【技术实现步骤摘要】
本申请涉及智能生成，且更为具体地，涉及一种基于深度学习的医学影像报告自动生成系统及方法。
技术介绍
1、在现代医疗领域，医学影像的诊断和分析是至关重要的一环。随着医学影像技术的不断发展，医学影像在疾病的诊断、治疗和预防中发挥着越来越重要的作用。传统的医学影像报告通常由医生手动编写，这种方式不仅耗时耗力，而且容易受到医生个人经验和主观判断的影响，存在一定的误诊和漏诊风险。同时，随着医学影像数据的不断增加，医生需要处理的信息量也越来越大，传统的报告生成方式已经难以满足现代医疗对高效、准确、标准化的需求。
2、近年来，人工智能技术在图像处理领域取得了显著的突破，尤其在结石检测与报告生成方面展现出了巨大的潜力。结石疾病在人群中发病率较高，早期诊断和准确评估病情对治疗方案的制定具有重要意义。然而，由于结石在医学影像中的表现多种多样，且往往与周围组织存在重叠和模糊的情况，现有的一些智能分析方法很难准确、高效地提取出结石的关键特征。因此，期待一种优化的基于深度学习的医学影像报告自动生成系统及方法。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于深度学习的医学影像报告自动生成系统及方法，其采用基于深度学习的图像处理技术对医学影像进行深度学习分析，提取出医学影像的语义特征，挖掘出结石的纹理、形状、轮廓等信息，从而智能生成医学影像报告。这样，可以快速、准确地生成医学影像报告，以提高医疗工作的效率和质量。
2、相应地，根据本申请的一个方面，提供
3、影像获取模块，用于获取医学影像数据；
4、图像语义特征提取模块，用于提取所述医学影像数据的图像语义特征以得到医学影像语义特征矩阵；
5、特征表达强化模块，用于对所述医学影像语义特征矩阵进行特征表达强化处理以得到显著化医学影像语义特征矩阵；
6、语义分割模块，用于对所述显著化医学影像语义特征矩阵进行语义分割以得到医学影像语义分割图；
7、医学影像报告生成模块，用于基于所述医学影像语义分割图，生成医学影像报告。
8、在上述基于深度学习的医学影像报告自动生成系统中，所述图像语义特征提取模块，包括：降噪处理单元，用于对所述医学影像数据进行降噪处理以得到降噪后医学影像；图像编码单元，用于将所述降噪后医学影像通过基于卷积神经网络模型的图像特征提取器以得到所述医学影像语义特征矩阵。
9、在上述基于深度学习的医学影像报告自动生成系统中，所述降噪处理单元，用于：将所述医学影像数据通过基于自动编解码器的图像降噪器进行降噪处理以得到所述降噪后医学影像。
10、在上述基于深度学习的医学影像报告自动生成系统中，所述特征表达强化模块，用于：将所述医学影像语义特征矩阵通过包含空间注意力层的特征自适应强化器以得到所述显著化医学影像语义特征矩阵。
11、在上述基于深度学习的医学影像报告自动生成系统中，所述语义分割模块，包括：特征分布优化单元，用于对所述显著化医学影像语义特征矩阵进行基于稀疏表示的结构信息聚合以得到优化显著化医学影像语义特征矩阵；像素级分类单元，用于将所述优化显著化医学影像语义特征矩阵通过通过基于softmax函数的图像语义分割网络以得到所述医学影像语义分割图。
12、在上述基于深度学习的医学影像报告自动生成系统中，所述特征分布优化单元，用于：计算由所述显著化医学影像语义特征矩阵的所有位置的特征值组成的特征集合的方差以得到所述显著化医学影像语义特征矩阵的特征值方差；对所述显著化医学影像语义特征矩阵的各个位置的特征值计算绝对值的平方再进行以二为底的对数运算以得到对数变换显著化医学影像语义特征矩阵；将所述对数变换显著化医学影像语义特征矩阵的所有特征值进行累加求和以得到所述对数变换显著化医学影像语义特征矩阵的加和值；将所述对数变换显著化医学影像语义特征矩阵的加和值除以两倍的所述显著化医学影像语义特征矩阵的特征值方差再乘以所述显著化医学影像语义特征矩阵的各个位置的特征值以得到所述优化显著化医学影像语义特征矩阵。
13、在上述基于深度学习的医学影像报告自动生成系统中，所述像素级分类单元，用于：使用所述图像语义分割网络的softmax函数对所述优化显著化医学影像语义特征矩阵中各个位置的特征值进行分类以得到所述医学影像语义分割图，其中，所述医学影像语义分割图包含了所述医学影像语义分割图中各个像素点所属的类别标签。
14、在上述基于深度学习的医学影像报告自动生成系统中，所述医学影像报告生成模块，用于：将所述医学影像语义分割图通过基于对抗生成网络的医学报告生成器以得到医学影像报告，其中，所述医学影像报告包括结石的尺寸、类型、位置。
15、根据本申请的另一个方面，提供了一种基于深度学习的医学影像报告自动生成方法，其包括：
16、获取医学影像数据；
17、提取所述医学影像数据的图像语义特征以得到医学影像语义特征矩阵；
18、对所述医学影像语义特征矩阵进行特征表达强化处理以得到显著化医学影像语义特征矩阵；
19、对所述显著化医学影像语义特征矩阵进行语义分割以得到医学影像语义分割图；
20、基于所述医学影像语义分割图，生成医学影像报告。
21、与现有技术相比，本申请提供的基于深度学习的医学影像报告自动生成系统及方法，其采用基于深度学习的图像处理技术对医学影像进行深度学习分析，提取出医学影像的语义特征，挖掘出结石的纹理、形状、轮廓等信息，从而智能生成医学影像报告。这样，可以快速、准确地生成医学影像报告，以提高医疗工作的效率和质量。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的医学影像报告自动生成系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的医学影像报告自动生成系统，其特征在于，所述图像语义特征提取模块，包括：
3.根据权利要求2所述的基于深度学习的医学影像报告自动生成系统，其特征在于，所述降噪处理单元，用于：
4.根据权利要求3所述的基于深度学习的医学影像报告自动生成系统，其特征在于，所述特征表达强化模块，用于：
5.根据权利要求4所述的基于深度学习的医学影像报告自动生成系统，其特征在于，所述语义分割模块，包括：
6.根据权利要求5所述的基于深度学习的医学影像报告自动生成系统，其特征在于，所述特征分布优化单元，用于：
7.根据权利要求6所述的基于深度学习的医学影像报告自动生成系统，其特征在于，所述像素级分类单元，用于：
8.根据权利要求7所述的基于深度学习的医学影像报告自动生成系统，其特征在于，所述医学影像报告生成模块，用于：
9.一种基于深度学习的医学影像报告自动生成方法，其特征在于，包括：
10.根据
...【技术特征摘要】
1.一种基于深度学习的医学影像报告自动生成系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的医学影像报告自动生成系统，其特征在于，所述图像语义特征提取模块，包括：
3.根据权利要求2所述的基于深度学习的医学影像报告自动生成系统，其特征在于，所述降噪处理单元，用于：
4.根据权利要求3所述的基于深度学习的医学影像报告自动生成系统，其特征在于，所述特征表达强化模块，用于：
5.根据权利要求4所述的基于深度学习的医学影像报告自动生成系统，其特征在于，所述语义分割模块，包括：
6.根据权利要求5...
【专利技术属性】
技术研发人员：狄艳，杨桂山，
申请(专利权)人：徐州众杰电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。