一种基于网络搜索机器学习的颅脑肿瘤可视化模

本发明涉及医学影像三维重建系统领域，尤其涉及一种基于网络搜索机器学习的颅脑肿瘤可视化模型构建系统。背景技术：1、颅脑肿瘤是影响人类健康的重大疾病之一，其早期诊断和精准治疗对于提高患者生存率至关重要；随着医学影像技术的飞速发展，三维可视化技术在颅脑肿瘤的诊断和治疗中发挥着越来越重要的作用；通过三维重建技术，可以更加直观地观察肿瘤的位置、形态和与周围组织的关系，为医生提供了更加详尽的诊断依据；然而，现有的三维可视化系统在图像获取、模型精度以及用户交互方面仍存在一定的不足，且未能有效结合用户反馈进行动态优化。2、查阅相关已公开技术方案，公开号为cn114783591a的技术提出一种脑肿瘤医学影像三维可视化辅助诊断系统，具体涉及医学影像三维重建技术领域，系统通过脑肿瘤提取功能提取出脑肿瘤图像，并对脑肿瘤图像与脑组织图像通过融合绘制的方式来绘制大脑的三维模型，以此来增强显示效果，并添加了多种功能模块来辅助诊断，其中包括：传输函数模块用于调整模型的颜色与不透明度，测量模块可以对角度与长度进行测量，切割功能可以对模型进行分割操作，切片提取功能可以同时观察多个方向的切片；但该方案仅通过静态方法获取脑肿瘤图像，识别精度较差且没有反馈机制。技术实现思路1、本发明的目的在于，针对目前所存在的不足，提出了一种基于网络搜索机器学习的颅脑肿瘤可视化模型构建系统。2、本发明采用如下技术方案：3、一种基于网络搜索机器学习的颅脑肿瘤可视化模型构建系统，所述系统包括网络数据端、模型构建端和评估反馈端；4、所述网络数据端用于从外界获取颅脑肿瘤的相关信息数据；所述模型构建端基于颅脑肿瘤的相关信息数据构建颅脑肿瘤的可视化模型；所述评估反馈端用于对构建的可视化颅脑肿瘤模型评估并提供反馈信息至模型构建端，以优化颅脑肿瘤模型的构建；5、所述网络数据端包括数据采集模块、数据处理模块、数据标注模块和数据存储模块；所述数据采集模块用于与外界数据源连接获取颅脑肿瘤的相关信息数据，所述数据处理模块用于对数据采集模块获取的数据进行预处理，所述数据标注模块用于对预处理后的数据进行标注；所述数据存储模块用于存储预处理后的数据信息；6、所述模型构建端包括模型构建模块、模型训练模块、模型验证模块和三维可视化渲染模块；所述模型构建模块用于选择和构建用于颅脑肿瘤识别的识别模型；所述模型训练模块用于执行对于识别模型的训练；所述模型验证模块用于使用独立的验证集对识别模型进行评估，以检验其在未见数据上的表现；所述三维可视化渲染模块基于识别模型的输出结果生成高精度的三维可视化模型，所述识别模型的输出结果为对于颅脑肿瘤描述的各种输出特征；7、所述评估反馈端包括反馈收集模块、反馈识别模块和模型调整模块；所述反馈收集模块用于收集用户的直接反馈信息，所述反馈识别模块用于从直接反馈信息中识别出反馈特征信息，所述模型调整模块基于反馈特征信息对识别模型进行优化调整；8、进一步的，所述数据标注模块标注的内容包括预处理后数据在外界数据源中获取的时间戳信息；9、进一步的，所述模型训练模块根据预处理后数据的时间戳将预处理后数据分成多个批次，每个时间戳批次包括了在同一时间段内上传至外界数据源中的数据，其中，每个时间戳批次对应的时间段是唯一的；10、进一步的，所述模型训练模块通过以下步骤完成对于识别模型的训练：11、s31：获取多个连续的时间戳批次的预处理数据作为训练集，设总批次数量为m，距离当前时间最远的时间戳批次的序列