[发明专利]基于深度学习算法的医疗影像设备数据分析系统

说明书

本发明提供基于深度学习算法的医疗影像设备数据分析系统，其特征在于：每个医疗影像设备的数据被其连接的5G物联终端数据采集设备采集，5G物联终端数据采集设备将数据通过5G基站传输给云服务器，云服务器中的医疗影像设备大数据收集分析系统处理这些数据，医疗影像设备大数据收集分析系统与多家医疗机构连接；运用深度学习算法来进行技术分析医学影像，并将影像与医学文本记录进行交叉对比。本发明降低误诊率。

技术领域

本发明涉及一种医院管理系统领域，具体地说是一种基于深度学习算法的医疗影像设备数据分析系统。

背景技术

目前医疗数据中有超过90％来自于医学影像，但是这些数据都以传统方式保留在个各自的医院内，而且大多要进行人工分析，医学诊断上的失误率高，发生漏诊、误诊而延误治疗。

发明内容

本发明提供基于深度学习算法的医疗影像设备数据分析系统，其目的是解决现有技术的缺点，提高医疗影像设备数据的传播和使用效率，降低误诊率，提高医疗资源的利用程度。

本发明解决其技术问题的方案在于：

基于深度学习算法的医疗影像设备数据分析系统，其特征在于：

每个医疗影像设备的数据被其连接的5G物联终端数据采集设备采集，5G物联终端数据采集设备将数据通过5G基站传输给云服务器，云服务器中的医疗影像设备大数据收集分析系统处理这些数据，医疗影像设备大数据收集分析系统与多家医疗机构连接；

运用深度学习算法来进行技术分析医学影像，并将影像与医学文本记录进行交叉对比；

进一步的：基于深度学习算法结合已有病理的神经网络节点式算法的推论，自动精准识别可疑病灶。

进一步的：基于深度学习算法，影像数据的各个标准指标在时间线的维度上，产生趋势化的图表报告。

进一步的：基于大量影像数据的特征性，再配合深度学习算法，对区域性病理分布进行统计分析。

进一步的：基于大量影像数据的特征性，再配合深度学习算法，对未来一段时间的病例发生范围、时间跨度、影响程度进行数值上量化的预测。

进一步的：所述基于深度学习算法的医疗影像设备数据分析系统以Tensorflow运行。

进一步的：医疗影像设备大数据收集分析系统对某一地区多家医院的区域性影像设备上传的病患体征影像检测数据进行分析。

进一步的：所述医疗影像设备大数据收集分析系统中包括区域医疗中心云系统；

医疗器械数据持续采集患者生命体征，通过5G物联终端数据采集设备，远程传输到区域医疗中心云系统，分别在专家医生远程会诊大屏幕、现场医护工作站屏幕上展示；

区域医疗中心云系统进行实时分析，分析结果传输给专家医生远程会诊大屏幕、现场医护工作站屏幕。

进一步的：所述5G物联终端数据采集设备以通用的PCI-E接口以及USB接口为基准，加载5G的无线信号传输模块。

本发明的有益之处在于：

本发明基于Tensorflow深度学习框架提供的高灵活性、高可移植性、高性能支持，与深度学习算法相结合，在基于额外的医疗影像设备数据采集模块的前提下，实时动态的获取到各个医院医疗影像设备的数据，在云端为医护人员提供大数据下单病种实时数据分析的监测能力的设计方法。

运用深度学习算法来进行技术分析医学影像，并将影像与医学文本记录进行交叉对比，就能够极大地降低医学诊断上的失误，帮助医生精准诊断，挽救患者生命。