[发明专利]基于图神经网络的影像检查互认的评估方法和系统

权利要求书

1.基于图神经网络的影像检查互认的评估方法，其方法包括：

编码特征信息的获取，编码特征信息包括复查系数特征、患者年龄患者性别、医院等级、影像质量指标；

互认特征编码，对编码特征信息进行拼接，从而形成8维互认特征编码；

互认特征编码的分类，对于互认特征编码依据影像检查类型进行分类，影像检查类型包括DX、CT、CTA、MR、MRA；

互认评估模型的建立，互认评估模型的具体结构为图神经网络，并通过互认特征编码和互认专家标注进行互认评估模型的训练；

评估系数的获取，将互认特征编码输入训练后的互认评估模型并通过sigmoid获得评估系数p_i；

其中，q_i为样本i的互认特征编码输入互认评估模型后的输出。

2.根据权利要求1所述的基于图神经网络的影像检查互认的评估方法，其特征在于，影像质量指标包括梯度、灰度方差、灰度方差乘积和峰值信噪比；

当影像数据为三维影像数据时，对尺寸为D,H,W的三维放射影像，其中D为影像的层数，H为影像的长度，W为影像的宽度，进行f质量评估方法，其方法包括计算如下影像质量指标：

梯度T_x,y,z：

其中，代表x方向上的梯度，代表y方向上的梯度，代表z方向上的梯度；

灰度方差D(f)：

D(f_x,y,z)＝∑_z∑_y∑_x(|f(z,y,x)-f(z-1,y,x)|+|f(z,y,x)-f(z,y-1,x)|+|f(z,y,x)-f(z,y,x-1)|)

其中，f(z,y,x)代表像素点(z,y,x)处的值；

灰度方差乘积B(f_x,y,z)：

B(f)＝∑_z∑_y∑_x(|f(z,y,x)-f(z-1,y,x)|×|f(z,y,x)-f(z,y-1,x)|×|f(z,y,x)-f(z,y,x-1)|)；

峰值信噪比PSNR_z,y,x；采用高斯平滑函数将图像模糊化，得到模糊后影像f_x,y,z′，而后对比f_x,y,z和f_x,y,z′，计算均方误差MSE_z,y,x和峰值信噪比MSE_z,y,x；

其中，max为f的最大值；

当影像数据为二维影像，对尺寸为H,W的三维放射影像，其中H为影像的长度，W为影像的宽度，进行f质量评估方法，其方法包括计算如下影像质量指标：

梯度T_x,y：

其中，代表x方向上的梯度，代表y方向上的梯度；

灰度方差D(f_x,y)：

D(f_x,y)

＝∑_y∑_x(|f(y,x)-f(y-1,x)|+|f(y,x)-f(y,x-1)|)

其中，f_y,x代表像素点(y,x)处的值；

灰度方差乘积B(f_y,x)：

B(f_y,x)＝∑_y∑_x(|f(y,x)-f(y-1,x)|×|f(y,x)-f(y,x-1)|)；

峰值信噪比PSNR；采用高斯平滑函数将图像模糊化，得到模糊后影像f_y,x′，而后对比f_y,x和f_y,x′，计算均方误差MSE_y,x和峰值信噪比PSNR_y,x；

其中，max_y,x为f_y,x的最大值。