[发明专利]一种医学图像的质量监控系统及方法在审

专利信息
申请号: 202010399285.6 申请日: 2020-05-12
公开(公告)号: CN111583249A 公开(公告)日: 2020-08-25
发明(设计)人: 朱瑞星;周雪芹;刘西耀 申请(专利权)人: 上海深至信息科技有限公司;上海尽星生物科技有限责任公司
主分类号: G06T7/00 分类号: G06T7/00;G06F16/55;G06F16/53;G06N3/04
代理公司: 上海申新律师事务所 31272 代理人: 俞涤炯
地址: 200241 上海市闵*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 医学 图像 质量 监控 系统 方法
【权利要求书】:

1.一种医学图像的质量监控系统,其特征在于,应用于医学图像的扫查过程,具体包括:

医学成像设备,用于扫查得到若干医学图像并输出;

图像处理装置,连接所述医学成像设备,所述图像处理装置包括:

数据存储模块,用于保存预先生成的扫查规则库,所述扫查规则库中包含若干扫查部位,且每个所述扫查部位关联有包含预设的若干标准扫查参数的一扫查参数集合;

规则提取模块,连接所述数据存储模块,用于在所述医学成像设备的扫查过程中,根据外部输入的包含所述扫查部位的扫查目标信息,于所述扫查规则库中匹配得到对应的所述扫查参数集合;

图像分类模块,连接所述规则提取模块,用于根据所述扫查参数集合中的各所述标准扫查参数对各所述医学图像进行分类得到若干图像子集,并根据所述扫查参数集合的参数类型与各所述图像子集关联的所有所述标准扫查参数的参数类型处理得到一参数类型差集,在所述参数类型差集为空时输出一分类结果,以及在所述差集不为空时,将所述参数类型差集中包括的所述标准扫查参数的所述参数类型作为反馈参数输出;

质量评估模块,连接所述图像分类模块,用于针对每个所述图像子集,根据所述分类结果分别处理得到各所述医学标注图像的质量评估结果,并在所述图像子集中存在所述质量评估结果满足预设的质量评估标准的所述医学标注图像时输出所述医学标注图像,

以及在所述图像子集中不存在所述质量评估结果满足所述质量评估标准的所述医学标注图像时,将所述图像子集对应的所述标准扫查参数的所述参数类型作为所述反馈参数输出;

质量反馈模块,分别连接所述图像分类模块和所述质量评估模块,用于根据所述反馈参数生成相应的扫查反馈提示发送至所述医学成像设备上,以供扫查医生进行查看;

所述扫查医生根据所述扫查反馈提示对所述反馈参数对应的所述扫查部位进行重新扫查。

2.根据权利要求1所述的医学图像的质量监控系统,其特征在于,所述图像分类模块包括:

图像标注单元,用于分别对各所述医学图像进行参数标注得到标注有所述标准扫查参数的参数类型医学标注图像,将具有相同的所述参数类型的所述医学标注图像加入一图像子集并输出各所述图像子集;

图像分类单元,连接所述图像标注单元,用于根据所述扫查参数集合的参数类型与各所述图像子集关联的所有所述标准扫查参数的参数类型处理得到一参数类型差集,在所述参数类型差集为空时输出一分类结果,以及在所述差集不为空时,将所述参数类型差集中包括的所述标准扫查参数的所述参数类型作为反馈参数输出。

3.根据权利要求2所述的医学图像的质量监控系统,其特征在于,所述图像标注单元包括:

识别子单元,用于分别对各所述医学图像进行图像特征识别得到各所述医学图像的第一图像特征;

标注子单元,连接所述识别子单元,用于将各所述第一图像特征分别与各所述标准扫查参数的参数类型进行匹配,得到标注有所述标准扫查参数的所述参数类型医学标注图像,并将具有相同的所述参数类型的所述医学标注图像加入一图像子集并输出各所述图像子集。

4.根据权利要求3所述的医学图像的质量监控系统,其特征在于,采用预先生成的卷积神经网络对各所述医学图像进行图像特征识别得到各所述医学图像的第一图像特征,所述卷积神经网络包括:

依次连接的若干卷积神经网络层,每个所述卷积神经网络层包括一卷积层和一池化层,且所述卷积层的输出作为所述池化层的输入;

全连接层,最后一个所述卷积神经网络层的输出作为所述全连接层的输入。

5.根据权利要求3所述的医学图像的质量监控系统,其特征在于,采用循环神经网络将各所述第一图像特征分别与各所述标准扫查参数进行匹配,得到标注有所述标准扫查参数的所述参数类型的医学标注图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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上海深至信息科技有限公司;上海尽星生物科技有限责任公司,未经上海深至信息科技有限公司;上海尽星生物科技有限责任公司许可,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/202010399285.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top