[发明专利]基于大数据的阅片数据分析方法、装置、设备及存储介质

权利要求书

1.一种基于大数据的阅片数据分析方法，应用于电子装置，其特征在于，所述方法包括：

根据获取的阅片指令，对待诊阅的医疗影像图片进行数字化处理，得到所述待诊阅的医疗影像图片的图片像素数据；

将所述图片像素数据输入预设病灶标注模型，通过所述预设病灶标注模型对所述图片像素数据进行病灶标注处理，得到病灶数据；

将所述病灶数据进行图片转化处理，得到所述病灶数据对应的病灶图片；

将所述病灶图片输入预设病灶诊断模型，通过所述病灶诊断模型对所述病灶图片进行病灶诊断推测处理，得到病灶诊断结果表，将所述病灶诊断结果表作为所述待诊阅的医疗影像图片的诊断参考数据；其中，所述病灶诊断结果表包括与所述病灶图片对应的病症名称和与所述病症名称对应的诊断概率。

2.根据权利要求1所述的基于大数据的阅片数据分析方法，其特征在于，所述根据获取的阅片指令，对待诊阅的医疗影像图片进行数字化处理，得到所述待诊阅的医疗影像图片的图片像素数据包括：

对所述待诊阅的医疗影像图片进行灰度处理，得到医疗影像灰度图片；

按照预设加权值对所述医疗影像灰度图片进行三原色转化处理，得到所述医疗影像灰度图片的灰度值数据，将所述灰度值数据作为所述待诊阅的医疗影像图片的图片像素数据。

3.根据权利要求1所述的基于大数据的阅片数据分析方法，其特征在于，所述预设病灶标注模型存储于区块链中，所述预设病灶标注模型的训练方法包括：

采集医疗影像图片样本集；

对所述医疗影像图片样本集中的每个医疗影像图片样本均进行数据清洗处理，除去所述医疗影像图片样本中的无用数据，并分别对病灶区域进行病灶标注和对正常区域进行正常标注，得到带有标注的医疗影像图片样本数据集；

建立基础神经网络模型，并将所述带有标注的医疗影像图片样本数据集中的病灶区域和正常区域均作为输入，将与所述病灶区域对应的病灶标注和与所述正常区域对应的正常标注作为输出进行模型深度学习训练，得到预设病灶标注模型。

4.根据权利要求3所述的基于大数据的阅片数据分析方法，其特征在于，所述对所述医疗影像图片样本集中的每个医疗影像图片样本均进行数据清洗处理，除去所述医疗影像图片样本中的无用数据，并分别对病灶区域进行病灶标注和对正常区域进行正常标注，得到带有标注的医疗影像图片样本数据集包括：

将所述医疗影像图片样本集中的每个医疗影像图片样本进行数字化处理，得到医疗影像图片样本像素数据集；

根据预设像素范围阈值，分别对所述医疗影像图片样本像素数据集中每个医疗影像图片样本对应的像素数据进行无用数据剔除处理、病灶像素数据对应的病灶区域的病灶标注处理和正常像素数据对应的正常区域的正常标注处理，得到带有标注的医疗影像图片样本数据集；

其中，所述预设像素范围阈值包括病灶像素数据范围阈值和正常像素数据范围阈值。

5.根据权利要求1所述的基于大数据的阅片数据分析方法，其特征在于，所述将所述病灶数据进行图片转化处理，得到所述病灶数据对应的病灶图片包括：

循环所述病灶数据中每个像素点的像素值；

根据所述像素值，通过阿尔法通道算法将所述病灶数据转换为图片形式，得到病灶数据对应的病灶图片。

6.根据权利要求1所述的基于大数据的阅片数据分析方法，其特征在于，所述预设病灶诊断模型包括：

用于输入所述病灶图片的图片输入层、用于识别所述片输入层中的病灶图片的病变部位的器官识别层、用于根据所述器官识别层中得到的识别结果对所述病灶图片与病症样本图片进行相似度计算的病症推测层、用于根据所述病症推测层得到的推测结果生成所述病灶诊断结果表的诊断结果生成层和用于将所述病灶诊断结果表输出的诊断结果输出层。