[发明专利]一种基于自识别影像的疾病识别系统

权利要求书

1.一种基于自识别影像的疾病识别系统，其特征在于，包括：

影像采集模块：用于通过医疗设备获取患者疾病部位的医学影像，生成影像数据；

自识别模块：用于通过预设的大数据平台，对所述影像数据进行分析，确定病理数据；

认定模块：用于对所述病理数据与预设的病理数据库进行对比，生成患者的疾病诊断报告；

所述认定模块还包括：

区域定位单元：用于获取患者的疾病诊断报告，并确定病理细胞分布的分布区域；

编码单元：用于对所述分布区域进行划分，并对划分后的每一个区域进行稀疏编码；

计算单元：根据所述稀疏编码，对所述病理数据进行迭代计算，确定稀疏向量；

恶性检测单元：用于根据所述稀疏向量，构建稀疏编码模型，并通过稀疏编码模型对每个分布区域进行线性检测，判断每个分布区域的恶性程度。

2.如权利要求1所述的一种基于自识别影像的疾病识别系统，其特征在于，所述影像采集模块包括：

初步病理分析单元：用于获取患者的门诊数据，并基于所述门诊数据确定患者的病症信息；

检测判断单元：用于将所述病症信息导入预设的大数据平台，确定患者的病理扫描策略；其中，

所述病理扫描策略包括：扫描位置、扫描设备和扫描流程；

影像获取单元：用于根据所述病理扫描策略，获取病理扫描图像；

图像处理单元：用于将所述病理扫描图像导入预设的图像分析模型，确定病理信息，并对所述病理扫描图像进行非线性优化。

3.如权利要求1所述的一种基于自识别影像的疾病识别系统，其特征在于，所述影像采集模块还包括：

训练集确定单元：用于通过大数据平台，构建病理影像训练集；

样本生成单元：用于对所述病理影像训练集图像处理，生成训练样本；其中，

所述图像处理包括：图像放大、图像缩小、图像旋转、图像平移、图像仿射变换、图像对比度增强；

模型生成单元：用于将所述训练样本导入预设的深度诊断学习模型，生成深度病理图像分析模型；

优化单元：用于通过不同大小的卷积核，构建影像特征获取模型；

线性处理单元：用于根据所述深度病理图像分析模型和特征获取模型，进行非线性特征降维，构成非线性优化策略。

4.如权利要求1所述的一种基于自识别影像的疾病识别系统，其特征在于，所述自识别模块，包括：

解析数据子单元：用于通过所述大数据平台，获取影像数据的文件标识符，解析所述文件标识符对应的文件系统信息，生成解析数据；

验证结果子单元：用于基于所述解析数据，生成病理图像标识文件，生成标识结果；

自识别单元：用于根据所述标识结果，通过大数据平台进行病理识别，生成病理数据。

5.如权利要求1所述的一种基于自识别影像的疾病识别系统，其特征在于，所述自识别模块，还包括：

读取单元：用于对所述影像数据进行读取，并确定病理细胞状态数据；其中，

所述病理细胞状态数据包括：病理细胞位置数据、病理细胞分布数据和病理细胞恶性程度数据；

数据划分单元：用于对所述病理数据按照数据类型进行划分，并计算每种类型的病理数据的熵值；

比较单元：用于将所述病理数据的熵值和预设的阈值进行对比，判断所述熵值归属所述阈值的区间范围；其中，

所述阈值包括范围异常区间，位置异常区间和恶性异常区间；

数据划分单元：根据所述区间范围，将原始数据进行数据划分，生成范围异常数据，位置异常数据和恶性异常区间数据。