CN112350995A - 一种影像处理方法、装置、设备和存储介质 - Google Patents

一种影像处理方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN112350995A
CN112350995A CN202011073727.4A CN202011073727A CN112350995A CN 112350995 A CN112350995 A CN 112350995A CN 202011073727 A CN202011073727 A CN 202011073727A CN 112350995 A CN112350995 A CN 112350995A
Authority
CN
China
Prior art keywords
image data
client
neural network
image
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011073727.4A
Other languages
English (en)
Inventor
吴军
樊昭磊
唐金帅
孙琛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Msunhealth Technology Group Co Ltd
Original Assignee
Shandong Msunhealth Technology Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Msunhealth Technology Group Co Ltd filed Critical Shandong Msunhealth Technology Group Co Ltd
Priority to CN202011073727.4A priority Critical patent/CN112350995A/zh
Publication of CN112350995A publication Critical patent/CN112350995A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/16—Implementation or adaptation of Internet protocol [IP], of transmission control protocol [TCP] or of user datagram protocol [UDP]

Abstract

本发明涉及软件人工智能领域，提供了一种影像处理方法、装置、设备和存储介质。方法包括：通过客户端获取多张影像数据以及与每张影像数据一一对应的影像信息；通过客户端以及用户数据报Udp协议将多张影像数据发送至服务端；通过客户端以及传输控制Tcp协议将多个数据信息发送至服务端；将多张完整影像输入至训练好的神经网络，得到神经网络的输出结果；将神经网络的输出结果输出给用户。提升诊断效率。

