[发明专利]基于人工智能的医学放射影像胸部摄片的质量控制方法

权利要求书

1.一种基于人工智能的医学放射影像胸部摄片的质量控制方法，其特征在于，包括如下步骤：

启动各人工智能子模型进行胸片的深度学习，直至学习完成，将各人工智能子模型整合为一个模型；

提取已拍摄胸片中的图像数据，并对提取的图像数据进行预处理，获得处理后数据；

将所述处理后的数据由整合后的人工智能模型进行鉴定，获得鉴定结果；

根据医学业务规则和所述鉴定结果，输出所述已拍摄胸片的质控鉴定；

其中，所述启动各人工智能子模型进行胸片的深度学习，直至学习完成步骤中，所述各人工智能子模型的深度学习方法包括如下步骤：

1)将输入的学习数据进行一次或多次卷积池化运算后，获得处理后数据；

2)获取步骤1)中处理后数据，并将所述处理后数据进行多次卷积池化运算后，获得第一分支数据；

3)获取步骤1)中处理后数据，并将所述处理后数据进行多次卷积池化运算，其中，每次卷积池化运算后均进行混合运算，并将混合运算后的数据，作为下一卷积池化运算的输入数据，直至最后一次卷积池化运算以及混合运算结束后，获得第二分支数据；所述混合运算的公式，具体为：

其中，公式(1)计算输入矩阵的通道数，为网络中混合层的输入数据；

公式(2)计算[1,C_len]范围内的随机数列，范围内的每个数仅出现一次，且均为整数，步长为1，seed为随机种子，可以取当前时间，保证每次产生的随机数列是不同的；

公式(3)根据公式(2)得到的随机数列对按照通道重新排序，即将中的i通道移动到中i所在的位置；

4)将步骤2)中的第一分支数据和步骤3)中的第二分支数据进行融合，获得最终数据，采用Adam优化器，对上述各步骤中的参数进行调整；

5)重复步骤1)～步骤4)，直至每个步骤中的参数值都调整在适当范围内，满足学习要求，完成学习。

2.根据权利要求1所述的质量控制方法，其特征在于，所述步骤1)中每次卷积池化运算后均进行混合运算，并将混合运算后的数据作为下一卷积池化运算的输入数据，直至最后一次卷积池化运算以及混合运算结束后，获得处理后数据。

3.根据权利要求1所述的质量控制方法，其特征在于，所述步骤4)中将步骤2)中的第一分支数据和步骤3)中的第二分支数据进行融合的具体融合方法为：卷积运算、与运算或者或运算。

4.根据权利要求1所述基于人工智能的医学放射影像胸部摄片的质量控制方法，其特征在于，所述各人工智能子模型包括：胸椎子模型、两肋肺尖子模型、锁骨子模型、肩软组织子模型、心影后肋骨子模型、心肺比子模型或肩胛骨子模型中的一种或多种，其中，每个所述子模型均对应一项质控关键指标。

5.根据权利要求1所述基于人工智能的医学放射影像胸部摄片的质量控制方法，其特征在于，所述作为学习数据的胸片图像矩阵以及对应的掩码矩阵包括：合格胸片以及不合格胸片。

6.根据权利要求1所述基于人工智能的医学放射影像胸部摄片的质量控制方法，其特征在于，所述对提取的图像数据进行预处理包括：图像缩放、降噪以及张量化。