[发明专利]基于深度学习的人工智能鼻窦CT图像处理系统

权利要求书

1.基于深度学习的人工智能鼻窦CT图像处理系统，其特征在于：包括数据机构直通平台、图像收集模块、图像处理模块、模型构建系统、大数据技术模块和安全系统，所述数据机构直通平台囊括并整合医疗机构的数据信息和图像信息并接入云端系统，所述图像收集模块建立在云端系统内部并收集患者鼻窦CT图像；

所述图像处理模块包括数据图像筛选模块、图像集构建模块、图像要素提取模块，所述图像筛选模块对图像收集模块收集的鼻窦CT图像进行筛选，先除重，然后剔除低质量图像数据，所述图像集构建模块对筛选后的数据进行分析归类，构成鼻窦CT图像数据集，所述图像要素提取模块先提取鼻窦CT图像数据集图像的颜色特征，然后提取图像的纹理特征，接着确定图像的纹理细密度，最后确定每张图像的特征值；

所述模型构建系统包括深度学习建模模块、诊断预测模块，所述深度学习建模模块先构建鼻窦病灶知识库，然后建立全局共享图像库，获得多元异构知识源，并在此基础上依据知识源对鼻窦的概念、属性、实例与特征元素进行定义和构建，接着对鼻窦的概念、属性、实例与特征元素再一次进行完善，完成后，对完善后的图像数据进行三维模型3D可视化，按照病灶分类构建多个主模型，在多个主模型中再按照时间进程发展构建多个子模型，最后对模型中相对应的颜色特征、纹理特征、时间特征的数值矢量化，完成可视化矢量模型；

所述诊断预测模块接收大数据技术模块收集的就诊病患鼻窦CT图像，并将该图像发送至图像要素提取模块，提取该图像的颜色特征、纹理特征和纹理细密度特征要素，然后将提取的特征要素输入至可视化矢量模型中进行对比，先与多个主模型进行对比，挖掘该图像与主模型之间的关联信息，根据关联信息的多少确定相应的病灶主模型，然后与该病灶主模型中的子模型进行对比，挖掘关联信息，通过筛查互相矛盾概念对子模型进行过滤，确定和鼻窦CT图像相似度最高的子模型，得到病患程度时间点的可靠状态描述；

所述大数据技术模块包括搜索引擎和病患就诊模块，所述搜索引擎为分布式的多用户全文搜索引擎，所述搜索引擎接入深度学习建模模块和数据机构直通平台，实现对深度学习建模模块和数据机构直通平台的查询搜索，所述病患就诊模块包括CT室接入模块、日志生成模块和诊断报告模块，所述CT室接入模块接入医疗机构CT室，接收病患的鼻窦CT图像，并将鼻窦CT图像传输至诊断预测模块，同时，所述日志生成模块自动生成该病患的各项数据并保存，所述诊断报告模块接收诊断预测模块对病患的可靠状态描述并自动生成诊断报告。

2.根据权利要求1所述的基于深度学习的人工智能鼻窦CT图像处理系统，其特征在于：所述图像收集模块包括标准信息转化接口，用于传输文本、PDF、图像文件，并且融合Bigdata技术，采用分布式快速交换技术进行信息传输。

3.根据权利要求1所述的基于深度学习的人工智能鼻窦CT图像处理系统，其特征在于：所述图像集构建模块对筛选后的数据进行分析归类，按照患者的病灶种类归一类，按照每一类病灶随时间进程发展的顺序归一类，并打上时间戳，归类完毕后构成鼻窦CT图像数据集。

4.根据权利要求1所述的基于深度学习的人工智能鼻窦CT图像处理系统，其特征在于：所述图像要素提取模块提取鼻窦CT图像数据集中各图像的颜色特征，利用ENVI软件将RGB图像直接转换为HLS图像，并提取颜色特征，然后通过ENVI软件的滤波功能进行沿总体走向的方向滤波，提取图像纹理，并将其滤波提取的纹理结果置于ARCGIS进行密度分析，确定图像的纹理细密度，接着对图像进行光谱二阶导数的求取，在ENVI IDL中编写二阶导数运算算法，确定每张图像的特征值。