基于三维图像识别处理的医学成像检验方法、系统和介质

技术领域

本申请涉及成像处理及医学检验技术领域，具体而言，涉及基于三维图像识别处理的医学成像检验方法、系统和介质。

背景技术

医学影像是对人体或部分以非侵入方式取得内部组织影像的技术，它包含医学成像（medical imaging）和医学图像（medical image），医学成像是图像形成的过程，包括对成像机理的研究，医学图像是对已经获得的图像的进一步处理使图像复原或突出图像中某些特征信息或者对图像做分类分析等，现有医学三维成像技术的应用是通过造影技术获得组织图片造影或结构扫描图像，进一步进行观察和分析识别，而无法针对未显现症状的病灶组织或病变结构进行识别追踪和分析判断的成像风险识别评估技术，且缺乏对于成像识别判断的病症病变风险结果进行辅助验证的手段。

针对上述问题，目前亟待有效的技术解决方案。

发明内容

本申请的目的在于提供基于三维图像识别处理的医学成像检验方法、系统和介质，可以实现根据三维成像识别分析异常病变部位的风险情况，并结合报告和共享信息处理的风险评估结果进行比对判断成像识别检测技术的可靠性以实现成像效果检验。

本申请还提供了基于三维图像识别处理的医学成像检验方法，包括以下步骤：

采集用户在预设时期内多时间段的多个医学检测图像集，并获取用户在预设时期内的健康检测报告信息以及用户共享备案信息；

根据各时间段内的所述医学检测图像集进行图像特征拾取获得医学检测图像信息集，并提取对应医学检测图像特征数据集；

根据所述健康检测报告信息提取健康检测报告数据集，包括异常部位异化指数数据和异常部位病变指数数据以及精力亚健康指数数据和身心活力度指数数据，根据所述用户共享备案信息提取用户共享备案数据；

对所述用户在各时间段内的对应所述医学检测图像特征数据集进行处理识别获得异常视检图像特征数据，并将对应的异常视检标识部位标记为异常标记追测部位；

将所述预设时期内的所述异常标记追测部位对应的多个异常视检图像特征数据进行集合获得异常标记追测部位特征数据集，并进行处理获得异常病变风险评估指数；

根据所述异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比，获得符合的多个历史相似成像病灶样本以及对应的部位病变鉴定测评系数，并对所述异常病变风险评估指数进行修正处理，获得异常病变风险评测修正指数；

根据所述各时间段内异常标记追测部位对应的所述健康检测报告数据集结合所述用户共享备案数据通过预设病灶风险数据检测模型进行评估处理，获得异常标记部位病灶风险判定指数；

根据所述异常标记部位病灶风险判定指数与所述异常病变风险评测修正指数进行对比处理，获得所述异常标记追测部位的部位病变评定匹配度系数，并与预设病灶鉴定匹配度阈值进行阈值对比验证成像标记部位的病变评定结果。

可选地，在本申请所述的基于三维图像识别处理的医学成像检验方法中，所述根据各时间段内的所述医学检测图像集进行图像特征拾取获得医学检测图像信息集，并提取对应医学检测图像特征数据集，包括：

根据各时间段内的所述医学检测图像集通过预设医学三维成像检测识别模型拾取图像特征信息，获得各时间段的医学检测图像信息集；

根据所述医学检测图像信息集提取对应医学检测图像特征数据集，其中包括多个成像检测部位的多个医学检测图像对应的医学检测图像特征数据。

可选地，在本申请所述的基于三维图像识别处理的医学成像检验方法中，所述根据所述健康检测报告信息提取健康检测报告数据集，包括异常部位异化指数数据和异常部位病变指数数据以及精力亚健康指数数据和身心活力度指数数据，根据所述用户共享备案信息提取用户共享备案数据，包括：

根据所述健康检测报告信息提取健康检测报告数据集，包括所述各时间段内各异常报告部位的异常部位异化指数数据和异常部位病变指数数据，以及精力亚健康指数数据和身心活力度指数数据；

根据所述用户共享备案信息提取用户共享备案数据，包括职业年龄属性补偿数据、家病史就医史数据以及作息饮食良率数据。

可选地，在本申请所述的基于三维图像识别处理的医学成像检验方法中，所述对所述用户在各时间段内的对应所述医学检测图像特征数据集进行处理识别获得异常视检图像特征数据，并将对应的异常视检标识部位标记为异常标记追测部位，包括：

通过预设医学成像特征检测识别模型对所述用户在各时间段内的对应所述医学检测图像特征数据集进行处理识别，获得异常视检图像特征数据；

所述异常视检图像特征数据包括异常部位标识数据、异常组织轮廓尺寸数据、异常缔结结构数据以及异变组织形态描述数据；

根据所述异常部位标识数据获取对应标识的异常视检标识部位，并标记为异常标记追测部位。

可选地，在本申请所述的基于三维图像识别处理的医学成像检验方法中，所述将所述预设时期内的所述异常标记追测部位对应的多个异常视检图像特征数据进行集合获得异常标记追测部位特征数据集，并进行处理获得异常病变风险评估指数，包括：

