[发明专利]智慧医疗系统

说明书

本申请涉及智慧医疗的领域，其具体地公开了一种智慧医疗系统，其通过作为特征图提取器的卷积神经网络的浅层的第m层和最后一层分别提取出所述患者的脑图像的局部特征，从而获得第一特征图和第二特征图，进一步使用作为特征描述器的卷积神经网络来增强所述第一特征图的浅层特征的表达，并且对所述第二特征图进行基于奇异值分解的降维，以关注两个所述特征图之间的维度差异，进而提高分类的准确性。这样，就可以准确地对患者的脑图像中的异常区域进行检测判断，以保证患者的健康。

技术领域

本发明涉及智慧医疗的领域，且更为具体地，涉及一种智慧医疗系统。

背景技术

目前，脑影像学技术是研究大脑的重要手段。脑影像技术的成像方式主要包括结构成像和功能成像。结构成像能清晰地反映器官的结构形态，但无法提供器官的功能信息，而功能成像可以准确地提供器官的新陈代谢信息和实时活动，但无法显示大脑的结构形态细节。

因此，期待一种智慧医疗系统以全面的利用信息来对患者的脑图像中的异常区域进行检测判断，进而保证患者的健康。

发明内容

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智慧医疗系统，其通过作为特征图提取器的卷积神经网络的浅层的第m层和最后一层分别提取出所述患者的脑图像的局部特征，从而获得第一特征图和第二特征图，进一步使用作为特征描述器的卷积神经网络来增强所述第一特征图的浅层特征的表达，并且对所述第二特征图进行基于奇异值分解的降维，以关注两个所述特征图之间的维度差异，进而提高分类的准确性。这样，就可以准确地对患者的脑图像中的异常区域进行检测判断，以保证患者的健康。

根据本申请的一个方面，提供了一种智慧医疗系统，其包括：

源数据获取单元，用于获取患者的脑图像；

神经网络编码单元，用于将获取的脑图像输入作为特征图提取器的卷积神经网络以从所述卷积神经网络的浅层的第m层提取出第一特征图和由所述卷积神经网络的最后一层输出第二特征图；

特征增强单元，用于使用作为特征描述器的第二卷积神经网络对所述第一特征图进行增强编码以获得第三特征图，其中，所述特征描述器与所述作为特征图提取器的卷积神经网络具有对称的网络结构；

特征值分解单元，用于对所述第二特征图中沿通道维度的各个特征矩阵进行特征值分解以获得多个特征值和与所述多个特征值对应的多个特征向量；

特征向量筛选单元，用于从所述多个特征向量中选择大于阈值的特征值对应的特征向量，并将所述大于阈值的特征值对应的特征向量进行二维拼接以获得主维特征矩阵；

降维单元，用于将所述第二特征图中沿通道维度的各个特征矩阵与所述主维特征矩阵进行矩阵相乘以获得降维特征矩阵；

特征矩阵排列单元，用于将所述降维特征矩阵沿通道维度排列为第四特征图；

特征图融合单元，用于融合所述第三特征图和所述第四特征图以获得分类特征图；以及

诊断结果生成单元，用于将所述分类特征图通过分类器以获得分类结果，其中，所述分类结果用于表示患者的脑图像中是否存在异常区域。

在上述智慧医疗系统中，所述第一卷积神经网络的各层包括卷积层、池化层和激活层，所述第一卷积神经网络的各层在层的正向传递过程中对所述输入数据使用所述卷积层进行基于卷积核的卷积处理、使用所述池化层对由所述卷积层输出的卷积特征图进行池化处理和使用所述激活层对由所述池化层输出的池化特征图进行激活处理。

在上述智慧医疗系统中，M的取值范围为2-6层。

在上述智慧医疗系统中，所述第二卷积神经网络的每个卷积层的卷积核与所述特征提取器的对应卷积层的卷积核互为转置，所述第二卷积神经网络的每个反池化层对应于所述第一卷积神经网络的一个池化层，且所述第二卷积神经网络与所述第一卷积神网络共享权重。