[发明专利]一种基于头颅CT影像的评分方法及系统在审
| 申请号： | 201811531272.9 | 申请日： | 2018-12-14 |
| 公开（公告）号： | CN109658400A | 公开（公告）日： | 2019-04-19 |
| 发明（设计）人： | 王拥军;缪中荣;王伊龙;霍晓川;金海岚;宋凌;印胤;杨光明;秦岚 | 申请（专利权）人： | 首都医科大学附属北京天坛医院 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62 |
| 代理公司： | 北京晋德允升知识产权代理有限公司 11623 | 代理人： | 万铁占;张馨 |
| 地址： | 100070 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 头颅CT 影像数据 影像 评分模型 医学影像领域 计算机辅助 评分结果 人为因素 肉眼判断 医学研究 影像设备 脑卒中 主观性 概率 成像 输出 诊断 观察 | ||
1.一种基于头颅CT影像的评分方法，其特征在于，包括：
将头颅CT影像数据输入到预先训练得到的评分模型中；
通过所述评分模型识别所述头颅CT影像数据，获得所述头颅CT影像数据对应的评分概率；
基于所述头颅CT影像数据对应的评分概率，输出评分结果。
2.如权利要求1所述的方法，其特征在于，所述将头颅CT影像数据输入到预先训练得到的评分模型中的步骤之前，包括：
收集用于训练评分模型的样本；
对所述收集的用于训练评分模型的样本进行人工标记，获得人工标记的样本；
利用监督学习的方式对所述人工标记的样本进行训练，获得评分模型。
3.如权利要求2所述的方法，其特征在于，所述利用监督学习的方式对所述人工标记的样本进行训练，获得评分模型，具体包括：
抽取所述人工标记的样本的第一图像特征；
获取所述第一图像特征中的可用于评分的图像特征并加入到一个新的单元中，得到第二图像特征；
利用所述第二图像特征，建立所述第二图像特征与评分概率的映射关系，获得评分模型。
4.如权利要求1所述的方法，其特征在于，所述通过所述评分模型识别所述头颅CT影像数据，获得所述头颅CT影像数据对应的评分概率，具体包括：
将所述头颅CT影像数据输入评分模型，经过所述评分模型，输出所述头颅CT影像数据对应的评分概率。
5.如权利要求1所述的方法，其特征在于，所述基于所述头颅CT影像数据对应的评分概率，输出评分结果，具体包括：
获取所述头颅CT影像数据对应的评分概率中，最大的评分概率；
将所述最大的评分概率对应的分数，作为所述头颅CT影像数据的评分结果进行输出。
6.一种基于头颅CT影像的评分系统，其特征在于，包括：
输入模块，用于将待处理的头颅CT影像数据输入到评分模型；
评分模块，对所述头颅CT影像数据进行评分；
输出模块，将所述头颅CT影像数据的评分结果进行输出。
7.如权利要求6所述的系统，其特征在于，所述对所述头颅CT影像数据进行评分，具体包括：
将头颅CT影像数据输入到预先训练得到的评分模型中；
通过所述评分模型识别所述头颅CT影像数据，获得所述头颅CT影像数据对应的评分概率；
基于所述头颅CT影像数据对应的评分概率，输出评分结果。
8.如权利要求7所述的系统，其特征在于，所述将头颅CT影像数据输入到预先训练得到的评分模型中的步骤之前，包括：
收集用于训练评分模型的样本；
对所述收集的用于训练评分模型的样本进行人工标记，获得人工标记的样本；
利用监督学习的方式对所述人工标记的样本进行训练，获得评分模型。
9.如权利要求8所述的系统，其特征在于，所述利用监督学习的方式对所述人工标记的样本进行训练，获得评分模型，具体包括：
抽取所述人工标记的样本的第一图像特征；
获取所述第一图像特征中的可用于评分的图像特征并加入到一个新的单元中，得到第二图像特征；
利用所述第二图像特征，建立所述第二图像特征与评分概率的映射关系，获得评分模型。
10.如权利要求7所述的系统，其特征在于，所述通过所述评分模型识别所述头颅CT影像数据，获得所述头颅CT影像数据对应的评分概率，具体包括：
将所述头颅CT影像数据输入评分模型，经过所述评分模型，输出所述头颅CT影像数据对应的评分概率。
11.如权利要求7所述的系统，其特征在于，所述基于所述头颅CT影像数据对应的评分概率，输出评分结果，具体包括：
获取所述头颅CT影像数据对应的评分概率中，最大的评分概率；
将所述最大的评分概率对应的分数，作为所述头颅CT影像数据的评分结果进行输出。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于首都医科大学附属北京天坛医院，未经首都医科大学附属北京天坛医院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811531272.9/1.html，转载请声明来源钻瓜专利网。
