[发明专利]基于人工智能的病理辅助诊断系统有效
申请号: | 201811011060.8 | 申请日: | 2018-08-31 |
公开(公告)号: | CN109360646B | 公开(公告)日: | 2019-08-06 |
发明(设计)人: | 王书浩;刘灿城;高翔;王朗 | 申请(专利权)人: | 透彻影像(北京)科技有限公司 |
主分类号: | G16H50/20 | 分类号: | G16H50/20;G16H30/00;G06T7/00 |
代理公司: | 北京冠和权律师事务所 11399 | 代理人: | 朱健;张国香 |
地址: | 100000 北京市海淀区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 分布式计算 任务调度模块 数据存储模块 病理图像 辅助诊断系统 人工智能 病理 读取 接收客户端 并行执行 操作指令 分析处理 分析效率 高分辨率 缓存空间 集群系统 通信连接 图像分析 异构集群 多层级 全扫描 容错性 触发 异构 存储 图像 分析 学习 | ||
1.一种基于人工智能的病理辅助诊断系统,其特征在于,所述基于人工智能的病理辅助诊断系统采用分布式异构集群系统,所述基于人工智能的病理辅助诊断系统包括:数据存储模块、分布式计算模块和任务调度模块;所述分布式计算模块与所述数据存储模块和所述任务调度模块通信连接;其中:
所述数据存储模块用于:接收客户端触发的操作指令,存储全扫描病理图像,并在图像分析任务进行时,为全图读取的病理图像提供缓存空间;
所述分布式计算模块用于:按照异构计算的方式,并行执行病理图像的分析任务和深度学习模型对应的计算任务;
所述任务调度模块用于:管理所述分布式计算模块对应执行的各项任务;
所述基于人工智能的病理辅助诊断系统还包括深度学习分析模块;
所述深度学习分析模块用于:
基于深度学习,对病理图像进行图像分析,得到目标区域对应的概率图;
所述深度学习分析模块还用于:
对病理图像进行交叉式卷积处理,对交叉式卷积处理后的病理图像进行图像分析,得到病理图像对应的概率图;
其中,对病理图像进行交叉式卷积处理包括:
确定病理图像F中第i行第j列的像素点在第一方向上的第一差值因子λ1i,j和在第二方向上的第二差值因子λ2i,j;其中,第一方向和第二方向为交叉的方向,且第一差值因子为λ1i,j=(|fi-1,j-1-fi+1,j+1|-|fi-1,j+1-fi+1,j-1|)2,第二差值因子为:λ2i,j=(|fi-1,j-fi+1,j|-|fi,j-1-fi,j+1|)2;fi,j表示病理图像F中第i行第j列的像素点的像素值;
在第i行第j列的像素点的第一差值因子λ1i,j大于第一预设差值、且第二差值因子λ2i,j不大于第二预设差值时,确定病理图像F中第i行第j列的像素点的补偿系数ki,j:
ki,j=a1fi-1,j-1+a3fi-1,j+1+a7fi+1,j-1+a9fi+1,j+1-a5fi,j;其中,a1,a3,a5,a7,a9为预设的常数,且a1+a3+a7+a9=a5;
在第一差值因子λ1i,j不大于第一预设差值、且第二差值因子λ2i,j大于第二预设差值时,确定病理图像F中第i行第j列的像素点的补偿系数ki,j:
ki,j=a2fi-1,j+a4fi,j-1+a6fi,j+1+a8fi+1,j-a5fi,j;其中,a2,a4,a5,a6,a8为预设的常数,且a2+a4+a6+a8=a5;
在第一差值因子λ1i,j不大于第一预设差值、且第二差值因子λ2i,j不大于第二预设差值,或者在第一差值因子λ1i,j大于第一预设差值、且第二差值因子λ2i,j大于第二预设差值时,确定病理图像F中第i行第j列的像素点的补偿系数ki,j:
ki,j=a1fi-1,j-1+a2fi-1,j+a3fi-1,j+1+a4fi,j-1+a6fi,j+1+a7fi+1,j-1+a8fi+1,j+a9fi+1,j+1-2a5fi,j;
在确定每个像素点的补偿系数后,对病理图像F中相应的像素点进行补偿处理,确定处理后的病理图像G;
其中,gi,j=fi,j+μki,j;gi,j为处理后的病理图像G中第i行第j列的像素点的像素值,μ为调整系数,μ∈[0,1],且
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于透彻影像(北京)科技有限公司,未经透彻影像(北京)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811011060.8/1.html,转载请声明来源钻瓜专利网。