一种早癌医学图像与基因型AI识别系统及其方法和应用技术方案

本发明专利技术涉及医学影像技术领域，公开了一种早癌医学图像与基因型AI识别系统，包括医学影像模块，其特征在于，还包括：自主数据库、图像分割模块、数据计算模块和数据输出模块；公开识别方法，步骤如下：1）医师通过医学影像模块对疑似病区进行图像采集得到原始图像并传输至自主数据库进行模式识别得到识别图像；2）通过图像分割模块对获得的识别图像采用深度学习的方法进行图像分割得到分割图像；3）通过数据输出模块对获得的原始图像中的物体数据和识别结果图像进行输出打印报告；还公开在医学影像识别中的应用。本发明专利技术，解决了人工目测医学影像时长期依赖病理检测，导致检测等待时间长及其无法判断早癌和对应的基因型的问题。

An AI recognition system of early cancer medical image and genotype and its method and Application

【技术实现步骤摘要】
一种早癌医学图像与基因型AI识别系统及其方法和应用
本专利技术涉及医学影像
，具体是一种早癌医学图像与基因型AI识别系统及其方法和应用。
技术介绍
医学影像学是研究借助于某种介质（如X射线、电磁场、超声波、腔镜影像等）与人体相互作用，把人体内部组织器官结构、密度以影像方式表现出来，供诊断医师根据影像提供的信息进行判断，从而对人体健康状况进行评价的一门科学，包括医学成像系统和医学图像处理两方面相对独立的研究方向。如今，随着科技的迅速发展，医学领域也得到了快速的发展。其中，医学影像作为一种为了医疗或医学研究来对人体或人体某部分以非侵入方式取得内部组织影像的技术与处理过程，在医学领域得到了广泛应用，在现有的医学研究中，明确的早期癌症筛查诊断有利于患者存活期延长10-20年甚至是治愈。如目前，在胃镜结肠镜检查中经常会涉及到医学影像，而胃镜结肠镜检查对结果的判断存在一个较大的缺陷：判断病变组织性质需要进行病理组织切片后实验才可以确定，这实验过程往往需要等待2-7天不等，导致检测结果无法第一时间得到判断，因病理检查人员经验不同、成像大小不同而在时间和结果上会出现极大偏差，以至于患者到不能在第一时间快速的判断疾病的情况，无法准确的快速的得出疾病结果并且提供客观准确的数据。
技术实现思路
本专利技术的目的在于提供一种早癌医学图像与基因型AI识别系统及其方法和应用，通过自主数据库深度学习方法进行图像分割后进入数据计算中心对分割图像区物体大小回归计算生成数据，无论成像变化多大都可以回归计算出原始测量物的面积大小，为后续医疗行为提供较精确的辅助数据，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种早癌医学图像与基因型AI识别系统，包括医学影像模块，其特征在于，还包括：自主数据库、图像分割模块、数据计算模块和数据输出模块；其中所述医学影像模块的输出与自主数据库的输入端连接，所述自主数据库与图像分割模块双向连接，图像分割模块通过数据计算模块与数据输出模块连接；所述医学影像模块，用于对疑似病区进行图像采集得到原始图像并传输至自主数据库；所述自主数据库，用于对医学影像模块采集到的原始图像采用深度学习方法进行模式识别，得到识别图像并传输至图像分割模块；所述图像分割模块，用于对获得的识别图像采用深度学习的方法进行图像分割得到分割图像；所述数据计算模块，用于对获得的分割图像进行识别判断以定性生成数据，与基因进行比对并生成识别结果图像；所述数据输出模块，用于对获得的原始图像中物体基因数据和识别结果图像进行输出。作为本专利技术进一步的方案：所述医学影像模块包括X光、CT、MR、消化道腔镜模块，消化道腔镜模块包括富士能4450、EG-600WP以及奥林巴斯GIF-Q180。作为本专利技术进一步的方案：所述图像分割模块包括计算机，所述计算机的要求为：CPU内存为Inter18核32线程x2，内存为256G，固态硬盘为1T，机械硬盘为100T，操作系统为LINUX操作系统或Windows7操作系统及以上。作为本专利技术进一步的方案：所述数据输出模块包括显示器和打印机。一种早癌医学图像与基因型AI识别方法，包括如下步骤：1）医师通过医学影像模块对疑似病区进行图像采集得到原始图像并传输至自主数据库进行模式识别得到识别图像；2）通过图像分割模块对获得的识别图像采用深度学习的方法进行图像分割得到分割图像，然后通过数据计算模块对获得的分割图像进行回归分析计算得到原始图像中的物体数据并生成识别结果图像；3）通过数据输出模块对获得的原始图像中的物体数据和识别结果图像进行输出打印报告。作为本专利技术进一步的方案：所述模式识别为通过将原始图像中识别出来的包括图片大小和形状的图像初始数据在数据库中比对，生成癌症性质来判断影像数据并得到识别图像。作为本专利技术进一步的方案：所述图像分割为将识别图像通过计算机网络进行卷积、非线性变换以及下采样操作得到低分辨率图像，然后通过反卷积进行上采样提高图像分辨率得到次低分辨率图像，最后通过上采样到原识别图像的大小得到分割图像。作为本专利技术进一步的方案：所述计算机网络为宽带网络或局域网，通过计算机网络将显示器与计算机进行连接。作为本专利技术进一步的方案：步骤2）中，所述经过计算模型回归到实际需要测量物体的大小来得到原始图像中物体癌症与基因数据并生成识别结果图像。所述一种早癌医学图像与基因型AI识别系统在医学影像识别中的应用。与现有技术相比，本专利技术的有益效果是：本专利技术通过设置了医学影像模块、自主数据库、图像分割模块、数据计算模块和数据输出模块，通过医学影像模块对疑似病区进行图像采集得到原始图像并传输至自主数据库进行模式识别得到识别图像，然后通过图像分割模块对获得的识别图像采用深度学习的方法进行图像分割得到分割图像，再通过数据计算模块对获得的分割图像进行回归分析计算得到原始图像中的物体数据并生成识别结果图像进行输出，解决了人工目测医学影像时长期依赖病理检测，导致检测等待时间长及其无法判断早癌和对应的基因型的问题，无论成像变化多大都可以回归计算出原始测量物的面积大小，同时避免了因为经验不足导致的被成像物体判断失误，可以广泛运用到医疗、水下救援和动物体内肿物模型观察等需要通过图像判断物体大小的情况中，具有广阔的市场前景。附图说明图1为一种早癌医学图像与基因型AI识别系统的流程示意图。图2A为一种早癌医学图像与基因型AI识别系统的原始图片。图2B为一种早癌医学图像与基因型AI识别系统的人工标注图片。图2C为一种早癌医学图像与基因型AI识别系统的AI识别图片。图3为中一种早癌医学图像与基因型AI识别系统中识别结果图像的示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，本专利技术实施例中，一种早癌医学图像与基因型AI识别系统，包括医学影像模块，还包括：自主数据库、图像分割模块、数据计算模块和数据输出模块；其中所述医学影像模块的输出与自主数据库的输入端连接，所述自主数据库与图像分割模块双向连接，图像分割模块通过数据计算模块与数据输出模块连接，还包括用于对系统提供稳定供电的电源。所述医学影像模块，用于对疑似病区进行图像采集得到原始图像并传输至自主数据库；所述自主数据库，用于对医学影像模块采集到的原始图像采用深度学习方法进行模式识别，得到识别图像并传输至图像分割模块；所述图像分割模块，用于对获得的识别图像采用深度学习的方法进行图像分割得到分割图像；所述数据计算模块，用于对肿块的形状，纹理进行比对，且用于对获得的分割图像进行识别判断以定性生成数据，与基因进行比对并生本文档来自技高网...