Description

一种影像处理方法、装置、设备和存储介质
技术领域
本发明涉及人工智能领域，尤其涉及发明名称一种影像处理方法、装置、设备和存储介质。
背景技术
随着深度学习技术等人工智能技术的不断完善以及“互联网+”的不断深入，人工智能技术结合“互联网+”在医疗影像领域的应用也越来越广泛。医疗影像辅助诊断系统也逐步深入落户到各级医院，为影像科医生提供精确的诊断服务，避免医生在长时间阅片工作中因疲劳而造成漏诊。
目前，绝大部分公司的产品都是部署在医院内，既把服务器部署到医院机房，提供就近的医疗诊断辅助服务。但是这种模式由于处于医院内网，对数据传输到实际服务器速度十分慢，使得图像数据，影响医生的正常使用。另外，这种本地部署方式也增加了医院维护机房的负担，成本比较高。
发明内容
本发明要解决的技术问题的第一方面，是提供一种影像处理方法，包括：
通过客户端获取多张影像数据以及与每张所述影像数据一一对应的影像信息；
通过所述客户端以及用户数据报Udp协议将所述多张影像数据发送至服务端；
通过所述客户端以及传输控制Tcp协议将多个所述数据信息发送至服务端；
将所述多个影像数据以及所述多个数据信息组合成多张完整影像；
将所述多张完整影像输入至训练好的神经网络，得到神经网络的输出结果；
将所述神经网络的输出结果输出给用户。
在一些可能的设计中，所述通过所述客户端以及用户数据报Udp协议将所述多张影像数据发送至服务端，包括：
通过客户端分割每张所述影像数据，得到每张所述影像数据的分割个数；
通过客户端编号每张所述影像数据，得到每张所述影像数据的标识ID号；
通过客户端将所述多张影像数据、所述每张所述影像数据的分割个数以及所述每张所述影像数据的标识号，以Udp协议传输方式发送至服务端。
在一些可能的设计中，所述通过所述客户端以及传输控制Tcp协议将多个所述数据信息发送至服务端，包括：
通过客户端以及消息摘要Md5算法加密处理所述数据信息，得到Md5值；
通过客户端将所述每张所述影像数据的分割个数、所述每张所述影像数据的ID号以及所述Md5值发送至客户端。
在一些可能的设计中，所述将每张所述影像数据以及所述影像数据一一对应的影像信息，合并成多张完整影像之前，所述方法还包括：
获取预设的密码，得到预设值；
若所述Md5值与所述预设值不匹配，则通知所述客户端重新发送所述多张影像数据。
在一些可能的设计中，所述通过客户端获取多张影像数据以及与每张所述影像数据一一对应的影像信息之前，所述方法还包括：
部署至少一个容器；
通过每个所述容器检测所述容器的负载状况；
获取所述容器的负载状况；
选择所述容器的负载状况最小的容器作为目标容器；
所述通过将多张完整影像输入至训练好的神经网络，得到神经网络的输出结果，包括：
将所述训练好的神经网络部署至所述目标容器。
在一些可能的设计中，所述通过客户端获取多张影像数据以及与每张所述影像数据一一对应的影像信息之后，所述方法还包括：
压缩所述多张影像数据，得到压缩后的影像数据；
去除所述影像信息中病人的隐私信息，得到脱敏信息。
在一些可能的设计中，所述通过损失函数训练所述至初始神经网络模型，得到训练好的神经网络模型之后，所述方法还包括：
将所述神经网络的输出结果保存至数据库中，并删除所有影像数据。
第二方面，本发明提供一种影像处理装置，具有实现对应于上述第一方面提供的影像处理平台的方法的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块，所述模块可以是软件和/或硬件。
所述影像处理装置包括：
输入输出模块，用于通过客户端获取多张影像数据以及与每张所述影像数据一一对应的影像信息；
处理模块，用于通过所述客户端以及用户数据报Udp协议将所述多张影像数据发送至服务端；通过所述客户端以及传输控制Tcp协议将多个所述数据信息发送至服务端；将所述多个影像数据以及所述多个数据信息组合成多张完整影像；将所述多张完整影像输入至训练好的神经网络，得到神经网络的输出结果；将所述神经网络的输出结果输出给用户。
在一些可能的设计中，所述处理模块还用于：
通过客户端分割每张所述影像数据，得到每张所述影像数据的分割个数；
通过客户端编号每张所述影像数据，得到每张所述影像数据的标识ID号；
通过客户端将所述多张影像数据、所述每张所述影像数据的分割个数以及所述每张所述影像数据的标识号，以Udp协议传输方式发送至服务端。
在一些可能的设计中，所述处理模块还用于：
通过客户端以及消息摘要Md5算法加密处理所述数据信息，得到Md5值；
通过客户端将所述每张所述影像数据的分割个数、所述每张所述影像数据的ID号以及所述Md5值发送至客户端。
在一些可能的设计中，所述处理模块还用于：
获取预设的密码，得到预设值；
若所述Md5值与所述预设值不匹配，则通知所述客户端重新发送所述多张影像数据。
在一些可能的设计中，所述处理模块还用于：
部署至少一个容器；
通过每个所述容器检测所述容器的负载状况；
获取所述容器的负载状况；
