、DSA、DR,以及大量计算机技术融合到影响诊断中,医学影像资源的有效利用已经成为了一个非常迫切的问题。医院每天产生海量的医学图像,如果能够对影像类别进行自动标注,可以在很大程度上减少医生的工作量,也能够提高医学影像的使用效率。医学影像分类已经成为一个非常迫切的需求。

传统的基于内容的图像分类方法大多基于图像的全局特征,比如颜色、纹理、形状特征等,这些方法虽然已经取得了不错的分类性能,但由于思路单一,这种分类方法的发展受到了很大的限制。深度学习可以给医疗领域带来巨大的改变，但是，开发训练模型需要大量的专业知识。《柳叶刀》子刊《柳叶刀数字健康》近年来都对此领域报道了多篇论文，是医学领域发展的重要方向之一。

自20世纪80年代首次被提出以来，深度学习在过去10年中飞速发展，很大程度上是由于最初为视频游戏开发的图形处理功能的进步以及日益增多的大型开源数据集，自2012年以来，深度学习为计算机视觉、图像处理、语音识别、自然语言翻译、机器人技术，甚至是汽车自动驾驶等多种领域带来了深刻变革。2015年，“科学美国人(ScientificAmerican)”杂志将深度学习列为年度“改变世界思想”之一。

首先，访问大型、格式标准且结果准确的数据集是一项重大挑战，尽管世界各地的许多机构的大型临床数据集都是开放的，但是拥有易于处理和计算的形式以及可用于学习任务的准确的临床诊断结果的数据数量却很少。全局范围看虽然数据量庞大，但是却难以的到有效利用；其次，现有的设备，摄片的结果数据量庞大，对计算机硬件的要求过高，单一机构难以负担，同时，各个机构、医院都尝试建立自己的模型和系统，但是存在区域化屏障，不能够实现医疗资源的有效共享，阻碍了深度学习的准确性；最后，现有的设备无法及时的对上传的医学影像提供类似的案例资料，并做出医学检查报告，无法辅助医生提高对患者进行医学检查的效率及准确性，因此需要研发一种基于人工智能的医学影像分类处理系统。

发明内容

本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于现有中存在的问题，提出了本发明。

因此，本发明的目的是提供一种基于人工智能的医学影像分类处理系统，通过摄像装置获取当前患者病灶处的影像信息，通过本系统对上传的影像数据进行标签处理，并且上传终端服务器，实现资料的扩容和分享，同时，将患者的影像信息与资料库内部存储的影像信息进行对应比较，匹配到与之相似的案例影像信息，可准确的对病患拍摄的医学影像资料进行分析，并做出医学检查报告，从而辅助医生提高对患者进行医学检查的效率及准确性。

为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

一种基于人工智能的医学影像分类处理系统，其包括本地电脑、登录单元、图像导入单元、中心系统图像汇总采集单元、筛选分类单元、显示单元和终端服务器。