[发明专利]一种CT数据归集系统、方法及存储介质

说明书

本发明提出了一种CT数据归集系统、方法及存储介质，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；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；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；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。提高了CT数据修正的准确性和后续CT数据的检索效率。

技术领域

本发明涉及人工智能及分布式计算技术领域，具体涉及一种CT数据归集系统、方法及存储介质。

背景技术

现有技术中，CT图像数据的修正一般采用图像增强等方法修正，修正后的效果差强人意，可能与真实的患者情况差别较大，现有技术也有一些通过AI技术进行CT数据进行修正的方法，但是，现有技术中，都没有考虑到如何高效地利用CT机的当前工作状态进行数据的修正，导致修正结果不准确，或者修正速度低。

现有技术中，数据一般采用分布式存储，但是，一般采用随机的方式写入相应的存储节点，这种方式并不适合CT数据的归集，因此，CT数据在检索或浏览时，一般进行同类别或近似类别的数据浏览，因此，如何研究基于类别相似度进行CT数据的归集也是现有技术的一项挑战。

发明内容

本发明针对上述现有技术中一个或多个技术缺陷，提出了如下技术方案。

一种CT数据归集系统，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，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。

更进一步地，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。

更进一步地，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。

更进一步地，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。