[发明专利]基于RPA和AI的影像报告推送方法、装置及计算设备

权利要求书

1.一种基于RPA和AI的影像报告推送方法，其特征在于，应用于集成有机器人流程自动化RPA机器人的影像分析平台，所述方法包括：

S1、接收所述RPA机器人发送的待检测肺部医学影像图像；

S2、利用预设肺部分割模型对所述待检测肺部医学影像图像进行分割，得到只包含肺部区域的目标医学影像图像，利用预设肺结节检测模型对所述目标医学影像图像进行检测，得到所述目标医学影像图像中各疑似肺结节的属性信息，利用预设肺结节分割模型对所述各疑似肺结节所在的区域进行分割，得到各疑似肺结节的三维轮廓信息，其中，所述预设肺结节检测模型通过预设的肺结节图像样本集中的肺结节样本图像和肺结节的属性信息训练得到，以建立各肺结节样本图像与肺结节的属性信息之间的关联关系；

S3、根据各疑似肺结节的属性信息和三维轮廓信息生成肺部疑似结节影像报告，并将所述肺部疑似结节影像报告通过所述RPA机器人发送至医院平台。

2.如权利要求1所述的方法，其特征在于，所述步骤S2中的利用预设肺部分割模型对所述待检测肺部医学影像图像进行分割，得到只包含肺部区域的目标医学影像图像，具体包括：

S21、利用滤波反投影重建算法FBP和正弦图确定迭代重建算法SAFIRE从所述待检测肺部医学影像图像中筛选出肺部区域的影像组学特征，对所述影像组学特征进行重建，得到只包含肺部区域的目标医学影像图像。

3.如权利要求1所述的方法，其特征在于，所述步骤S2中的预设肺结节检测模型通过以下方式得到：

S22、获取预设的肺结节图像样本集中的肺结节样本图像以及所述肺结节样本图像包含的肺结节的属性信息；

S23、将所述肺结节样本图像以及所述肺结节样本图像包含的肺结节的属性信息输入至初始卷积神经网络中进行特征提取，得到所述肺结节样本图像包含的肺结节的参考属性信息；

S24、计算所述参考属性信息与所述肺结节样本图像包含的肺结节的属性信息之间的差异值；

S25、基于所述差异值优化所述初始卷积神经网络的参数，返回执行步骤S22；

S26、当迭代次数达到预设次数时，完成训练，得到使得肺结节样本图像与肺结节的属性信息相关联的预设肺结节检测模型。

4.如权利要求1所述的方法，其特征在于，所述步骤S2中的预设肺结节分割模型为三维语义分割卷积神经网络3DU-Net模型。

5.如权利要求1所述的方法，其特征在于，所述各疑似肺结节的属性信息包括肺结节位置、肺结节大小和肺结节密度。

6.如权利要求5所述的方法，其特征在于，所述步骤S3具体包括：

S31、根据各疑似肺结节的属性信息中的肺结节位置，在所述待检测肺部医学影像图像中对各疑似肺结节进行标注；

S32、根据各疑似肺结节的属性信息中的肺结节密度生成密度直方图；

S33、生成包含标注后的待检测肺部医学影像图像、所述密度直方图和各疑似肺结节的肺结节大小的肺部疑似结节影像报告，并将所述肺部疑似结节影像报告通过所述RPA机器人发送至医院平台。

7.如权利要求1-6任一所述的方法，其特征在于：

通过采用光学字符识别OCR方法对所述待检测肺部医学影像图像进行识别，得到图像内容。