[发明专利]一种数字影像人工智能分析方法和系统

说明书

本发明涉及一种数字影像人工智能分析方法和系统，所述系统包括:用户终端和服务器；所述服务器用于接收用户终端的分析请求，执行数字影像分析处理，并将分析得到的概率结果发送给用户终端。本发明将指数级增加复杂度降维成线性复杂度，在待识别目标数量较多情况下能够降低模型识别的难度，从而大大降低模型的复杂度，对于深度神经网络来说，可以设置较少的层级就能够实现较高精度。

技术领域

本发明属于数字影像分析技术领域，尤其涉及一种数字影像人工智能分析方法和系统。

背景技术

数字影像作为一种携带方便的医学影像载体，是一种方便患者携带、被医生普遍接受并且直观有效的医学影像信息传递介质，可以作为疾病诊治、随访、技术业务交流和医疗鉴定等医学活动的客观依据。随着各种医学信息系统在医疗机构中投入使用，医院的分析报告除了可以包含检测描述、诊断结论等文字内容，也可以包含数字影像等图像信息。

数字影像可以显示用户的身体变化情况，对于医生和病人都有重要意义。数字医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。同时随着人工智能、数据分析技术等核心技术的不断发展，推动了人工智能向社会各领域的渗透，当前，数字影像分析和医疗领域是人工智能发展相对蓬勃的领域之一，基于人工智能的数字影像分析能够辅助医生阅片，已然成为全新的数字智慧健康时代发展的必然趋势。

在这样的情况下，如何在数字影像信息蕴含信息复杂的情况下，提高人工智能模型的工作效率，降低模型的复杂度的同时提升准确率，是待解决的问题。本发明通过将指数级增加复杂度降维成线性复杂度，在待识别目标数量较多情况下能够降低模型识别的难度，从而大大降低模型的复杂度，对于深度神经网络来说，可以设置较少的层级就能够实现较高精度。

发明内容

为了解决现有技术中的上述问题，本发明提出了一种数字影像人工智能分析方法和系统，所述方法包含：

步骤S1：进行数字影像一级分割；

步骤S2：进行数字影像二级分割以得到独立的待识别目标；

步骤S3：合并部分待识别目标以构成一个或多个输入目标，未合并的待识别目标每个构成一个输入目标；

步骤S4：采用人工智能模型预测输入目标为目标类型的概率；其中：所述人工智能模型是双层模型，包括前端模型和后端模型；

所述前端模型包括多个并行子预测模型，基于所述多个并行子预测模型分别预测输入目标为目标类型的子概率，其中u是子预测模型的编号；所述后端模型用于基于输入目标之间的位置关系以及输入目标的子概率，预测输入目标为目标类型的最终概率。

进一步的，建立3D-Unet网络结构，通过网络分割提取待识别目标。

基于相同的发明构思，本发明提供一种数字影像人工智能分析系统，所述系统包含：用户终端和服务器；所述服务器用于接收用户终端的分析请求，执行数字影像分析处理，并将分析得到的概率结果发送给用户终端；

所述服务器包括：一级分割模块、二级分割模块、合并模块和预测模块；

所述一级分割模块，用于执行数字影像一级分割；

所述二级分割模块，用于执行数字影像的二级分割，并得到独立的待识别目标；

所述合并模块，用于合并部分待识别目标以构成输入目标，未合并的待识别目标每个构成一个输入目标；

所述预测模块，用于采用人工智能模型预测输入目标为目标类型的概率；其中：所述人工智能模型是双层模型，包括前端模型和后端模型；