[发明专利]一种CT数据归集系统、方法及存储介质

权利要求书

1.一种CT数据归集系统，其特征在于，该系统包括：

N台CT机，所述N台CT机分别部署在医院的不同的位置，其中N大于或等于2；

M台服务器，所述N台CT机分别与M台服务器通过网络连接，其中M大于或等于1；

L个分布式存储节点，所述L个分布式存储节点分别通过网络与所述M台服务器连接，其中L大于或等于2；

所述N台CT机分别将采集的CT数据、该CT机的当前工作状态数据以及该CT机的标识发送至M台服务器的其中之一的服务器，接收到所述CT数据以及该CT机的当前工作状态数据的服务器基于所述CT机的当前工作状态数据对所述CT数据进行修正，所述服务器将修正后的CT数据发送至所述L个分布式存储节点的其中之一进行存储；

其中，所述CT数据为CT图像数据，所述CT机的当前工作状态数据包括CT机的工作温度、CT机的工作时长、环境温度和X射线管的工作电流；

其中，服务器基于所述CT机的当前工作状态数据对所述CT数据进行修正的操作为：在服务器上部署的修正模型提取所述CT数据的特征进行质量检测，如果检测结果为不满足预定的质量要求，所述修正模型基于该CT的标识获取标准工作状态数据，基于所述标准工作状态数据和所述CT机的当前工作状态数据对所述CT数据进行修正得到修正后的CT数据，所述标准工作状态数据包括CT机在标准工作状态下的CT机的工作温度、CT机的工作时长、环境温度和X射线管的工作电流；

其中，所述修正模型为训练后的深度神经网络模型，所述深度神经网络模型的训练操作为：

获取训练样本集数据，所述样本集数据包括样本输入数据和样本输出数据，样本输入数据包括CT数据、对应的当前工作状态数据和标准工作状态数据，样本输出数据包括CT机在标准工作状态下采集的CT数据，在标准工作状态下采集的CT数据满足预定的质量要求；

使用所述样本输入数据和样本输出数据对所述深度神经网络模型进行训练，直至迭代次数达到一预定次数，或者损失函数值小于一预设的阈值，得到训练后的修正模型；

其中，所述深度神经网络模型包括数据预处理层，所述数据预处理层根据所述当前工作状态数据中的CT机的工作温度、CT机的工作时长、环境温度和X射线管的工作电流得到归一化的当前工作状态数据中的CT机的工作温度T_ID、CT机的工作时长L_ID、环境温度H_ID和X射线管的工作电流I_ID，根据所述标准工作状态数据中的CT机的工作温度、CT机的工作时长、环境温度和X射线管的工作电流得到归一化的标准工作状态数据中的CT机的工作温度ST_ID、CT机的工作时长SL_ID、环境温度SH_ID和X射线管的工作电流SI_ID；

所述数据预处理层基于所述当前工作状态数据和标准工作状态数据计算修正因子J：

；

其中，ID为CT机的标识，为对应的权重；

其中，所述服务器将修正后的CT数据发送至所述L个分布式存储节点的其中之一进行存储的操作为：所述服务器识别修正后的CT数据的类别，基于所述CT数据的类别选择一个待写入存储节点，将所述修正后的CT数据写入所述待写入存储节点；

其中，所述基于所述CT数据的类别选择一个待写入存储节点的操作为：分别计算所述CT数据的类别与所述L个分布式存储节点存储的数据类别的相似度，并基于所述相似度对所述存储节点进行降序排列Node₁、Node₂、……、Node_L，选择相似度最大的存储节点Node₁作为候选节点，基于心跳数据获取该候选节点Node₁的剩余存储空间，如果剩余存储空间大于第一预设阈值，则将该候选节点Node₁作为待写入存储节点，如果剩余存储空间不大于所述第一预设阈值，则将节点{Node₂、Node₃、……、Node_k}作为候选节点集，通过心跳数据获取所述候选节点集中的每个存储节点i的链路带宽W_i、处理能力P_i和剩余存储空间M_i，如果剩余存储空间M_i不大于所述第一预设阈值，则从所述候选节点集删除该存储节点i得到精简候选节点集{Node_j}，所述服务器基于精简候选节点集中每个存储节点的链路带宽W_j、处理能力P_j和所述CT数据的类别与存储节点存储的数据类别的相似度S_j确定所述待写入存储节点，其中，L≥k≥2，k≥i≥2，j≠i；

其中，所述服务器基于精简候选节点集中每个存储节点的链路带宽W_j、处理能力P_j和所述CT数据的类别与存储节点存储的数据类别的相似度S_j确定所述待写入存储节点的方式为：在所述精简候选节点集判断是否存在相似度S_j大于第二阈值且链路带宽W_j大于第三阈值且处理能力P_j大于第四阈值的存储节点，如果是，则将该存储节点作为待写入存储节点，如果满足条件的存储节点有多个，则随机选择一个存储节点作为待写入存储节点，如果不存在满足条件的节点，则计算每个存储节点的匹配度，选择匹配度最大的存储节点作为待写入存储节点；

所述匹配度的计算方式为：；

其中，、、为权重数值，为归一化后的链路带宽W_j的值，为归一化后的处理能力P_j的值。