CN118351023A - 一种医学样本预处理系统 - Google Patents
一种医学样本预处理系统 Download PDFInfo
- Publication number
- CN118351023A CN118351023A CN202410621239.4A CN202410621239A CN118351023A CN 118351023 A CN118351023 A CN 118351023A CN 202410621239 A CN202410621239 A CN 202410621239A CN 118351023 A CN118351023 A CN 118351023A
- Authority
- CN
- China
- Prior art keywords
- sample
- medical
- data
- processed
- module
- 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
Links
- 238000007781 pre-processing Methods 0.000 title claims abstract description 12
- 238000004140 cleaning Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000003014 reinforcing effect Effects 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001900 immune effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010339 medical test Methods 0.000 description 1
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种医学样本预处理系统，涉及医学领域，包括样本数据获取模块、样本数据清洗模块、样本识别模块和样本增强模块；所述样本数据获取模块获取待处理医学样本数据；所述样本数据清洗模块对所述样本增强模块增强后的数据进行数据清洗；所述样本识别模块对待处理医学样本数据进行目标识别；所述样本增强模块对待处理医学样本图像进行增强。本发明通过对医学样本数据进行预处理，能够使数据更加明确清晰，方便医生能够更加便捷快速的进行相关样本数据处理和分析的技术，且数据准确性高。
Description
技术领域
本发明涉及医学领域，尤其涉及一种医学样本预处理系统。
背景技术
医学检验通常是对取自人体的材料进行免疫学等多方面的检验，用以诊断、预防人体疾病。医学样本的检测与化验是现代医疗中必不可少的手段，医学样本自离体后具备一定的时效性，且不同的医疗样本对存放温度的要求以及时效性均不同。
疾病的诊断过程是医生根据病人的临床症状，综合自己掌握的医疗知识的基础上对病因作出的判断。传统的诊断模式主要依靠医生的直接经验，诊断结果受人为、环境等因素影响较大。另一方面，在一些地区医疗资源分布不均，顶级医疗机构人满为患，而基层偏远地区医疗资源短缺。因此，将先进计算机辅助技术拓展到医学诊断领域是现代医学诊断的发展方向之一。随着信息化进程的不断推进、大数据的飞速发展和人工智能的广泛应用，大量的医疗数据被有效利用，计算机辅助疾病诊断分析也逐渐成为了现实。
医学样本数据具有非常强的专业性，虽然说都是来自于医学界，但是不同研究领域，或者说不同科室间医生的研究数据的专业含义就有非常多的区别。有些医生用的是这个量表，有些则是其他评分方法，而对于这些不同的研究工具，其专业解释就显得麻烦的多了。但是不管如何解释，最终我们都可以转化成数据的格式，用数据来说话，用数据来解释的。在大数据之前，对医学样本的处理操作前，仅仅是记录样本数据，因为样本数据量少，由操作熟练经验丰富的医生即可操作，但也会花费大量的时间，对于临床工作繁忙的医生，并没有更多的时间去掌握相关的数据处理和分析的技术，因此，亟需对样本的预处理，使得医生能更简单、快速地掌握数据处理和分析技术。
发明内容
本发明的目的在于克服现有技术的不足，从而提供一种医学样本预处理系统。
本发明的目的是通过以下技术方案来实现的：
一种医学样本预处理系统，包括样本数据获取模块、样本数据清洗模块、样本识别模块和样本增强模块；
所述样本数据获取模块获取待处理医学样本数据；
所述样本数据清洗模块对所述样本增强模块增强后的数据进行数据清洗；
所述样本识别模块对待处理医学样本数据进行目标识别；
所述样本增强模块对待处理医学样本图像进行增强。
进一步的，所述样本识别模块对待处理医学样本图像进行目标识别具体为：
确定待处理医学样本目标，同时获取待处理医学样本目标的数据集；
构建医学样本目标识别定位网络，所述医学样本目标识别定位网络包括主干特征提取网络以及置于主干特征提取网络之后的加强特征提取网络DFPNet；
通过标准样本目标对医学样本目标识别定位网络进行预训练，生成预训练权重；