选择所述容器的负载状况最小的容器作为目标容器；
所述通过将多张完整影像输入至训练好的神经网络，得到神经网络的输出结果，包括：
将所述训练好的神经网络部署至所述目标容器。
在一些可能的设计中，所述处理模块还用于：
压缩所述多张影像数据，得到压缩后的影像数据；
去除所述影像信息中病人的隐私信息，得到脱敏信息。
在一些可能的设计中，所述处理模块还用于：
将所述神经网络的输出结果保存至数据库中，并删除所有影像数据。
本发明又一方面提供了一种影像处理设备，其包括至少一个连接的处理器、存储器、输入输出单元，其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器中的程序代码来执行上述各方面所述的方法。
本发明又一方面提供了一种计算机存储介质，其包括指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
相较于现有技术，通过网络传输将影像数据快速传输到云服务器的容器中进行影像处理识别，并将诊断结果保存在云服务器中。在医生查看该影像的时候，通过网络从云服务器中获取诊断结果。
附图说明
图1为本发明实施例中影像处理方法的流程示意图；
图2为本发明实施例中影像处理装置的结构示意图；
图3为本发明实施例中计算机设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本发明中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征可以忽略，或不执行。
请参照图1，以下对本发明提供一种影像处理方法进行举例说明，所述方法包括：
101、通过客户端获取多张影像数据以及与每张所述影像数据一一对应的影像信息。
本实施例中，医院电子计算机断层扫描(Computed Tomography，CT)机拍片完成，开始传给医院内客户端。
102、通过所述客户端以及用户数据报协议(User Datagram Protoco，Udp)将所述多张影像数据发送至服务端。
本实施例中，影像数据关键特征传输完成后，使用传输速度更快的UDP协议对影像数据进行实质传输。
103、通过所述客户端以及传输控制Tcp(Transmission Control Protocol，Tcp)协议将多个所述数据信息发送至服务端。
本实施例中，使用可靠性高的传输控制协议传输本序列影像数据的总体信息。
104、将所述多个影像数据以及所述多个数据信息组合成多张完整影像；
本实施例中，云服务器端在接收到影像数据后，将每个数据组合成一个完整的影像。
105、将所述多张完整影像输入至训练好的神经网络，得到神经网络的输出结果；
本实施例中，云服务器端在接收完成后对影像数据进行诊断识别处理，产生诊断结果。
106、将所述神经网络的输出结果输出给用户。
本实施例中，医生在阅片时候，自动下载诊断结果，提供给医生参考。
相较于现有技术，通过网络传输将影像数据快速传输到云服务器的容器中进行影像处理识别，并将诊断结果保存在云服务器中。在医生查看该影像的时候，通过网络从云服务器中获取诊断结果。
一些实施方式中，所述通过所述客户端以及用户数据报Udp协议将所述多张影像数据发送至服务端，包括：
通过客户端分割每张所述影像数据，得到每张所述影像数据的分割个数；
通过客户端编号每张所述影像数据，得到每张所述影像数据的标识ID号；
通过客户端将所述多张影像数据、所述每张所述影像数据的分割个数以及所述每张所述影像数据的标识号，以Udp协议传输方式发送至服务端。
上述实施方式中，对每张影像数据进行分割和编号，然后发送到服务器端。
一些实施方式中，所述通过所述客户端以及传输控制Tcp协议将多个所述数据信息发送至服务端，包括：
通过客户端以及消息摘要Md5算法加密处理所述数据信息，得到Md5值；
通过客户端将所述每张所述影像数据的分割个数、所述每张所述影像数据的ID号以及所述Md5值发送至客户端。
上述实施方式中，使用可靠性高的TCP协议传输本序列影像数据的总体信息，包括影像数据的UID、影像张数、每个影像分割个数及每个影像的MD5值。
一些实施方式中，所述将每张所述影像数据以及所述影像数据一一对应的影像信息，合并成多张完整影像之前，所述方法还包括：
获取预设的密码，得到预设值；
若所述Md5值与所述预设值不匹配，则通知所述客户端重新发送所述多张影像数据。
上述实施方式中，校验MD5值，并和之前收到的MD5值进行比对。如果MD5值不匹配的话，通知发送方，进行重传。直到所有的影像数据全部传输完成。
一些实施方式中，，所述通过客户端获取多张影像数据以及与每张所述影像数据一一对应的影像信息之前，所述方法还包括：
部署至少一个容器；
通过每个所述容器检测所述容器的负载状况；
获取所述容器的负载状况；
选择所述容器的负载状况最小的容器作为目标容器；
所述通过将多张完整影像输入至训练好的神经网络，得到神经网络的输出结果，包括：
将所述训练好的神经网络部署至所述目标容器。