【技术保护点】
1.一种早癌医学图像与基因型AI识别系统，包括医学影像模块，其特征在于，还包括：自主数据库、图像分割模块、数据计算模块和数据输出模块；其中/n所述医学影像模块的输出与自主数据库的输入端连接，所述自主数据库与图像分割模块双向连接，图像分割模块通过数据计算模块与数据输出模块连接；/n所述医学影像模块，用于对疑似病区进行图像采集得到原始图像并传输至自主数据库；/n所述自主数据库，用于对医学影像模块采集到的原始图像采用深度学习方法进行模式识别，得到识别图像并传输至图像分割模块；/n所述图像分割模块，用于对获得的识别图像采用深度学习的方法进行图像分割得到分割图像；/n所述数据计算模块，用于对获得的分割图像进行识别判断以定性生成数据，与基因进行比对并生成识别结果图像；/n所述数据输出模块，用于对获得的原始图像中物体基因数据和识别结果图像进行输出。/n

【技术特征摘要】
1.一种早癌医学图像与基因型AI识别系统，包括医学影像模块，其特征在于，还包括：自主数据库、图像分割模块、数据计算模块和数据输出模块；其中
所述医学影像模块的输出与自主数据库的输入端连接，所述自主数据库与图像分割模块双向连接，图像分割模块通过数据计算模块与数据输出模块连接；
所述医学影像模块，用于对疑似病区进行图像采集得到原始图像并传输至自主数据库；
所述自主数据库，用于对医学影像模块采集到的原始图像采用深度学习方法进行模式识别，得到识别图像并传输至图像分割模块；
所述图像分割模块，用于对获得的识别图像采用深度学习的方法进行图像分割得到分割图像；
所述数据计算模块，用于对获得的分割图像进行识别判断以定性生成数据，与基因进行比对并生成识别结果图像；
所述数据输出模块，用于对获得的原始图像中物体基因数据和识别结果图像进行输出。


2.根据权利要求1所述的一种早癌医学图像与基因型AI识别系统，其特征在于，所述医学影像模块包括X光、CT、MR、消化道腔镜模块，消化道腔镜模块包括富士能4450、EG-600WP以及奥林巴斯GIF-Q180。


3.根据权利要求1所述的一种早癌医学图像与基因型AI识别系统，其特征在于，所述图像分割模块包括计算机。


4.根据权利要求1所述的一种早癌医学图像与基因型AI识别系统，其特征在于，所述数据输出模块包括显示器和打印机。


5.一种早癌医学图像与基因型AI识别方法，其特征在于，步骤如下：
1）医师...

【专利技术属性】
技术研发人员：胡益群，邱和松，肖航，
申请(专利权)人：芨影厦门科技有限公司，
类型：发明
国别省市：福建;35