一种医学图形影像AI人工智能建模与识别系统技术方案

本发明专利技术公开了一种医学图形影像AI人工智能建模与识别系统，涉及AI人工智能领域，包括图像收集模块和USB输入模块，还包括图像分割模块、AI自动学习模块、自主数据库、数据计算模块和数据输出模块，其中，UBS输入模块与自主数据库的输入端连接；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。本发明专利技术，使得批量输入的图片可以通过算法机器人自动进行终端模型学习、归类、并开发出AI模型，大大增加了医学影像图片的识别效率，实用性强，可靠性高。可靠性高。可靠性高。

【技术实现步骤摘要】
一种医学图形影像AI人工智能建模与识别系统


[0001]本专利技术涉及AI人工智能领域，具体是一种医学图形影像AI人工智能建模与识别系统。

技术介绍

[0002]人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。
[0003]如今，随着科技的迅速发展，AI人工智能领域也得到了快速的发展。其中，如何快速的构建出AI模型供后期运用至关重要。
[0004]医学影像是研究借助于某种介质（如X射线、电磁场、超声波等）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。在目前的医院中，每天都会形成多个不同位置的影像图片，现在医院中多采取的是大量的人工对几万张图片逐个进行标识，工作量大，时间久，效率低。

技术实现思路

[0005]本专利技术的目的在于提供一种医学图形影像AI人工智能建模与识别系统，通过自主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归并计算生成数据，并通过计算自动对数据集进行学习，最后生成AI模型，以解决上述
技术介绍
中提出的问题。/>[0006]为实现上述目的，本专利技术提供如下技术方案：一种医学图形影像AI人工智能建模与识别系统，包括图像收集模块和USB输入模块，还包括图像分割模块、AI自动学习模块、自主数据库、数据计算模块和数据输出模块，其中，所述UBS输入模块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；所述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AI自动学习模块，用于对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；所述数据计算模块，用于对获得的分割图像进行回归分析计算得到原始图像中物体大小数据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大小数据和识别结果图像进行输出打印报告，并且通过获得的原始图像中物体大小数据和识别结果图像为后续医疗行为提供较精确的辅助数据。
[0007]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。
[0008]作为本专利技术进一步的方案：还包括用于对系统提供稳定供电的电源。
[0009]作为本专利技术进一步的方案：所述自主数据库包括存储器。
[0010]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。
[0011]作为本专利技术再进一步的方案：所述模式识别为通过将原始图像中识别出来的图片大小、形状等图像自动归集再学习，最后得出AI自动建模机器人。
[0012]与现有技术相比，本专利技术的有益效果是：所述一种医学图形影像AI人工智能建模与识别系统，结构合理，设计新颖，通过设有的图像分割模块、AI自动学习模块、自主数据库、数据计算模块和数据输出模块使得批量输入的图片可以通过算法机器人自动进行终端模型学习、归类、并开发出AI模型，大大增加了医学影像图片的识别效率，实用性强，可靠性高。
附图说明
[0013]图1为一种医学图形影像AI人工智能建模与识别系统的流程示意图。
具体实施方式
[0014]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。
[0015]请参阅图1，本专利技术实施例中，一种医学图形影像AI人工智能建模与识别系统，包括图像收集模块和USB输入模块，还包括图像分割模块、AI自动学习模块、自主数据库、数据计算模块和数据输出模块，还包括用于对系统提供稳定供电的电源，其中，所述UBS输入模块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；所述图像分割模块通过数据计算模块与数据输出模块连接。
[0016]所述图像分割模块包括计算机，所述计算机的要求为：显示器、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操作系统及以上。
[0017]所述自主数据库包括存储器，所述数据输出模块包括显示器和打印机。
[0018]所述AI自动学习模块用于对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；所述模式识别为通过将原始图像中识别出来的图片大小、形状等图像自动归集再学习，最后得出AI自动建模机器人。
[0019]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回归分析计算得到原始图像中物体大小数据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大小数据和识别结果图像进行输出打印报告；通过获得的原始图像中物体大小数据和识别结果图像为后续医疗行为提供较精确的辅助数据，计算机通过自我学习方式来不断的加深识别能力。
[0020]本专利技术的工作原理是：先输入大批图片数据，机器人自动根据图片类型进行分类，在通过分类图片对其他图片进行捕捉归集，通过归集后自动开始模型学习，根据学习的目标、再生成AI建模所需要的模型。
[0021]对于本领域技术人员而言，显然本专利技术不限于上述示范性实施例的细节，而且在不背离本专利技术的精神或基本特征的情况下，能够以其他的具体形式实现本专利技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本专利技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本专利技术内。
[0022]此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学图形影像AI人工智能建模与识别系统，包括图像收集模块和USB输入模块，其特征在于，还包括图像分割模块、AI自动学习模块、自主数据库、数据计算模块和数据输出模块，其中，所述UBS输入模块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；所述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AI自动学习模块，用于对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；所述数据计算模块，用于对获得的分割图像进行回归分析计算得到原始图像中物体大小数据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大小数据和识别结果图像进行输出打印报告，并且通过获得的原始图像中物体大小数...

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