上述实施方式中，一台物理服务器可部署一套或多套容器，根据服务器硬件条件决定。每套容器不断检测本容器内的负载情况，并不断上报给主服务器，主服务器在接收完成影像数据后，根据各个容器的负载情况，选择负载最小的一个容器进行诊断处理，生成识别结果,保存在云服务器上。解决了医院本地部署服务器模型更新不及时问题，减少了医院服务器设备的购置、维护费用，成本更低。实施起来更方便、快捷。
一些实施方式中，所述通过客户端获取多张影像数据以及与每张所述影像数据一一对应的影像信息之后，所述方法还包括：
压缩所述多张影像数据，得到压缩后的影像数据；
去除所述影像信息中病人的隐私信息，得到脱敏信息。
上述实施方式中，对影像数据进行脱敏处理，删除病人隐私信息，只剩下图像数据。
一些实施方式中，所述通过损失函数训练所述至初始神经网络模型，得到训练好的神经网络模型之后，所述方法还包括：
将所述神经网络的输出结果保存至数据库中，并删除所有影像数据。
上述实施方式中，云服务器端在接收完成后对影像数据进行诊断识别处理，产生诊断结果，保存在云服务器中，同时删除所有影像数据。
如图2所示的一种影像处理装置20的结构示意图，其可应用于影像处理。本发明实施例中的影像处理装置能够实现对应于上述图1所对应的实施例中所执行的影像处理方法的步骤。影像处理装置20实现的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块，所述模块可以是软件和/或硬件。所述影像处理装置可包括输入输出模块201和处理模块202，所述处理模块202和输入输出模块201的功能实现可参考图1所对应的实施例中所执行的操作，此处不作赘述。输入输出模块201可用于控制所述输入输出模块201的输入、输出以及获取操作。
一些实施方式中，所述输入输出模块201可用于通过客户端获取多张影像数据以及与每张所述影像数据一一对应的影像信息；
所述处理模块202可用于通过所述客户端以及用户数据报Udp协议将所述多张影像数据发送至服务端；通过所述客户端以及传输控制Tcp协议将多个所述数据信息发送至服务端；通过所述输入输出模块将多张完整影像输入至训练好的神经网络，得到神经网络的输出结果；将所述神经网络的输出结果输出给用户。
一些实施方式中，所述处理模块202还用于：
通过客户端分割每张所述影像数据，得到每张所述影像数据的分割个数；
通过客户端编号每张所述影像数据，得到每张所述影像数据的标识ID号；
通过客户端将所述多张影像数据、所述每张所述影像数据的分割个数以及所述每张所述影像数据的标识号，以Udp协议传输方式发送至服务端。
一些实施方式中，所述处理模块202还用于：
通过客户端以及消息摘要Md5算法加密处理所述数据信息，得到Md5值；
通过客户端将所述每张所述影像数据的分割个数、所述每张所述影像数据的ID号以及所述Md5值发送至客户端。
一些实施方式中，所述处理模块202还用于：
获取预设的密码，得到预设值；
若所述Md5值与所述预设值不匹配，则通知所述客户端重新发送所述多张影像数据。
一些实施方式中，所述处理模块202还用于：
部署至少一个容器；
通过每个所述容器检测所述容器的负载状况；
获取所述容器的负载状况；
选择所述容器的负载状况最小的容器作为目标容器；
所述通过将多张完整影像输入至训练好的神经网络，得到神经网络的输出结果，包括：
将所述训练好的神经网络部署至所述目标容器。
一些实施方式中，所述处理模块202还用于：
压缩所述多张影像数据，得到压缩后的影像数据；
去除所述影像信息中病人的隐私信息，得到脱敏信息。
一些实施方式中，所述处理模块202还用于：
将所述神经网络的输出结果保存至数据库中，并删除所有影像数据。
上面从模块化功能实体的角度分别介绍了本发明实施例中的创建装置，以下从硬件角度介绍一种计算机设备，如图3所示，其包括：处理器、存储器、输入输出单元(也可以是收发器，图3中未标识出)以及存储在所述存储器中并可在所述处理器上运行的计算机程序。例如，该计算机程序可以为图1所对应的实施例中影像处理方法对应的程序。例如，当计算机设备实现如图2所示的影像处理装置20的功能时，所述处理器执行所述计算机程序时实现上述图2所对应的实施例中由影像处理装置20执行的影像处理方法中的各步骤。或者，所述处理器执行所述计算机程序时实现上述图2所对应的实施例的影像处理装置20中各模块的功能。又例如，该计算机程序可以为图1所对应的实施例中影像处理方法对应的程序。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述输入输出单元也可以用接收器和发送器代替，可以为相同或者不同的物理实体。为相同的物理实体时，可以统称为输入输出单元。该输入输出可以为收发器。
所述存储器可以集成在所述处理器中，也可以与所述处理器分开设置。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，这些均属于本发明的保护之内。