根据获取待处理医学样本目标的数据集以及生成的预训练权重对加强特征提取网络DFPNet进行训练，生成最终网络预测权重；
通过最终网络预测权重对待处理医学样本目标进行识别及定位。
进一步的，所述标准样本数据为通过医学样本标注软件对各种医学样本进行标注获得。
进一步的，所述样本增强模块对待处理医学样本数据进行增强具体为：基于目标识别的结果确定样本数据增强方法。
进一步的，所述样本数据增强方法包括将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征。
进一步的，所述样本数据清洗模块通过对获取的待处理医学样本数据进行消除错误、冗余和数据噪音处理。
本发明的有益效果：本发明通过对医学样本数据进行预处理，能够使数据更加明确清晰，方便医生能够更加便捷快速的进行相关样本数据处理和分析的技术，且数据准确性高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1是本发明的系统结构图。
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。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，一种医学样本预处理系统，包括样本数据获取模块、样本数据清洗模块、样本识别模块和样本增强模块；
所述样本数据获取模块获取待处理医学样本数据；
所述样本数据清洗模块对所述样本增强模块增强后的数据进行数据清洗；
所述样本识别模块对待处理医学样本数据进行目标识别；
所述样本增强模块对待处理医学样本图像进行增强。
进一步的，所述样本识别模块对待处理医学样本图像进行目标识别具体为：
确定待处理医学样本目标，同时获取待处理医学样本目标的数据集；
构建医学样本目标识别定位网络，所述医学样本目标识别定位网络包括主干特征提取网络以及置于主干特征提取网络之后的加强特征提取网络DFPNet；
通过标准样本目标对医学样本目标识别定位网络进行预训练，生成预训练权重；
根据获取待处理医学样本目标的数据集以及生成的预训练权重对加强特征提取网络DFPNet进行训练，生成最终网络预测权重；
通过最终网络预测权重对待处理医学样本目标进行识别及定位。
在本实施例中，所述标准样本数据为通过医学样本标注软件对各种医学样本进行标注获得。
在本实施例中，所述样本增强模块对待处理医学样本数据进行增强具体为：基于目标识别的结果确定样本数据增强方法。对于不同的识别结果，采用不同的样本数据增强方法，如：若样本数据为数字X射线成像、核磁共振成像灯灰阶影像，则采用色温增强，具体为：获取液晶屏的显示特征数据；根据显示特征数据计算出修正值；根据修正值建立液晶屏的特征修正查找表；输入并解析灰阶医学图像得到RGB输入数值；按照特征修正查找表将RGB输入数值转换为RGB输出数值，并生成相应的输出图像通过液晶屏显示。
在本实施例中，所述样本数据增强方法包括将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征。
在本实施例中，所述样本数据清洗模块通过对获取的待处理医学样本数据进行消除错误、冗余和数据噪音处理。
本发明通过对医学样本数据进行预处理，能够使数据更加明确清晰，方便医生能够更加便捷快速的进行相关样本数据处理和分析的技术，且数据准确性高
需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和单元并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、ROM、RAM等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (6)
1.一种医学样本预处理系统，其特征在于，包括样本数据获取模块、样本数据清洗模块、样本识别模块和样本增强模块；
所述样本数据获取模块获取待处理医学样本数据；
所述样本数据清洗模块对所述样本增强模块增强后的数据进行数据清洗；
所述样本识别模块对待处理医学样本数据进行目标识别；
所述样本增强模块对待处理医学样本图像进行增强。
2.根据权利要求1所述的一种医学样本预处理系统，其特征在于，所述样本识别模块对待处理医学样本图像进行目标识别具体为：
确定待处理医学样本目标，同时获取待处理医学样本目标的数据集；
构建医学样本目标识别定位网络，所述医学样本目标识别定位网络包括主干特征提取网络以及置于主干特征提取网络之后的加强特征提取网络DFPNet；
通过标准样本目标对医学样本目标识别定位网络进行预训练，生成预训练权重；
根据获取待处理医学样本目标的数据集以及生成的预训练权重对加强特征提取网络DFPNet进行训练，生成最终网络预测权重；
通过最终网络预测权重对待处理医学样本目标进行识别及定位。
3.根据权利要求1所述的一种医学样本预处理系统，其特征在于，所述标准样本数据为通过医学样本标注软件对各种医学样本进行标注获得。
4.根据权利要求1所述的一种医学样本预处理系统，其特征在于，所述样本增强模块对待处理医学样本数据进行增强具体为：基于目标识别的结果确定样本数据增强方法。
