[发明专利]一种基于深度学习的医疗图像处理方法

权利要求书

1.一种基于深度学习的医疗图像处理方法，其特征在于：包括如下步骤：

一、选用标注好的医疗训练集图像对迁移的神经网络模型进行训练和适配，获得经过训练的医疗诊断模型；

二、根据所述医疗诊断模型的要求转换医疗图片的图像格式，并对所述医疗图片进行图像增强处理；

三、提取所述医疗图片的瓶颈特征，利用所述医疗诊断模型根据所述瓶颈特征进行影像诊断，并输出诊断结果。

2.根据权利要求1所述的基于深度学习的医疗图像处理方法，其特征在于：在步骤一中具体包括如下步骤：

对标注好的医疗训练集图像进行图像增强处理，并提取所述医疗训练集图像的瓶颈特征；

采用所述瓶颈特征对所述神经网络模型进行训练和适配；

判断训练和适配后的神经网络模型是否能够进行医疗诊断，如果否，则重设所述神经网络模型，并返回采用所述瓶颈特征对所述神经网络模型进行训练和适配步骤，对重设的神经网络模型进行训练和适配；

如果是，则判断所述神经网络模型是否能够满足医疗诊断准确度要求，如果否，则返回采用所述瓶颈特征对所述神经网络模型进行训练和适配步骤继续对所述神经网络模型进行训练和适配，如果是，则获得经过训练的医疗诊断模型。

3.根据权利要求2所述的基于深度学习的医疗图像处理方法，其特征在于：在步骤一中，采用深度学习的测试验证方法对所述神经网络模型进行测试验证。

4.根据权利要求2所述的基于深度学习的医疗图像处理方法，其特征在于：在步骤一中，在所述医疗图片内，针对结构互不相同的至少两个病理区域，分别划分对应的至少两个训练区域，并基于每一所述训练区域训练相对应的一个子神经网络模型，且将不同病理区域对应的子神经网络模型汇总整合形成所述神经网络模型。

5.根据权利要求4所述的基于深度学习的医疗图像处理方法，其特征在于：如果在同一病理区域内训练有至少两个子神经网络模型，采用投票或加训一个Ensemble神经网络方式对所述至少两个子神经网络模型进行整合。

6.根据权利要求1所述的基于深度学习的医疗图像处理方法，其特征在于：所述图像增强处理操作包括图像数据的平衡操作、旋转操作和平移操作中一个或至少两个的操作。