将所述预设时期内的所述异常标记追测部位对应的多个异常视检图像特征数据进行集合，获得异常标记追测部位特征数据集；

对所述异常标记追测部位特征数据集通过预设异常病变风险评估模型进行处理，获得所述异常标记追测部位的异常病变风险评估指数；

所述异常病变风险评估指数的计算公式为：

；

其中，

可选地，在本申请所述的基于三维图像识别处理的医学成像检验方法中，所述根据所述异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比，获得符合的多个历史相似成像病灶样本以及对应的部位病变鉴定测评系数，并对所述异常病变风险评估指数进行修正处理，获得异常病变风险评测修正指数，包括：

根据所述异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比处理，获得符合相似对比要求的多个历史相似成像病灶样本；

根据所述多个历史相似成像病灶样本提取样本部位终检的对应部位病变鉴定测评系数；

根据多个所述部位病变鉴定测评系数对所述异常病变风险评估指数进行修正处理，获得异常病变风险评测修正指数；

所述异常病变风险评测修正指数的修正计算公式为：

；

其中，

可选地，在本申请所述的基于三维图像识别处理的医学成像检验方法中，所述根据所述各时间段内异常标记追测部位对应的所述健康检测报告数据集结合所述用户共享备案数据通过预设病灶风险数据检测模型进行评估处理，获得异常标记部位病灶风险判定指数，包括：

根据所述各时间段内异常标记追测部位对应的所述异常部位异化指数数据和异常部位病变指数数据以及精力亚健康指数数据和身心活力度指数数据通过预设病灶风险数据检测模型进行评估处理，获得异常标记部位病灶风险识别数据；

根据所述异常标记部位病灶风险识别数据结合所述职业年龄属性补偿数据、家病史就医史数据以及作息饮食良率数据进行修正处理，获得所述用户在所述预设时期内的异常标记部位病灶风险判定指数；

所述异常标记部位病灶风险识别数据的计算公式为：

；

其中，

所述异常标记部位病灶风险判定指数的修正计算公式为：

；

其中，

可选地，在本申请所述的基于三维图像识别处理的医学成像检验方法中，所述根据所述异常标记部位病灶风险判定指数与所述异常病变风险评测修正指数进行对比处理，获得所述异常标记追测部位的部位病变评定匹配度系数，并与预设病灶鉴定匹配度阈值进行阈值对比验证成像标记部位的病变评定结果，包括：

根据所述用户的所述异常标记部位病灶风险判定指数与所述异常病变风险评测修正指数进行对比处理，获得所述异常标记追测部位的部位病变评定匹配度系数；

根据所述部位病变评定匹配度系数与预设病灶鉴定匹配度阈值进行阈值对比，根据阈值对比结果验证成像标记部位的病变评定结果；

所述部位病变评定匹配度系数的计算公式为：

；

其中，

第二方面，本申请提供了基于三维图像识别处理的医学成像检验系统，该系统包括：存储器及处理器，所述存储器中包括基于三维图像识别处理的医学成像检验方法的程序，所述基于三维图像识别处理的医学成像检验方法的程序被所述处理器执行时实现以下步骤：

采集用户在预设时期内多时间段的多个医学检测图像集，并获取用户在预设时期内的健康检测报告信息以及用户共享备案信息；

根据各时间段内的所述医学检测图像集进行图像特征拾取获得医学检测图像信息集，并提取对应医学检测图像特征数据集；

根据所述健康检测报告信息提取健康检测报告数据集，包括异常部位异化指数数据和异常部位病变指数数据以及精力亚健康指数数据和身心活力度指数数据，根据所述用户共享备案信息提取用户共享备案数据；

对所述用户在各时间段内的对应所述医学检测图像特征数据集进行处理识别获得异常视检图像特征数据，并将对应的异常视检标识部位标记为异常标记追测部位；

将所述预设时期内的所述异常标记追测部位对应的多个异常视检图像特征数据进行集合获得异常标记追测部位特征数据集，并进行处理获得异常病变风险评估指数；

根据所述异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比，获得符合的多个历史相似成像病灶样本以及对应的部位病变鉴定测评系数，并对所述异常病变风险评估指数进行修正处理，获得异常病变风险评测修正指数；

根据所述各时间段内异常标记追测部位对应的所述健康检测报告数据集结合所述用户共享备案数据通过预设病灶风险数据检测模型进行评估处理，获得异常标记部位病灶风险判定指数；

根据所述异常标记部位病灶风险判定指数与所述异常病变风险评测修正指数进行对比处理，获得所述异常标记追测部位的部位病变评定匹配度系数，并与预设病灶鉴定匹配度阈值进行阈值对比验证成像标记部位的病变评定结果。

第三方面，本申请还提供了计算机可读存储介质，所述计算机可读存储介质中包括基于三维图像识别处理的医学成像检验方法程序，所述基于三维图像识别处理的医学成像检验方法程序被处理器执行时，实现如上述任一项所述的基于三维图像识别处理的医学成像检验方法的步骤。

由上可知，本申请提供的基于三维图像识别处理的医学成像检验方法、系统和介质，通过获取用户医学检测图像集并提取医学检测图像特征数据集处理获得异常标记追测部位的异常视检图像特征数据，并集合处理获得异常病变风险评估指数，再结合多个历史相似成像病灶样本的部位病变鉴定测评系数进行修正获得异常病变风险评测修正指数，根据获取的异常标记追测部位对应健康检测报告数据集结合用户共享备案数据评估处理获得异常标记部位病灶风险判定指数，再与异常病变风险评测修正指数进行对比获得部位病变评定匹配度系数，并经过阈值对比验证成像标记部位的病变评定结果；从而实现根据三维成像识别分析异常病变部位的风险情况，并结合报告和共享信息处理的风险评估结果进行比对判断成像识别检测技术的可靠性。

本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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获得其他相关的附图。

图1为本申请实施例提供的基于三维图像识别处理的医学成像检验方法的流程图；

图2为本申请实施例提供的基于三维图像识别处理的医学成像检验方法的获取医学检测图像特征数据集的流程图；

图3为本申请实施例提供的基于三维图像识别处理的医学成像检验方法的获取健康检测报告数据集和用户共享备案数据的流程图；

图4为本申请实施例提供的基于三维图像识别处理的医学成像检验系统的结构示意图。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参照图1，图1是本申请一些实施例中的基于三维图像识别处理的医学成像检验方法的流程图。该基于三维图像识别处理的医学成像检验方法用于终端设备中，例如电脑、手机终端等。该基于三维图像识别处理的医学成像检验方法，包括以下步骤：

S101、采集用户在预设时期内多时间段的多个医学检测图像集，并获取用户在预设时期内的健康检测报告信息以及用户共享备案信息；

S102、根据各时间段内的所述医学检测图像集进行图像特征拾取获得医学检测图像信息集，并提取对应医学检测图像特征数据集；

S103、根据所述健康检测报告信息提取健康检测报告数据集，包括异常部位异化指数数据和异常部位病变指数数据以及精力亚健康指数数据和身心活力度指数数据，根据所述用户共享备案信息提取用户共享备案数据；

S104、对所述用户在各时间段内的对应所述医学检测图像特征数据集进行处理识别获得异常视检图像特征数据，并将对应的异常视检标识部位标记为异常标记追测部位；

S105、将所述预设时期内的所述异常标记追测部位对应的多个异常视检图像特征数据进行集合获得异常标记追测部位特征数据集，并进行处理获得异常病变风险评估指数；

S106、根据所述异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比，获得符合的多个历史相似成像病灶样本以及对应的部位病变鉴定测评系数，并对所述异常病变风险评估指数进行修正处理，获得异常病变风险评测修正指数；

S107、根据所述各时间段内异常标记追测部位对应的所述健康检测报告数据集结合所述用户共享备案数据通过预设病灶风险数据检测模型进行评估处理，获得异常标记部位病灶风险判定指数；

S108、根据所述异常标记部位病灶风险判定指数与所述异常病变风险评测修正指数进行对比处理，获得所述异常标记追测部位的部位病变评定匹配度系数，并与预设病灶鉴定匹配度阈值进行阈值对比验证成像标记部位的病变评定结果。

需要说明的是，为实现根据三维成像的图像进行信息识别获得特征数据并通过分析判断出存在异常病变可能的病灶部位或组织结构的风险情况结果，并为验证识别评估的结果通过结合报告和共享信息处理获得的风险评估结果，与成像识别评估的结果进行比对，判断成像识别检测技术的可靠性以实现成像效果检验的技术，通过采集用户在预设时期内多个时段获得的多个医学检测图像集进行图像特征拾取获得医学检测图像信息集，并提取对应医学检测图像特征数据集，再对数据进行识别获得异常视检部位的异常视检图像特征数据，并将异常视检部位进行标记为标记追测部位，即通过对成像图像的信息数据拾取并识别处理获得出现病灶或异化组织结构的所在异常部位并进行标记，再对时期内该异常标记追踪监测的部位的多个图像特征数据进行集合并评估处理获得异常部位的异常病变风险评估指数，即通过对异常部位的数据评估获得病灶组织的病变风险评估结果，为使对异常部位的病变风险评估提高精准度，根据异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比，获得符合的多个历史相似成像病灶样本以及对应的部位病变鉴定测评系数，即通过异常部位的特征数据通过历史数据库找寻多个相似样本，并获取该历史样本实际病变测评结果的系数，再通过样本的测评系数对异常病变风险评估指数进行修正处理，获得更加精准的异常病变风险的评测修正结果，为验证通过成像信息数据识别判断的异常部位的病变风险的评估准确度，通过用户在时期内的健康检测报告的数据结合用户共享备案的数据通过检测模型进行评估获得对异常部位的病灶风险的判定结果，后根据得到的异常标记部位病灶风险判定指数与异常病变风险评测修正指数进行对比处理，获得异常标记部位的部位病变评定匹配度系数，即通过对成像数据的部位病变风险评估与报告备案数据的病灶风险判定的结果的对比获得对成像识别的异常病变部位的风险评估结果，最后再与预设病灶鉴定匹配度阈值进行阈值对比，验证成像标记部位的病变评定结果的识别评估的可靠性。

请参照图2，图2是本申请一些实施例中的基于三维图像识别处理的医学成像检验方法的获取医学检测图像特征数据集的流程图。根据本发明实施例，所述根据各时间段内的所述医学检测图像集进行图像特征拾取获得医学检测图像信息集，并提取对应医学检测图像特征数据集，具体为：

S201、根据各时间段内的所述医学检测图像集通过预设医学三维成像检测识别模型拾取图像特征信息，获得各时间段的医学检测图像信息集；

S202、根据所述医学检测图像信息集提取对应医学检测图像特征数据集，其中包括多个成像检测部位的多个医学检测图像对应的医学检测图像特征数据。

需要说明的是，为通过成像图像的信息数据识别出可能出现异常病变的病灶部位，首先需对采集的一定时期内各时间段的医学检测图像合成的医学检测图像集进行图像信息的提取，以进一步获得图像的特征数据，并对各时段的图像特征数据进行集合获得医学检测图像特征数据集，根据各时间段内的医学检测图像集通过预设的医学三维成像检测识别模型拾取图像特征信息，集成为各时间段的医学检测图像信息集，医学三维成像检测识别模型是通过第三方医学三维图像检测平台获得的对医学三维图像进行图像信息拾取的图像特征识别模型，通过该模型可提取三维图像中的图像描绘轮廓、尺寸、结构、形貌、坐标、构造等图像特征的信息，再根据医学检测图像信息集提取对应的医学检测图像特征数据集，包括各时间段内多个成像检测部位如用户局部组织、器官、系统的多个医学检测图像对应的医学检测图像特征数据，特征数据是反映成像检测部位的组织、器官、结构的各种轮廓、尺寸、结构、形貌等特征的描述数据。

请参照图3，图3是本申请一些实施例中的基于三维图像识别处理的医学成像检验方法的获取健康检测报告数据集和用户共享备案数据的流程图。根据本发明实施例，所述根据所述健康检测报告信息提取健康检测报告数据集，包括异常部位异化指数数据和异常部位病变指数数据以及精力亚健康指数数据和身心活力度指数数据，根据所述用户共享备案信息提取用户共享备案数据，具体为：

S301、根据所述健康检测报告信息提取健康检测报告数据集，包括所述各时间段内各异常报告部位的异常部位异化指数数据和异常部位病变指数数据，以及精力亚健康指数数据和身心活力度指数数据；

S302、根据所述用户共享备案信息提取用户共享备案数据，包括职业年龄属性补偿数据、家病史就医史数据以及作息饮食良率数据。

需要说明的是，为验证用户成像信息数据识别判断的部位病变风险的相关评估结果的精准匹配度，获取用户在预设时期内的健康检测报告的数据结合用户共享备案的数据进行进一步处理，通过检测报告的理化检测结果结合用户调查登记信息进行处理获得部位病灶情况的风险判定，对成像识别的异常病变部位的风险评估结果进行辅助验证，根据用户的时期内的健康检测报告信息提取健康检测报告数据集，包括各时间段内报告的各异常报告所检测出的各部位的部位异化指数、部位病变指数，以及各时间段内用户的精力健康状况的亚健康检测指数、身心活力度的检测指数，同时采集用户预登记备案的共享备案信息，提取出用户共享备案数据，包括用户的职业、年龄的属性补偿系数数据即反映用户从事职业的危害属性以及年龄大小属性的补偿系数，家族病史和就医史的数据以及作息饮食规律的良率评估数据。

根据本发明实施例，所述对所述用户在各时间段内的对应所述医学检测图像特征数据集进行处理识别获得异常视检图像特征数据，并将对应的异常视检标识部位标记为异常标记追测部位，具体为：

通过预设医学成像特征检测识别模型对所述用户在各时间段内的对应所述医学检测图像特征数据集进行处理识别，获得异常视检图像特征数据；

所述异常视检图像特征数据包括异常部位标识数据、异常组织轮廓尺寸数据、异常缔结结构数据以及异变组织形态描述数据；

根据所述异常部位标识数据获取对应标识的异常视检标识部位，并标记为异常标记追测部位。

需要说明的是，在获得了多个成像检测部位的医学检测图像特征数据后，为识别获得出现异常病变的部位的图像特征数据，通过预设的医学成像特征检测识别模型对用户在各时间段内的对应医学检测图像特征数据集进行处理识别，获得异常视检图像特征数据，该医学成像特征检测识别模型是通过历史成像样本的大量特征数据以及异常特征数据的样本进行训练获得的，通过该模型可识别出成像图像中的异常图像特征数据，包括对异常部位的圈定标识数据、异常组织的轮廓尺寸数据、异常缔结结构的描述数据以及异变组织的组织结构、相色、光谱的形态描述数据，并对特征数据相对应的识别捕捉到的异常标识部位加以标记，为异常标记追测部位，便于识别和后续追踪。

根据本发明实施例，所述将所述预设时期内的所述异常标记追测部位对应的多个异常视检图像特征数据进行集合获得异常标记追测部位特征数据集，并进行处理获得异常病变风险评估指数，具体为：

将所述预设时期内的所述异常标记追测部位对应的多个异常视检图像特征数据进行集合，获得异常标记追测部位特征数据集；

对所述异常标记追测部位特征数据集通过预设异常病变风险评估模型进行处理，获得所述异常标记追测部位的异常病变风险评估指数；

所述异常病变风险评估指数的计算公式为：

；

其中，

需要说明的是，为评估识别标识出的异常标识部位的病变风险情况，对时期内各时段异常标记追踪监测部位的多个图像特征数据进行集合并评估处理，获得时期内异常部位的异常病变风险评估指数，即通过对异常部位的特征数据的计算评估获得异常标记部位的病灶组装的病变风险评估结果，通过预设异常病变风险评估模型的计算公式对各时间段内异常标记追测部位的特征数据的集合进行计算处理，获得反映异常部位病变情况的异常病变风险评估指数。

根据本发明实施例，所述根据所述异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比，获得符合的多个历史相似成像病灶样本以及对应的部位病变鉴定测评系数，并对所述异常病变风险评估指数进行修正处理，获得异常病变风险评测修正指数，具体为：

根据所述异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比处理，获得符合相似对比要求的多个历史相似成像病灶样本；

根据所述多个历史相似成像病灶样本提取样本部位终检的对应部位病变鉴定测评系数；

根据多个所述部位病变鉴定测评系数对所述异常病变风险评估指数进行修正处理，获得异常病变风险评测修正指数；

所述异常病变风险评测修正指数的修正计算公式为：

；

其中，

需要说明的是，进一步，为提高对异常标识追踪监测部位的病变风险评估的精准度，通过相似度查询获得的异常部位相似历史样本的最终病变鉴定测评系数结果对风险评估指数进行修正，以提高对异常部位风险评估的精准度，根据异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比，相似对比可以采用余弦相似度对比或者欧式距离相似度对比，获得符合预设相似度对比要求的多个历史相似成像病灶样本，以及对应的部位病变鉴定测评系数，即通过异常部位的特征数据通过历史数据库找寻多个符合要求的相似样本以及实际病变测评系数，再根据相似样本的测评系数对异常病变风险评估指数进行修正计算，获得更加精准的反映异常部位的病变风险的评测修正结果。

根据本发明实施例，所述根据所述各时间段内异常标记追测部位对应的所述健康检测报告数据集结合所述用户共享备案数据通过预设病灶风险数据检测模型进行评估处理，获得异常标记部位病灶风险判定指数，具体为：

根据所述各时间段内异常标记追测部位对应的所述异常部位异化指数数据和异常部位病变指数数据以及精力亚健康指数数据和身心活力度指数数据通过预设病灶风险数据检测模型进行评估处理，获得异常标记部位病灶风险识别数据；

根据所述异常标记部位病灶风险识别数据结合所述职业年龄属性补偿数据、家病史就医史数据以及作息饮食良率数据进行修正处理，获得所述用户在所述预设时期内的异常标记部位病灶风险判定指数；

所述异常标记部位病灶风险识别数据的计算公式为：

；

其中，

所述异常标记部位病灶风险判定指数的修正计算公式为：

；

其中，

需要说明的是，为验证通过三维图像的成像信息数据识别判断的异常部位的病变风险的评估准确度，通过用户在时期内的健康检测报告的理化检测报告数据结合用户登记共享备案的相关信息数据，通过预设的检测模型进行计算获得对异常部位的病灶风险的判定结果，根据各时间段内异常标记追测部位对应的多个健康检测报告数据，通过预设病灶风险数据检测模型进行计算获得异常标记部位病灶风险识别数据，再与用户的共享备案数据进行修正计算，获得用户在预设时期内的异常标记部位病灶风险判定指数，即获得对比验证的病灶风险判定指数，实现通过检测报告和用户登记的数据对成像检测识别的结果数据进行验证的技术。

根据本发明实施例，所述根据所述异常标记部位病灶风险判定指数与所述异常病变风险评测修正指数进行对比处理，获得所述异常标记追测部位的部位病变评定匹配度系数，并与预设病灶鉴定匹配度阈值进行阈值对比验证成像标记部位的病变评定结果，具体为：

根据所述用户的所述异常标记部位病灶风险判定指数与所述异常病变风险评测修正指数进行对比处理，获得所述异常标记追测部位的部位病变评定匹配度系数；

根据所述部位病变评定匹配度系数与预设病灶鉴定匹配度阈值进行阈值对比，根据阈值对比结果验证成像标记部位的病变评定结果；

所述部位病变评定匹配度系数的计算公式为：

；

其中，

需要说明的是，最后，根据获得的异常标记部位病灶风险判定指数与异常病变风险评测修正指数进行对比处理，获得异常标记追测部位的部位病变评定匹配度系数，即通过用户医学检验图像中判断的异常标记部位的病变风险评估结果，与用户理化检测报告和登记备案的检测数据信息评估得到的对应部位的病灶风险识别结果，通过预设计算公式进行比对，获得病变评定的匹配度结果，再根据该部位病变评定匹配度结果系数与预设的病灶鉴定匹配度阈值进行阈值对比，根据阈值对比结果对成像标记部位的病变评定结果进行验证，从而验证医学检测图像中识别的异常标记部位的病灶真实性，以及异常标记部位的真实病变风险情况的评估结果的准确性。

