[发明专利]医学图像的筛选方法、计算机设备及可读存储介质

权利要求书

1.一种医学图像的筛选方法，其特征在于，包括：

从医学图像管理系统中获取满足预设条件的医学图像，所述预设条件表征所述医学图像的生成时间、图像模式和图像数量中的一种或多种；

从所述满足预设条件的医学图像中选择至少一个医学图像，并根据标签数据对所述至少一个医学图像进行筛选，得到筛选医学图像；

采用人工智能分类网络对所述筛选医学图像进行分类操作，得到所述筛选医学图像的分类结果，所述分类结果包括部位名称、部位编码或部位结构信息中的一个或多个。

2.根据权利要求1所述的方法，其特征在于，在得到所述筛选医学图像的分类结果之后，所述方法还包括：

根据所述筛选医学图像的分类结果，确定与所述筛选医学图像的分类结果相对应的人工智能检测算法；

根据所述人工智能检测算法对所述筛选医学图像进行检测，得到检测结果。

3.根据权利要求1所述的方法，其特征在于，所述满足预设条件的医学图像为至少一组断层图像；

所述从所述满足预设条件的医学图像中选择至少一个医学图像，包括：

从每组断层图像中选择至少一层医学图像。

4.根据权利要求3所述的方法，其特征在于，所述根据标签数据对所述至少一个医学图像进行筛选，得到筛选医学图像，包括：

根据所述标签数据中的身体部位数据、图像序列描述数据、图像检查描述数据、协议名称以及执行过程描述数据对所述至少一层医学图像进行筛选，得到所述筛选医学图像。

5.根据权利要求3所述的方法，其特征在于，所述根据标签数据对所述至少一个医学图像进行筛选，得到筛选医学图像，包括：

根据所述标签数据、所述断层图像的层数、所述断层图像的层厚、所述断层图像中目标对象的方位及所述断层图像的窗宽窗位对所述至少一层医学图像进行筛选，得到所述筛选医学图像。

6.根据权利要求1所述的方法，其特征在于，所述人工智能分类网络的训练方式包括：

将训练样本图像输入初始人工智能分类网络进行分类操作，得到所述训练样本图像的预测分类编码；

计算所述训练样本图像的预测分类编码与所述训练样本图像的标注分类编码之间的损失，并根据所述损失对所述初始人工智能分类网络进行训练，得到所述人工智能分类网络。

7.根据权利要求1所述的方法，其特征在于，所述人工智能分类网络为VGG卷积神经网络。

8.根据权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：

根据所述筛选医学图像的分类结果，对所述筛选医学图像的标签数据进行校正。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。