Claims (10)

1.一种影像处理方法，其特征在于，所述方法包括：
通过客户端获取多张影像数据以及与每张所述影像数据一一对应的影像信息；
通过所述客户端以及用户数据报Udp协议将所述多张影像数据发送至服务端；
通过所述客户端以及传输控制Tcp协议将多个所述数据信息发送至服务端；
将所述多个影像数据以及所述多个数据信息组合成多张完整影像；
将所述多张完整影像输入至训练好的神经网络，得到神经网络的输出结果；
将所述神经网络的输出结果输出给用户。
2.根据权利要求1所述的方法，其特征在于，所述通过所述客户端以及用户数据报Udp协议将所述多张影像数据发送至服务端，包括：
通过客户端分割每张所述影像数据，得到每张所述影像数据的分割个数；
通过客户端编号每张所述影像数据，得到每张所述影像数据的标识ID号；
通过客户端将所述多张影像数据、所述每张所述影像数据的分割个数以及所述每张所述影像数据的标识号，以Udp协议传输方式发送至服务端。
3.根据权利要求2所述的方法，其特征在于，所述通过所述客户端以及传输控制Tcp协议将多个所述数据信息发送至服务端，包括：
通过客户端以及消息摘要Md5算法加密处理所述数据信息，得到Md5值；
通过客户端将所述每张所述影像数据的分割个数、所述每张所述影像数据的ID号以及所述Md5值发送至客户端。
4.根据权利要求3所述的方法，其特征在于，所述将每张所述影像数据以及所述影像数据一一对应的影像信息，合并成多张完整影像之前，所述方法还包括：
获取预设的密码，得到预设值；
若所述Md5值与所述预设值不匹配，则通知所述客户端重新发送所述多张影像数据。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述通过客户端获取多张影像数据以及与每张所述影像数据一一对应的影像信息之前，所述方法还包括：
部署至少一个容器；
通过每个所述容器检测所述容器的负载状况；
获取所述容器的负载状况；
选择所述容器的负载状况最小的容器作为目标容器；
所述通过将多张完整影像输入至训练好的神经网络，得到神经网络的输出结果，包括：
将所述训练好的神经网络部署至所述目标容器。
6.根据权利要求5所述的方法，其特征在于，所述通过客户端获取多张影像数据以及与每张所述影像数据一一对应的影像信息之后，所述方法还包括：
压缩所述多张影像数据，得到压缩后的影像数据；
去除所述影像信息中病人的隐私信息，得到脱敏信息。
7.根据权利要求6所述的方法，其特征在于，所述通过损失函数训练所述至初始神经网络模型，得到训练好的神经网络模型之后，所述方法还包括：
将所述神经网络的输出结果保存至数据库中，并删除所有影像数据。
8.一种影像处理装置，其特征在于，所述装置包括：
输入输出模块，用于通过客户端获取多张影像数据以及与每张所述影像数据一一对应的影像信息；
处理模块，用于通过所述客户端以及用户数据报Udp协议将所述多张影像数据发送至服务端；通过所述客户端以及传输控制Tcp协议将多个所述数据信息发送至服务端；将所述多个影像数据以及所述多个数据信息组合成多张完整影像；将所述多张完整影像输入至训练好的神经网络，得到神经网络的输出结果；将所述神经网络的输出结果输出给用户。
9.一种计算机设备，其特征在于，所述计算机设备包括：
至少一个处理器、存储器和输入输出单元；
其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器中存储的程序代码来执行如权利要求1-7中任一项所述的方法。
10.一种计算机存储介质，其特征在于，其包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-7中任一项所述的方法。
CN202011073727.4A 2020-09-30 2020-09-30 一种影像处理方法、装置、设备和存储介质 Pending CN112350995A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011073727.4A CN112350995A (zh) 2020-09-30 2020-09-30 一种影像处理方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011073727.4A CN112350995A (zh) 2020-09-30 2020-09-30 一种影像处理方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN112350995A true CN112350995A (zh) 2021-02-09