5.根据权利要求4所述的一种医学样本预处理系统，其特征在于，所述样本数据增强方法包括将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征。
6.根据权利要求1所述的一种医学样本预处理系统，其特征在于，所述样本数据清洗模块通过对获取的待处理医学样本数据进行消除错误、冗余和数据噪音处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410621239.4A CN118351023A (zh) | 2024-05-20 | 2024-05-20 | 一种医学样本预处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410621239.4A CN118351023A (zh) | 2024-05-20 | 2024-05-20 | 一种医学样本预处理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118351023A true CN118351023A (zh) | 2024-07-16 |
Family
ID=91812212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410621239.4A Pending CN118351023A (zh) | 2024-05-20 | 2024-05-20 | 一种医学样本预处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118351023A (zh) |
-
2024
- 2024-05-20 CN CN202410621239.4A patent/CN118351023A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108464840B (zh) | 一种乳腺肿块自动检测方法及系统 | |
| CN107247881B (zh) | 一种多模态智能分析方法及系统 | |
| CN112070119B (zh) | 超声切面图像质量控制方法、装置和计算机设备 | |
| CN112086197B (zh) | 基于超声医学的乳腺结节检测方法及系统 | |
| CN111462049B (zh) | 一种乳腺超声造影视频中病灶区形态自动标注方法 | |
| CN110991536B (zh) | 原发性肝癌的早期预警模型的训练方法 | |
| CN113205524B (zh) | 基于U-Net的血管图像分割方法、装置和设备 | |
| CN110796661B (zh) | 基于卷积神经网络的真菌显微图像分割检测方法及系统 | |
| CN114862838A (zh) | 基于无监督学习的缺陷检测方法及设备 | |
| CN110543912A (zh) | 自动获取胎儿关键切面超声视频中心动周期视频的方法 | |
| CN116579982A (zh) | 一种肺炎ct图像分割方法、装置及设备 | |
| CN112200810B (zh) | 多模态的自动化脑室分割系统及其使用方法 | |
| CN110660477A (zh) | 幽门螺杆菌自动筛选和标注的系统及方法 | |
| CN112801940A (zh) | 模型评测方法、装置、设备及介质 | |
| JP2019537102A (ja) | 最適候補化合物を検出するためのコンピュータ装置およびその方法 | |
| CN118351023A (zh) | 一种医学样本预处理系统 | |
| CN116580801A (zh) | 一种基于大型语言模型的超声检查方法 | |
| CN114926486B (zh) | 一种基于多层级改进的甲状腺超声图像智能分割方法 | |
| WO2022227193A1 (zh) | 肝脏区域分割方法、装置、电子设备及存储介质 | |
| Liu et al. | An end to end thyroid nodule segmentation model based on optimized U-net convolutional neural network | |
| CN112614123A (zh) | 一种超声图像识别方法及相关装置 | |
| WO2021021430A1 (en) | System and method for region detection in tissue sections using image registration | |
| CN117153343B (zh) | 一种胎盘多尺度分析系统 | |
| CN111312372A (zh) | 医学图像标准测试数据集的建立方法及装置 | |
| CN115147378B (zh) | 一种ct图像分析提取方法 |
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 |