申请/专利权人：重庆医科大学绍兴柯桥医学检验技术研究中心

申请日：2024-01-22

公开（公告）日：2024-04-23

公开（公告）号：CN117611926B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06T7/10;G06V10/40;G06V10/25;G06V10/75;G16H30/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本申请公开了一种基于AI模型的医学影像识别方法及系统，属于医学图像处理技术，包括：获取医学影像，筛选出指定数量的一组医学图像：确定医学图像中各像素点的像素值，按照具有相近像素值的像素点的数量多少构建像素值区间；按照精度最低的分割规格将医学图像分割为相应规格下的子图像；对于任意子图像，对子图像进行过滤；对过滤后的子图像，利用次级精度的分割规格进行二次分割，过滤，并确定出一组医学图像中各张医疗图像的感兴趣区域的边界；将添加标记后的各组医学图像，训练分类器模型；将待预测的一组医学图像，输入训练后的分类器模型，以完成识别。本申请的方法用以提高分类器的分类精确度，提高分类器模型的适用范围。

主权项：1.一种基于AI模型的医学影像识别方法，其特征在于，包括如下步骤：获取医学影像，以及预先配置精度递增的多个分割规格；按照时间顺序从所述医学影像中筛选出指定数量的一组医学图像；对于筛选出的任一组医学图像中的各医学图像，通过如下步骤对任一组医学图像进行处理：确定所述医学图像中各像素点的像素值，按照具有相近像素值的像素点的数量多少构建像素值区间，其中构建的像素值区间的数量与对医学图像的分割规格的数量相同；按照精度最低的分割规格将医学图像分割为数个相应规格下的子图像；对于任意子图像，通过构建的像素点数量最多的像素值区间，对子图像进行过滤；对过滤后的子图像，确定子图像未被清空，利用次级精度的分割规格进行二次分割，并通过构建的像素点数量第二多的像素值区间进行过滤；重复图像分割、像素过滤，以按照时间顺序确定出一组医学图像中各张医疗图像的感兴趣区域的边界；按照时间先后顺序，依序逐次对医学图像的感兴趣区域进行匹配，以确定感兴趣区域是否发生偏移；若发生偏移，则对偏移时间和偏移距离进行标记，以及为所述任一组医学图像添加分类标记；将添加标记后的各组医学图像，作为训练样本，训练分类器模型，其中在所述分类器模型的损失函数中引入有用以表征预测类别与真实类别之间的偏移量权重；将待预测的一组医学图像，输入训练后的分类器模型，以完成医学图像分类识别；按照具有相近像素值的像素点的数量多少构建像素值区间包括：选取感兴趣区域的边界的代表像素值，并基于代表像素值进行提取，以获取感兴趣区域的主边界；利用具有相同像素值数量最多的像素替换所述主边界；以及，根据具有相近像素值的像素点的数量多少构建多个像素值区间；重复图像分割、像素过滤，以确定出感兴趣区域的边界包括：将重复图像分割、像素过滤完成后的次边界，与所述主边界进行组合，作为感兴趣区域的边界；按照时间先后顺序，依序逐次对医学图像的感兴趣区域进行匹配，以确定感兴趣区域是否发生偏移包括：将在先的医学图像与在后的医学图像，根据选取的基准点进行对准；若对准后的两张医学图像的次边界不重合，则确定发生偏移；对偏移时间和偏移距离进行标记包括：基于组合获得的感兴趣区域的边界，在多个方向上选取代表边界，其中多个方向分为至少两组，每组包括相对的两个方向；利用选取的任一代表边界，对在后的医学图像查找对应代表边界的边界范围，并在相应的方向上确定次边界之间的像素距离作为偏移距离，进行标记；以及，确定两张医学图像之间的时间差，以添加时间标记；利用选取的任一代表边界，对在后的医学图像查找对应代表边界的边界范围，并在相应的方向上确定次边界之间的像素距离作为偏移距离包括：基于选取的任一代表边界，在指定的半径范围，按照指定的像素步长，基于在后的医学图像进行查找；计算查找出的边界范围与所述任一代表边界的相似度；将在在后的医学图像中查找到的相似度最高边界范围作为查找结果；计算出两代表边界的次边界之间的像素距离，作为偏移距离。

全文数据：

权利要求：

百度查询： 重庆医科大学绍兴柯桥医学检验技术研究中心 一种基于AI模型的医学影像识别方法及系统

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