申请/专利权人：莱凯医疗器械(北京)有限公司

申请日：2024-01-05

公开（公告）日：2024-04-02

公开（公告）号：CN117524427B

主分类号：G16H30/20

分类号：G16H30/20;G06V10/75;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明涉及医学图像分析的技术领域，公开了一种智能化医学影像分析方法，所述方法包括：获取待诊断图像以及若干历史病例图像，构建病例图像泛化模型对历史病例图像进行泛化处理，得到变异病例图像集合，构造医学图像诊断模型，提取变异病例图像集合中变异病例图像的稳定语义特征，构造深层语义特征提取网络模型，提取待诊断图像的深层语义特征，对待诊断图像的深层语义特征和变异病例图像的稳定语义特征进行相似度计算，选取相似度高于指定阈值的变异病例图像所对应的历史诊断病例作为待诊断病例的参考，辅助医生确定诊疗方案。

主权项：1.一种智能化医学影像分析方法，其特征在于，所述方法包括：S1：获取待诊断图像以及若干历史病例图像，构建病例图像泛化模型对历史病例图像进行泛化处理，得到变异病例图像集合，所述病例图像泛化模型以历史病例图像为输入，以变异病例图像集合为输出；获取待诊断图像以及若干历史病例图像，并构建病例图像泛化模型，包括：获取待诊断图像I以及若干历史病例图像，其中历史病例图像为用于对待诊断图像进行图像匹配的候选图像，所采集历史病例图像的表示形式为： ；其中： 表示历史病例图像数量； 表示所获取第n张历史病例图像；构建病例图像泛化模型，利用病例图像泛化模型对历史病例图像进行泛化处理扩大病例适用范围，得到变异病例图像集合，其中病例图像泛化模型包括输入层、图像泛化层以及输出层，输入层用于输入历史病例图像，图像泛化层用于对历史病例图像进行泛化映射处理，输出层用于将历史病例图像的泛化映射处理结果作为变异病例图像进行输出；为变异病例图像进行输出；利用病例图像泛化模型对历史病例图像进行泛化处理，得到变异病例图像集合，包括：利用病例图像泛化模型对历史病例图像进行泛化处理，其中历史病例图像的泛化处理流程为：S11：输入层接收历史病例图像，并将历史病例图像传输至图像泛化层；S12：图像泛化层对历史病例图像进行M次泛化映射处理： ；其中： 表示历史病例图像泛化次数； 表示历史病例图像的第m次泛化映射处理结果； 表示非线性映射函数； 表示第m次泛化映射处理模板； 表示hadamard积运算符；S13：输出层将历史病例图像的泛化映射处理结果作为变异病例图像进行输出，构成历史病例图像的变异病例图像集合：；S2：构造医学图像诊断模型，提取变异病例图像集合中变异病例图像的稳定语义特征，所述医学图像诊断模型以变异病例图像为输入，融合全局的自注意力特征与多尺度局部感知特征，得到变异病例图像的稳定语义特征；利用医学图像诊断模型提取变异病例图像集合中变异病例图像的稳定语义特征，包括：利用医学图像诊断模型提取变异病例图像集合中变异病例图像的稳定语义特征，其中变异病例图像集合中变异病例图像的稳定语义特征提取流程为：S21：输入层接收变异病例图像；S22：深度语义特征提取层分别提取变异病例图像的自注意力特征与多尺度局部感知特征作为深度语义特征： ； ； ；其中：T表示转置； 分别表示深度语义特征提取层中的卷积权重矩阵；D表示的维度； 表示分别利用像素大小的卷积核对变异病例图像进行卷积处理，得到的三种尺度下的局部感知特征；S23：稳定语义特征构造层将深度语义特征构造为变异病例图像的稳定语义特征： ； ；其中： 表示利用像素大小的卷积核对变异病例图像进行卷积处理，得到的局部感知特征; 表示变异病例图像的稳定语义特征； 表示ReLU激活函数； 表示以自然常数为底的指数函数； 表示使得达到最大的参数，其中；S3：构造深层语义特征提取网络模型，提取待诊断图像的深层语义特征，其中深层语义特征提取网络模型包括多尺度特征提取网络模块、语义提取网络模块和语义理解网络模块；S4：对待诊断图像的深层语义特征和变异病例图像的稳定语义特征进行相似度计算，选取相似度高于指定阈值的变异病例图像所对应的历史诊断病例作为待诊断病例的参考，辅助医生确定诊疗方案。

全文数据：

权利要求：

百度查询： 莱凯医疗器械(北京)有限公司 一种智能化医学影像分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD