买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了基于人工智能的宫颈癌诊断增强系统，包括数据收集模块、图像分析增强模块、数据融合处理模块、诊断流程优化模块和综合分析模块。本发明属于宫颈癌智能诊断技术领域，具体为基于人工智能的宫颈癌诊断增强系统，本发明采用结合图像增强生成的视觉变压卷积双路径模型，进行图像分析增强，为后续最终宫颈癌阶段自动分类提供了较好的特征数据源；采用结合模态分解和混合搜索算法的双向门控循环模型进行宫颈癌阶段自动分级，提升了系统整体的功能自动性、智能性和可用性；采用图像分析、数据融合和阶段分级三种模块独立设计的方法进行系统模块设计，增强了宫颈癌诊断系统的整体可用性和应用泛用性。

主权项：1.基于人工智能的宫颈癌诊断增强系统，其特征在于：包括数据收集模块、图像分析增强模块、数据融合处理模块、诊断流程优化模块和综合分析模块；所述数据收集模块，用于收集宫颈癌诊断增强所需的原始数据集，通过数据收集，得到宫颈癌诊断原始数据集，并将所述宫颈癌诊断原始数据集发送至图像分析增强模块和数据融合处理模块；所述图像分析增强模块，用于处理并分析宫颈癌诊断原始图像数据，具体为依据所述宫颈癌诊断原始数据集中的宫颈涂片图像数据，采用结合图像增强生成的视觉变压卷积双路径模型，进行图像分析增强，得到宫颈癌图像分析数据，并将所述宫颈癌图像分析数据发送至数据融合处理模块和综合分析模块；所述结合图像增强生成的视觉变压卷积双路径模型，进行图像分析增强，得到宫颈癌图像分析数据的步骤，包括：图像处理增强、构建改进双路径模型、特征工程设计、预分类优化模型训练和增强图像分析；通过所述图像处理增强，得到增强宫颈图像数据集；所述构建改进双路径模型，用于构建分别针对宫颈涂片数据的细胞形态和病变区域进行双路径图像分析模型，具体步骤包括：构建卷积路径和构建视觉变压器路径；所述卷积路径，用于对病变区域进行识别和分类，具体为构建包括基本卷积层、深度可分离卷积层和池化层的卷积图像分析预测路径；所述基本卷积层，用于提取病变区域的局部特征；所述深度可分离卷积层，用于提升特征提取效率并提取深度特征；所述池化层，用于进行下采样操作并优化特征维度，具体采用最大池化操作构建所述池化层，得到卷积路径特征数据FCNN；所述视觉变压器路径，用于对细胞形态特征进行细粒度识别和分类，具体步骤包括：图像切片、多尺度线性嵌入、自适应注意力机制改进和全局特征输出；所述图像切片，用于对原始图像切分为小块，具体为将所述增强宫颈图像数据集中的图像进行划分切片，得到切片图像数据；所述多尺度线性嵌入，用于将切片图像嵌入到不同尺寸的高维空间进行细胞形态特征的捕捉性能增强；所述自适应注意力机制改进，具体为通过引入自适应键向量参数进行注意力分布优化，提升细胞形态识别分类的特征处理能力；所述全局特征输出，具体为结合自适应注意力机制改进的相关性矩阵输出，并将注意力机制中的值向量作为全局特征输出权值，进行加权求和，提取细胞形态全局特征，得到视觉变压器路径特征数据；所述特征工程设计，具体为将视觉变压器路径特征数据和卷积路径特征数据进行特征拼接，并构建全连接层进行特征处理，构建分类器进行最终识别结果的分类输出，得到预分类结果输出，具体步骤包括：特征拼接、融合特征处理和预分类优化；所述宫颈癌图像分析数据，具体包括细胞形态特征数据、病变区域特征数据和宫颈癌病变预分类数据；所述数据融合处理模块，用于将图像分析的结果和诊断过程数据进行融合，通过数据融合处理，得到宫颈癌诊断融合数据集，并将所述宫颈癌诊断融合数据集发送至诊断流程优化模块；所述诊断流程优化模块，用于对不同的宫颈癌癌症阶段进行自动分级，通过诊断流程优化，得到宫颈癌诊断明细数据，并将所述宫颈癌诊断明细数据发送至辅助反馈模块；所述综合分析模块，用于结合图像分析和诊断优化的结果进行个性化诊断建议生成，通过结合大预言模型和宫颈癌诊断明细数据进行综合分析，得到个性化诊断辅助建议。

全文数据：

权利要求：

百度查询： 吉林大学 基于人工智能的宫颈癌诊断增强系统