(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210844246.1 (22)申请日 2022.07.19 (65)同一申请的已公布的文献号 申请公布号 CN 114999638 A (43)申请公布日 2022.09.02 (73)专利权人 武汉蓝嵊科技有限公司 地址 430000 湖北省武汉市经济技 术开发 区海棠路55号联创科技中心1号楼乐 客工场孵化器 (72)发明人 李昊贤　李昊哲　曾超　 (74)专利代理 机构 武汉天领众智专利代理事务 所(普通合伙) 42300 专利代理师 林琳 (51)Int.Cl. G16H 50/20(2018.01) G16H 30/20(2018.01) G06V 10/82(2022.01)G06V 10/80(2022.01) G06V 10/762(2022.01) G06T 7/00(2017.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (56)对比文件 US 2005038678 A1,20 05.02.17 US 2005038678 A1,20 05.02.17 CN 112612011 A,2021.04.0 6 CN 106250867 A,2016.12.21 CN 10459 9260 A,2015.0 5.06 CN 104751468 A,2015.07.01 US 2005108052 A1,20 05.05.19 杨敏等.基 于小波包和分形相结合的纹 理分 类. 《现代电子技 术》 .2008,(第09期),第161-162 页. 审查员 郑婷 (54)发明名称 基于人工智能医疗诊断用的大数据可视化 处理方法及系统 (57)摘要 本发明公开了一种基于人工智能医疗诊断 用的大数据可视化处理方法及系统， 数据处理模 块将生物特征检测设备检测的信息进行预处理， 以便采集数据处理模块处理后的生命信息、 行为 动作信息、 身体扫描信息以及语音信息获取病理 图像； 诊断分析模块根据获取的病理图像提取特 征进行诊断分析得出分析数据； 可视化模块根据 得出的分析数据绘制参照图和对比图以对比分 析结果进行数据格式转换和表结构转换储存至 存储模块； 关联模块将基本及病理信息数据表的 字段查询图标分别与影像信息 数据表、 基因信息 数据表及CT影像路径数据表通过关联模块建立 关联关系并生成视图， 实现数据交互以及图表转 化； 图像展示装置执行云服务器的指令进行展 示。 权利要求书3页 说明书7页 附图2页 CN 114999638 B 2022.12.30 CN 114999638 B 1.一种基于人工智能医疗诊断用的大数据可视化处理方法， 其特征在于， 包括如下步 骤， S1： 通过脑电仪获取被测人的脑电波， 通过生物雷达获取被测人的生命信  息， 通过视 像生成装置获取被测人的行为动作信息， 通过CT获取被测人的身体  扫描信息， 通过录音设 备录取被测人的语音信息； S2： 通过数据处理模块将生命信息、 行为动作信息、 身体扫描信息以及语音信息进行预 处理； 步骤S2包括步骤S21： 将被测人的生命信息、 行为动作信息以及语音信息进行整合， 并 进行模块 化处理； S22： 对预处理后的信息进行聚类处理；  步骤S22包括步骤S22 1： 输入数据 集、 邻域半径 以及邻域中数据对象数据阈值； S222： 从数据集中任意选取一个数据对象点； 若该数据对象点对于邻域半  径和邻域中 数据对象数据阈值为核心点， 则找出所有从该数据对 象点密度可达  的数据对 象点形成一 个聚类簇； 若选取的数据对象点对于邻域半径和邻域中数  据对象数据阈值为边缘点， 则选 取另一个数据对象点， 重复上述步骤S211 ‑S212， 直至所有点被处理， 若存有无法形成聚类 簇的孤立 点， 则判定为异常点； S223： 对聚类处 理后的生命信息、 行为动作信息以及语音信息进行记录并过 滤； S3： 通过数据采集模块采集所述数据处理模块处理后的生命信息、 行为动作信息、 身体 扫描信息以及语音信息获取病理图像； S4： 通过诊断分析模块分析采集的生命信息、 行为动作信息以及身体扫描信息和对获 取的病理图像提取 特征进行诊断分析 得出分析数据； 所述步骤S4包括步骤S45： 通过病理图像的深度值的判定将病理图像的前景  区域和背 景区域进行区分实现在病理图像中人体目标 前景提取； S46： 采用图像细化算法变换得到骨骼提取图像； 步骤S46还包括步骤S461： 确定人体区 域部分， 根据深度值分布的情况在人体区域部分中进行查找， 