基于人工智能的图像检测方法、装置、设备及存储介质与流程

本技术涉及人工智能开发与数字医疗领域，尤其涉及基于人工智能的图像检测方法、装置、计算机设备及存储介质。

背景技术：

1、在医学领域中，腕、踝等小关节主动或被动活动范围受限是临床上非常常见的问题。目标常见的关节运动功能的评估通常是使用预先安装在设备内的评估规则来对输入的关节图像进行评估，从而生成关节图像的评估结果。评估规则通常是以量角器为主的测量工具测量关节最大活动度，并结合人工评估来生成对于关节图像的最终评估结果，这样的基于评估规则的关节运动功能的评估方式存在检测效率低且检测成本高的问题。

技术实现思路

1、本技术实施例的目的在于提出一种基于人工智能的图像检测方法、装置、计算机设备及存储介质，以解决现有的常见的关节运动功能的评估通常是使用预先安装在设备内的评估规则来对输入的关节图像进行评估，从而生成关节图像的评估结果，这样的基于评估规则的关节运动功能的评估方式存在检测效率低且检测成本高的问题的技术问题。

2、为了解决上述技术问题，本技术实施例提供一种基于人工智能的图像检测方法，采用了如下所述的技术方案：

3、获取目标用户的关节图像；

4、调用预设的特征数据库；

5、基于所述特征数据库对所述关节图像进行无关图像筛除，得到对应的目标图像；

6、基于预设的多分类模型对所述目标图像进行合规校验，得到与所述目标图像对应的校验结果；

7、若所述校验结构为校验通过，基于预设的检测模型对所述目标图像进行检测，生成与所述目标图像对应的目标检测结果。

8、进一步的，所述基于所述特征数据库对所述关节图像进行无关图像筛除，得到对应的目标图像的步骤，具体包括：

9、构建与所述关节图像对应的第一特征向量；

10、将所述第一特征向量与所述特征数据库中包括的所有第二特征向量进行相似度计算，生成所述第一特征向量与各所述第二特征向量之间的相似度；

11、基于所述相似度，获取与所述第一特征向量对应的数值最高的目标相似度；

12、基于所述目标相似度从所述关节图像中筛选出无关图像；

13、对所述关节图像中的所述无关图像进行筛除处理，得到筛除后的所述目标图像。

14、进一步的，所述基于所述目标相似度从所述关节图像中筛选出无关图像的步骤，具体包括：

15、获取第三特征向量对应的指定相似度；其中，所述第三特征向量为所有所述第一特征向量中的任意一个向量；

16、判断所述指定相似度是否小于预设的相似度阈值；

17、若是，获取与所述第三特征向量对应的指定图像；

18、将所述指定图像作为所述关节图像中的无关图像。

19、进一步的，所述基于预设的多分类模型对所述目标图像进行合规校验，得到与所述目标图像对应的校验结果的步骤，具体包括：

20、调用所述多分类模型；

21、将所述目标图像输入至所述多分类模型内；

22、通过所述多分类模型对所述目标图像进行分类处理，得到与所述目标图像对应的分类结果；

23、基于所述分类结果生成与所述目标图像对应的校验结果。

24、进一步的，在所述基于预设的检测模型对所述目标图像进行检测，生成与所述目标图像对应的目标检测结果的步骤之后，还包括：

25、获取预设的置信度评估公式；

26、基于所述置信度评估公式生成与所述目标检测结果对应的置信度；

27、获取所述目标用户的通讯信息；

28、基于所述通讯信息，将所述置信度推送给所述目标用户。

29、进一步的，在所述基于预设的多分类模型对所述目标图像进行合规校验，得到与所述目标图像对应的校验结果的步骤之后，还包括：

30、若所述校验结果为校验未通过，获取与所述校验结果对应的指定分类结果；

31、获取与所述指定分类结果对应的指定信息模板；

32、基于所述指定分类结果与所述指定信息模板生成对应的错误类别提醒信息；

33、展示所述错误类别提醒信息。

34、进一步的，在所述调用预设的特征数据库的步骤之前，还包括：

35、采集预设数量的正确拍摄的指定关节图像；

36、通过预设的提取模型对所述指定关节图像进行特征提取，得到与所述指定关节图像对应的图像特征向量；

37、将所述图像特征向量存储至所述特征数据库内。

38、为了解决上述技术问题，本技术实施例还提供一种基于人工智能的图像检测装置，采用了如下所述的技术方案：

39、第一获取模块，用于获取目标用户的关节图像；

40、调用模块，用于调用预设的特征数据库；

41、处理模块，用于基于所述特征数据库对所述关节图像进行无关图像筛除，得到对应的目标图像；

42、校验模块，用于基于预设的多分类模型对所述目标图像进行合规校验，得到与所述目标图像对应的校验结果；

43、第一生成模块，用于若所述校验结构为校验通过，基于预设的检测模型对所述目标图像进行检测，生成与所述目标图像对应的目标检测结果。

44、为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：

45、获取目标用户的关节图像；

46、调用预设的特征数据库；

47、基于所述特征数据库对所述关节图像进行无关图像筛除，得到对应的目标图像；

48、基于预设的多分类模型对所述目标图像进行合规校验，得到与所述目标图像对应的校验结果；

49、若所述校验结构为校验通过，基于预设的检测模型对所述目标图像进行检测，生成与所述目标图像对应的目标检测结果。

50、为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

51、获取目标用户的关节图像；

52、调用预设的特征数据库；

53、基于所述特征数据库对所述关节图像进行无关图像筛除，得到对应的目标图像；

54、基于预设的多分类模型对所述目标图像进行合规校验，得到与所述目标图像对应的校验结果；

55、若所述校验结构为校验通过，基于预设的检测模型对所述目标图像进行检测，生成与所述目标图像对应的目标检测结果。

56、与现有技术相比，本技术实施例主要有以下有益效果：

57、本技术实施例首先加载基于资源位埋点规则预先生成埋点的目标页面；然后调用与所述目标页面对应的目标接口；之后基于所述目标接口收集用户在预设时间段内，与所述目标页面中的目标资源位对应的业务埋点数据；后续基于所述业务埋点数据生成与所述目标资源位对应的产品转化数据；最后基于所述产品转化数据对所述目标资源位内的产品进行推荐替换处理。本技术实施例通过使用预先构建的检测模型对关节图像进行检测，可以实现快速准确地生成与关节图像对应的检测结果，可以有效解决现有的关节运动功能的评估方式存在的检测效率低且检测成本高的问题，提高对于关节图像的检测效率，保证了生成的关节图像的检测结果的准确度。另外，本技术在使用检测模型对关节图像进行检测之前，还会智能地使用特征数据库对关节图像进行无关图像筛除，以及使用预设的多分类模型对关节图像进行合规校验，以进行对于待处理的关节图像的质控判断，以确保后续处理的关节图像的合规性，有利于减少后续检测模型进行图像检测处理的模型错误率。