如图4所示，本发明还公开了基于三维图像识别处理的医学成像检验系统4，包括存储器41和处理器42，所述存储器中包括基于三维图像识别处理的医学成像检验方法程序，所述基于三维图像识别处理的医学成像检验方法程序被所述处理器执行时实现如下步骤：

采集用户在预设时期内多时间段的多个医学检测图像集，并获取用户在预设时期内的健康检测报告信息以及用户共享备案信息；

根据各时间段内的所述医学检测图像集进行图像特征拾取获得医学检测图像信息集，并提取对应医学检测图像特征数据集；

根据所述健康检测报告信息提取健康检测报告数据集，包括异常部位异化指数数据和异常部位病变指数数据以及精力亚健康指数数据和身心活力度指数数据，根据所述用户共享备案信息提取用户共享备案数据；

对所述用户在各时间段内的对应所述医学检测图像特征数据集进行处理识别获得异常视检图像特征数据，并将对应的异常视检标识部位标记为异常标记追测部位；

将所述预设时期内的所述异常标记追测部位对应的多个异常视检图像特征数据进行集合获得异常标记追测部位特征数据集，并进行处理获得异常病变风险评估指数；

根据所述异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比，获得符合的多个历史相似成像病灶样本以及对应的部位病变鉴定测评系数，并对所述异常病变风险评估指数进行修正处理，获得异常病变风险评测修正指数；

根据所述各时间段内异常标记追测部位对应的所述健康检测报告数据集结合所述用户共享备案数据通过预设病灶风险数据检测模型进行评估处理，获得异常标记部位病灶风险判定指数；

根据所述异常标记部位病灶风险判定指数与所述异常病变风险评测修正指数进行对比处理，获得所述异常标记追测部位的部位病变评定匹配度系数，并与预设病灶鉴定匹配度阈值进行阈值对比验证成像标记部位的病变评定结果。

需要说明的是，为实现根据三维成像的图像进行信息识别获得特征数据并通过分析判断出存在异常病变可能的病灶部位或组织结构的风险情况结果，并为验证识别评估的结果通过结合报告和共享信息处理获得的风险评估结果，与成像识别评估的结果进行比对，判断成像识别检测技术的可靠性以实现成像效果检验的技术，通过采集用户在预设时期内多个时段获得的多个医学检测图像集进行图像特征拾取获得医学检测图像信息集，并提取对应医学检测图像特征数据集，再对数据进行识别获得异常视检部位的异常视检图像特征数据，并将异常视检部位进行标记为标记追测部位，即通过对成像图像的信息数据拾取并识别处理获得出现病灶或异化组织结构的所在异常部位并进行标记，再对时期内该异常标记追踪监测的部位的多个图像特征数据进行集合并评估处理获得异常部位的异常病变风险评估指数，即通过对异常部位的数据评估获得病灶组织的病变风险评估结果，为使对异常部位的病变风险评估提高精准度，根据异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比，获得符合的多个历史相似成像病灶样本以及对应的部位病变鉴定测评系数，即通过异常部位的特征数据通过历史数据库找寻多个相似样本，并获取该历史样本实际病变测评结果的系数，再通过样本的测评系数对异常病变风险评估指数进行修正处理，获得更加精准的异常病变风险的评测修正结果，为验证通过成像信息数据识别判断的异常部位的病变风险的评估准确度，通过用户在时期内的健康检测报告的数据结合用户共享备案的数据通过检测模型进行评估获得对异常部位的病灶风险的判定结果，后根据得到的异常标记部位病灶风险判定指数与异常病变风险评测修正指数进行对比处理，获得异常标记部位的部位病变评定匹配度系数，即通过对成像数据的部位病变风险评估与报告备案数据的病灶风险判定的结果的对比获得对成像识别的异常病变部位的风险评估结果，最后再与预设病灶鉴定匹配度阈值进行阈值对比，验证成像标记部位的病变评定结果的识别评估的可靠性。

根据本发明实施例，所述根据各时间段内的所述医学检测图像集进行图像特征拾取获得医学检测图像信息集，并提取对应医学检测图像特征数据集，具体为：

根据各时间段内的所述医学检测图像集通过预设医学三维成像检测识别模型拾取图像特征信息，获得各时间段的医学检测图像信息集；

根据所述医学检测图像信息集提取对应医学检测图像特征数据集，其中包括多个成像检测部位的多个医学检测图像对应的医学检测图像特征数据。

需要说明的是，为通过成像图像的信息数据识别出可能出现异常病变的病灶部位，首先需对采集的一定时期内各时间段的医学检测图像合成的医学检测图像集进行图像信息的提取，以进一步获得图像的特征数据，并对各时段的图像特征数据进行集合获得医学检测图像特征数据集，根据各时间段内的医学检测图像集通过预设的医学三维成像检测识别模型拾取图像特征信息，集成为各时间段的医学检测图像信息集，医学三维成像检测识别模型是通过第三方医学三维图像检测平台获得的对医学三维图像进行图像信息拾取的图像特征识别模型，通过该模型可提取三维图像中的图像描绘轮廓、尺寸、结构、形貌、坐标、构造等图像特征的信息，再根据医学检测图像信息集提取对应的医学检测图像特征数据集，包括各时间段内多个成像检测部位如用户局部组织、器官、系统的多个医学检测图像对应的医学检测图像特征数据，特征数据是反映成像检测部位的组织、器官、结构的各种轮廓、尺寸、结构、形貌等特征的描述数据。

根据本发明实施例，所述根据所述健康检测报告信息提取健康检测报告数据集，包括异常部位异化指数数据和异常部位病变指数数据以及精力亚健康指数数据和身心活力度指数数据，根据所述用户共享备案信息提取用户共享备案数据，具体为：

根据所述健康检测报告信息提取健康检测报告数据集，包括所述各时间段内各异常报告部位的异常部位异化指数数据和异常部位病变指数数据，以及精力亚健康指数数据和身心活力度指数数据；

根据所述用户共享备案信息提取用户共享备案数据，包括职业年龄属性补偿数据、家病史就医史数据以及作息饮食良率数据。

需要说明的是，为验证用户成像信息数据识别判断的部位病变风险的相关评估结果的精准匹配度，获取用户在预设时期内的健康检测报告的数据结合用户共享备案的数据进行进一步处理，通过检测报告的理化检测结果结合用户调查登记信息进行处理获得部位病灶情况的风险判定，对成像识别的异常病变部位的风险评估结果进行辅助验证，根据用户的时期内的健康检测报告信息提取健康检测报告数据集，包括各时间段内报告的各异常报告所检测出的各部位的部位异化指数、部位病变指数，以及各时间段内用户的精力健康状况的亚健康检测指数、身心活力度的检测指数，同时采集用户预登记备案的共享备案信息，提取出用户共享备案数据，包括用户的职业、年龄的属性补偿系数数据即反映用户从事职业的危害属性以及年龄大小属性的补偿系数，家族病史和就医史的数据以及作息饮食规律的良率评估数据。

根据本发明实施例，所述对所述用户在各时间段内的对应所述医学检测图像特征数据集进行处理识别获得异常视检图像特征数据，并将对应的异常视检标识部位标记为异常标记追测部位，具体为：

通过预设医学成像特征检测识别模型对所述用户在各时间段内的对应所述医学检测图像特征数据集进行处理识别，获得异常视检图像特征数据；

所述异常视检图像特征数据包括异常部位标识数据、异常组织轮廓尺寸数据、异常缔结结构数据以及异变组织形态描述数据；

根据所述异常部位标识数据获取对应标识的异常视检标识部位，并标记为异常标记追测部位。

需要说明的是，在获得了多个成像检测部位的医学检测图像特征数据后，为识别获得出现异常病变的部位的图像特征数据，通过预设的医学成像特征检测识别模型对用户在各时间段内的对应医学检测图像特征数据集进行处理识别，获得异常视检图像特征数据，该医学成像特征检测识别模型是通过历史成像样本的大量特征数据以及异常特征数据的样本进行训练获得的，通过该模型可识别出成像图像中的异常图像特征数据，包括对异常部位的圈定标识数据、异常组织的轮廓尺寸数据、异常缔结结构的描述数据以及异变组织的组织结构、相色、光谱的形态描述数据，并对特征数据相对应的识别捕捉到的异常标识部位加以标记，为异常标记追测部位，便于识别和后续追踪。

根据本发明实施例，所述将所述预设时期内的所述异常标记追测部位对应的多个异常视检图像特征数据进行集合获得异常标记追测部位特征数据集，并进行处理获得异常病变风险评估指数，具体为：

将所述预设时期内的所述异常标记追测部位对应的多个异常视检图像特征数据进行集合，获得异常标记追测部位特征数据集；

对所述异常标记追测部位特征数据集通过预设异常病变风险评估模型进行处理，获得所述异常标记追测部位的异常病变风险评估指数；

所述异常病变风险评估指数的计算公式为：

；

其中，

需要说明的是，为评估识别标识出的异常标识部位的病变风险情况，对时期内各时段异常标记追踪监测部位的多个图像特征数据进行集合并评估处理，获得时期内异常部位的异常病变风险评估指数，即通过对异常部位的特征数据的计算评估获得异常标记部位的病灶组装的病变风险评估结果，通过预设异常病变风险评估模型的计算公式对各时间段内异常标记追测部位的特征数据的集合进行计算处理，获得反映异常部位病变情况的异常病变风险评估指数。

根据本发明实施例，所述根据所述异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比，获得符合的多个历史相似成像病灶样本以及对应的部位病变鉴定测评系数，并对所述异常病变风险评估指数进行修正处理，获得异常病变风险评测修正指数，具体为：

根据所述异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比处理，获得符合相似对比要求的多个历史相似成像病灶样本；

根据所述多个历史相似成像病灶样本提取样本部位终检的对应部位病变鉴定测评系数；

根据多个所述部位病变鉴定测评系数对所述异常病变风险评估指数进行修正处理，获得异常病变风险评测修正指数；

所述异常病变风险评测修正指数的修正计算公式为：

；

其中，

需要说明的是，进一步，为提高对异常标识追踪监测部位的病变风险评估的精准度，通过相似度查询获得的异常部位相似历史样本的最终病变鉴定测评系数结果对风险评估指数进行修正，以提高对异常部位风险评估的精准度，根据异常标记追测部位的异常视检图像特征数据通过预设病灶成像特征数据信息库进行相似对比，相似对比可以采用余弦相似度对比或者欧式距离相似度对比，获得符合预设相似度对比要求的多个历史相似成像病灶样本，以及对应的部位病变鉴定测评系数，即通过异常部位的特征数据通过历史数据库找寻多个符合要求的相似样本以及实际病变测评系数，再根据相似样本的测评系数对异常病变风险评估指数进行修正计算，获得更加精准的反映异常部位的病变风险的评测修正结果。

根据本发明实施例，所述根据所述各时间段内异常标记追测部位对应的所述健康检测报告数据集结合所述用户共享备案数据通过预设病灶风险数据检测模型进行评估处理，获得异常标记部位病灶风险判定指数，具体为：

根据所述各时间段内异常标记追测部位对应的所述异常部位异化指数数据和异常部位病变指数数据以及精力亚健康指数数据和身心活力度指数数据通过预设病灶风险数据检测模型进行评估处理，获得异常标记部位病灶风险识别数据；

根据所述异常标记部位病灶风险识别数据结合所述职业年龄属性补偿数据、家病史就医史数据以及作息饮食良率数据进行修正处理，获得所述用户在所述预设时期内的异常标记部位病灶风险判定指数；

所述异常标记部位病灶风险识别数据的计算公式为：

；

其中，

所述异常标记部位病灶风险判定指数的修正计算公式为：

；

其中，

需要说明的是，为验证通过三维图像的成像信息数据识别判断的异常部位的病变风险的评估准确度，通过用户在时期内的健康检测报告的理化检测报告数据结合用户登记共享备案的相关信息数据，通过预设的检测模型进行计算获得对异常部位的病灶风险的判定结果，根据各时间段内异常标记追测部位对应的多个健康检测报告数据，通过预设病灶风险数据检测模型进行计算获得异常标记部位病灶风险识别数据，再与用户的共享备案数据进行修正计算，获得用户在预设时期内的异常标记部位病灶风险判定指数，即获得对比验证的病灶风险判定指数，实现通过检测报告和用户登记的数据对成像检测识别的结果数据进行验证的技术。

根据本发明实施例，所述根据所述异常标记部位病灶风险判定指数与所述异常病变风险评测修正指数进行对比处理，获得所述异常标记追测部位的部位病变评定匹配度系数，并与预设病灶鉴定匹配度阈值进行阈值对比验证成像标记部位的病变评定结果，具体为：

根据所述用户的所述异常标记部位病灶风险判定指数与所述异常病变风险评测修正指数进行对比处理，获得所述异常标记追测部位的部位病变评定匹配度系数；

根据所述部位病变评定匹配度系数与预设病灶鉴定匹配度阈值进行阈值对比，根据阈值对比结果验证成像标记部位的病变评定结果；

所述部位病变评定匹配度系数的计算公式为：

；

其中，

需要说明的是，最后，根据获得的异常标记部位病灶风险判定指数与异常病变风险评测修正指数进行对比处理，获得异常标记追测部位的部位病变评定匹配度系数，即通过用户医学检验图像中判断的异常标记部位的病变风险评估结果，与用户理化检测报告和登记备案的检测数据信息评估得到的对应部位的病灶风险识别结果，通过预设计算公式进行比对，获得病变评定的匹配度结果，再根据该部位病变评定匹配度结果系数与预设的病灶鉴定匹配度阈值进行阈值对比，根据阈值对比结果对成像标记部位的病变评定结果进行验证，从而验证医学检测图像中识别的异常标记部位的病灶真实性，以及异常标记部位的真实病变风险情况的评估结果的准确性。

本发明第三方面提供了可读存储介质，所述可读存储介质中包括基于三维图像识别处理的医学成像检验方法程序，所述基于三维图像识别处理的医学成像检验方法程序被处理器执行时，实现如上述任一项所述的基于三维图像识别处理的医学成像检验方法的步骤。

本发明公开的基于三维图像识别处理的医学成像检验方法、系统和介质，通过获取用户医学检测图像集并提取医学检测图像特征数据集处理获得异常标记追测部位的异常视检图像特征数据，并集合处理获得异常病变风险评估指数，再结合多个历史相似成像病灶样本的部位病变鉴定测评系数进行修正获得异常病变风险评测修正指数，根据获取的异常标记追测部位对应健康检测报告数据集结合用户共享备案数据评估处理获得异常标记部位病灶风险判定指数，再与异常病变风险评测修正指数进行对比获得部位病变评定匹配度系数，并经过阈值对比验证成像标记部位的病变评定结果；从而实现根据三维成像识别分析异常病变部位的风险情况，并结合报告和共享信息处理的风险评估结果进行比对判断成像识别检测技术的可靠性。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例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，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。