批次设置为1，距离当前时间最近的时间戳批次的序列批次设置为m；12、s32：对训练集中所有数据进行处理，使其转化为可用于识别模型输入的输入特征；13、s33：将训练集按序列批次由小到大分批输入至识别模型中对识别模型进行训练，并计算每个批次识别模型输出的损失函数；14、s34：在每个批次训练完成后，使用损失函数通过反向传播更新模型参数，从而优化识别模型，直至所有批次训练完成为止；15、进一步的，所述模型训练模块在训练的过程中，每个批次的损失函数loss设置为：16、17、其中，wi为第i个输出特征的权重，用户可根据先验知识预先设定；v为该时间戳批次的采样时间以及特征丰富度影响权重；yi为第i个输出特征的真实值，为第i个输出特征的模型预测值，γ1和γ2为正则化参数，用于控制模型复杂度和防止过拟合；18、一种基于网络搜索机器学习的颅脑肿瘤可视化模型构建方法，所述方法包括以下步骤：19、s1：从外界数据源中持续获取颅脑肿瘤的相关信息数据；20、s2：构建颅脑肿瘤的识别模型；21、s3：训练并验证颅脑肿瘤的识别模型；22、s4：根据识别模型的输出结果建立三维可视化模型；23、s5：根据用户的反馈信息调整优化识别模型。24、本发明所取得的有益效果是：25、本发明本发明通过网络数据端持续从外界获取颅脑肿瘤的相关信息数据，从而为模型提供最新和详尽的训练数据；通过模型构建端结合训练数据的采样时间以及特征丰富度优化损失函数，使得模型能够更加精准地反映当前医学影像信息；通过评估反馈端收集和分析用户反馈，动态优化模型性能，从而显著提升识别准确性和用户满意度。技术特征：1.一种基于网络搜索机器学习的颅脑肿瘤可视化模型构建系统，其特征在于，所述系统包括网络数据端、模型构建端和评估反馈端；2.根据权利要求1所述的一种基于网络搜索机器学习的颅脑肿瘤可视化模型构建系统，其特征在于，所述数据标注模块标注的内容包括预处理后数据在外界数据源中获取的时间戳信息。3.根据权利要求1所述的一种基于网络搜索机器学习的颅脑肿瘤可视化模型构建系统，其特征在于，所述模型训练模块根据预处理后数据的时间戳将预处理后数据分成多个批次，每个时间戳批次包括了在同一时间段内上传至外界数据源中的数据，其中，每个时间戳批次对应的时间段是唯一的。4.根据权利要求1所述的一种基于网络搜索机器学习的颅脑肿瘤可视化模型构建系统，其特征在于，所述模型训练模块通过以下步骤完成对于识别模型的训练：5.根据权利要求1所述的一种基于网络搜索机器学习的颅脑肿瘤可视化模型构建系统，其特征在于，所述模型训练模块在训练的过程中，每个批次的损失函数loss设置为：6.一种基于网络搜索机器学习的颅脑肿瘤可视化模型构建方法，应用于如权利要求5所述的基于网络搜索机器学习的颅脑肿瘤可视化模型构建系统，其特征在于，所述方法包括以下步骤：技术总结本发明提供了一种基于网络搜索机器学习的颅脑肿瘤可视化模型构建系统，所述系统包括网络数据端、模型构建端和评估反馈端；所述网络数据端用于从外界获取颅脑肿瘤的相关信息数据；所述模型构建端基于颅脑肿瘤的相关信息数据构建颅脑肿瘤的可视化模型；所述评估反馈端用于对构建的可视化颅脑肿瘤模型评估并提供反馈信息至模型构建端，以优化颅脑肿瘤模型的构建；本发明通过结合动态优化的识别模型和用户反馈机制，显著提升了识别准确性和用户满意度。技术研发人员：周娥,刘玲受保护的技术使用者：暨南大学附属第一医院（广州华侨医院）技术研发日：技术公布日：2024/8/15