将与人体区域部分深度值相 差较大的部分视为是有遮  挡人体部分的情况， 与人体区域部分深度值没有差别的部分视 为人体部分； S462： 删除与人体部分的深度值的平均值相差3以上的深度值， 则除去遮挡人体部分的 区域， 将人体部分进行细化处 理得到该区域的骨架； S463： 将人体部分的深度值的平均值与遮挡人体部分的深度值的平均值相  差4以内深 度值的部分设置为0， 只留下遮挡人体部分的区域， 将遮挡人体部分  进行细化处理得到该 区域的骨架； S464： 将人体部分的骨架的图像与遮挡人体部分的骨架的图像相融合得到完整的人体 骨架图； 步骤S464包括步骤S4641： 将人体部分的骨架的图像与遮挡人体部分的骨架  的图像利 用非线性映射的方式映射到更高维的空间， 得到线性可分的高维的目标 特征信息； S4642： 合成上述目标特征信息的核函数， 合成的核函数由许多个基本核函数的加权求 和计算得到； S4643： 根据上述合成的核函数利用深度学习算法将人体部分的骨架的图像  与遮挡人权　利　要　求　书 1/3 页 2 CN 114999638 B 2体部分的骨架的图像的特 征层融合； S5： 通过可视化模块根据得出的分析数据绘制参照图和对比图以对比分析  结果进行 数据格式转换和表结构转换储存至存储模块， 并在存储模块中建立数  据库； 其中， 数据库 包括基本及病理信息数据表、 影 像信息数据表、 基因信息 数据表及CT影 像路径数据表； S6： 将所述基本及病理信息数据表的字段查询图标分别与影像信息数据表、  基因信息 数据表及CT影 像路径数据表通过关联模块建立 一一对应的关联关系并生  成视图； S7： 向云服务器发送可视化请求， 所述云服务器向图像展示装置下达指令  使图像展示 装置进行展示。 2.如权利要求1所述的基于人工智能医疗诊断用的大数据 可视化处理方法，  其特征在 于， 步骤S4包括步骤S41： 对病理图像进行小波包分解， 第一级小波包  分解后得到4幅子图 像， 第二级 小波包分解后得到16幅子图像； S42： 求每 个子图像的能量； S43： 将除最低频段以外的子图像依次排序， 并求取排序后子图像中的3幅平均 能量最 低的子图像的分形维数； S44： 将排序后 子图像中的3幅平均能量最低的子图像的分形维数， 和 将除 最低频段以 外的子图像以及排序后子图像中的3幅平均能量最低的子图像以外  的子图像的平均能量 构成一个18维的特 征向量。 3.如权利要求1所述的基于人工智能医疗诊断用的大数据 可视化处理方法，  其特征在 于， 利用神经网络M和神经网络N分别提取人体部分的骨架的图像的特  征集的非线性特征 和遮挡人体部 分的骨架的图像的特征集的非线性特征， 使用反向传播求解相应的权重向量 和偏移向量， 通过神经网络Q得到低维的融合后特征分量， 为每一 维特征分量选择效果最佳 的基本核函数， 将多个核函数用加权求和组合 一个合成的核函数。 4.一种基于人工智能医疗诊断用的大数据可视化处理系统， 其特征在于，  包括数据处 理模块； 所述数据 处理模块用于将生物特征检测设备检测的信息进行预处理； 将被测人 的 生命信息、 行为动作信息以及语音信息进 行整合， 并进 行模块化处理； 对预 处理后的信息进 行聚类处理； 输入数据集、 邻域半径以及邻域中数据对象数据阈值； 从数据集中任意选取一 个数据对 象点； 若该数据对 象点对于邻域半径和邻域中数据对 象数据阈值为核心点， 则找 出所有从该数据对象点密度可达的数据对象点形成一个聚类簇； 若选取的数据对象点对于 邻域半径和邻域中数据对 象数据阈值为边缘点， 则选取另一个数据对 象点， 直至所有点被 处理， 若存有无法形成聚类簇的孤立点， 则判定为异常点； 对聚类处理后的生命信息、 行为 动作信息以及语音信息进行记录并过 滤； 数据采集模块， 所述数据采集模块与所述数据处理模块通信连接以便采集  所述数据 处理模块处 理后的生命信息、 行为动作信息、 身体扫描信息以及语音  信息获取病理图像； 诊断分析模块， 所述诊断分析模块与所述数据采集模块通信连接， 以便根  据获取的病 理图像提取特征进行诊断分析得出分析数据； 通过病理图像的深度值的判定将病理图像的 前景区域  和背景区域进行区分实现在病理图像中人体目标前景提取； 采用图像细化算法 变换得到骨骼提取图像； 确定人体区域部分， 根据深度值分布的情况在人体区域部分中进 行查找， 将与人体区域部分深度值相 差较大的部分视为是有遮挡 人体部分的情况， 与人体权　利　要　求　书 2/3 页 3 CN 114999638 B 3