Family

ID=74361477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011073727.4A Pending CN112350995A (zh) 2020-09-30 2020-09-30 一种影像处理方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN112350995A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105119967A (zh) * 2015-07-15 2015-12-02 天脉聚源（北京）教育科技有限公司 一种图片分割传输方法及装置
CN106709917A (zh) * 2017-01-03 2017-05-24 青岛海信医疗设备股份有限公司 神经网络模型训练方法、装置及系统
CN107864222A (zh) * 2017-12-14 2018-03-30 北京航天测控技术有限公司 一种基于PaaS平台的工业大数据计算架构
CN109857549A (zh) * 2019-01-04 2019-06-07 平安科技（深圳）有限公司 基于负载均衡的图像数据处理方法、系统、设备及介质
CN110489240A (zh) * 2019-08-22 2019-11-22 Oppo广东移动通信有限公司 图像识别方法、装置、云平台及存储介质
US20200104720A1 (en) * 2018-09-30 2020-04-02 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for generating a neural network model for image processing
WO2020098539A1 (zh) * 2018-11-13 2020-05-22 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机可读介质及电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105119967A (zh) * 2015-07-15 2015-12-02 天脉聚源（北京）教育科技有限公司 一种图片分割传输方法及装置
CN106709917A (zh) * 2017-01-03 2017-05-24 青岛海信医疗设备股份有限公司 神经网络模型训练方法、装置及系统
CN107864222A (zh) * 2017-12-14 2018-03-30 北京航天测控技术有限公司 一种基于PaaS平台的工业大数据计算架构
US20200104720A1 (en) * 2018-09-30 2020-04-02 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for generating a neural network model for image processing
WO2020098539A1 (zh) * 2018-11-13 2020-05-22 腾讯科技（深圳）有限公司 图像处理方法、装置、计算机可读介质及电子设备
CN109857549A (zh) * 2019-01-04 2019-06-07 平安科技（深圳）有限公司 基于负载均衡的图像数据处理方法、系统、设备及介质
CN110489240A (zh) * 2019-08-22 2019-11-22 Oppo广东移动通信有限公司 图像识别方法、装置、云平台及存储介质

Similar Documents

Publication Publication Date Title
CN109255444B (zh) 基于迁移学习的联邦建模方法、设备及可读存储介质
US20200258602A1 (en) Image sharing system
US6864779B2 (en) Method and apparatus for transmitting data from a remote location to a desired device
US20160337290A1 (en) Message Push Method and Apparatus
KR20210047350A (ko) 출석 관리 시스템, 방법 및 전자 기기
CN111340247A (zh) 纵向联邦学习系统优化方法、设备及可读存储介质
CN111245934A (zh) 文件传输的反馈方法、装置、设备和存储介质
CN109919142A (zh) 人员监控方法、装置、服务器和存储介质
CN106485436B (zh) 一种用于快递收件验证方法和装置
JP2005339256A5 (zh)
CN112350995A (zh) 一种影像处理方法、装置、设备和存储介质
CN108668048B (zh) 图像数据的处理方法及系统、存储介质、处理器
CN114882979A (zh) 一种诊疗数据处理方法、装置及系统
CN105847117A (zh) 一种带有附件的邮件发送方法、装置及移动终端
CN111767580B (zh) 一种基于区块链的实物交接方法及装置
CN107566422A (zh) 一种第三方用户的验证方法
CN107864467B (zh) 提高移动终端与设备间传输速度的信息传输方法及装置
CN112714068A (zh) 编码图像的处理方法、装置及系统、存储介质、电子装置
CN110750804A (zh) 一种报表异步下载方法、装置、设备及可读存储介质
CN110675165A (zh) 一种基于区块链冷冻袋装鸡追溯系统的食品信息展示方法及装置
CN110047577A (zh) 影像分配装置及影像分配方法
CN112466438B (zh) Dicom文件的传输系统及方法、装置
CN105323142B (zh) 一种基于图像识别的信息传输方法、系统及移动终端
CN112801602B (zh) 一种组织转接方法、装置、存储介质和计算机设备
CN108881378A (zh) 一种文件的传输方法、系统及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination