[发明专利]一种基于深度学习方法的自动生成医学影像诊断报告的方法

权利要求书

1.一种基于深度学习方法的自动生成医学影像诊断报告的方法，其特征在于所述方法步骤如下：

一、基于LDA算法对医学影像诊断报告进行主题聚类，将每一个主题对应的文本分别汇总到同一个文件并保存，其中：每一张医学影像得到诊断报告对应的主题向量V，主题向量的维度为设置维度主题数量，V_i＝1代表拥有主题i，V_i＝0代表没有主题i；

二、将主题向量作为每一个医学影像的标签，将大小不同的CT图和PET图缩放到相同的大小，合并大小相同的单通道CT图和PET图得到双通道图；以圆心坐标和半径表示影像中肿瘤的位置和大小，在标签圆中随机采样，以采样点为中心，从双通道图中截取出正方形图像，取所有正方形中最大的边长作为标准大小，将其余的采样结果都填充边界到标准大小；

三、将大小统一后的图像作为训练数据，主题向量作为标签，以VGGNet-19为网络模型进行训练，得到主题向量生成模型；

四、根据步骤一主题分类的结果，构建文本生成模型，将每一个文本作为文本生成模型的语料分别训练文本生成模型，根据训练得到的模型分别生成代表每个主题的文本；

五、根据步骤三训练得到的每一张图片的主题向量，匹配对应主题的文本，得到图像的诊断报告。

2.根据权利要求1所述的基于深度学习方法的自动生成医学影像诊断报告的方法，其特征在于所述医学影像诊断报告为经过文本预处理、HMM中文分词和skip-gram词嵌入处理后的诊断报告。

3.根据权利要求1所述的基于深度学习方法的自动生成医学影像诊断报告的方法，其特征在于所述采样点以5倍圆半径为边长。

4.根据权利要求1所述的基于深度学习方法的自动生成医学影像诊断报告的方法，其特征在于所述padding方式为在采样图的四周补充黑色像素。

5.根据权利要求1所述的基于深度学习方法的自动生成医学影像诊断报告的方法，其特征在于所述LDA算法所用的模块为python下的gensim模块。

6.根据权利要求1所述的基于深度学习方法的自动生成医学影像诊断报告的方法，其特征在于所述LDA算法中设定LDA模型的超参数为0.001。