[发明专利]肺结核判定方法、装置、计算机设备及存储介质

说明书

本发明公开了一种肺结核判定方法、装置、计算机设备及存储介质，涉及人工智能技术领域。该肺结核判定方法包括：获取待分类胸部X光片图像；按照预设的图像处理步骤，将待分类胸部X光片图像转换为待分类目标图像，其中，待分类目标图像的分辨率和维度与训练肺结核分类模型的目标图像样本相同；将待分类目标图像输入到肺结核分类模型中，得到预测概率，预测概率为预测肺结核为阳性的概率，当预测概率大于预设阈值时，判定与待分类目标图像对应的待分类胸部X光片图像存在肺结核。采用该肺结核判定方法能够在保证准确率较高的前提下，实现对肺结核的快速判定。

【技术领域】

本发明涉及人工智能技术领域，尤其涉及一种肺结核判定方法、装置、计算机设备及存储介质。

【背景技术】

肺结核是一种影响着许多人口的疾病，需要准确的诊断后才可以进行治疗。目前医院中通常都有X光机，但部分相关工作人员缺乏放射学专业知识来准确评估图像，导致诊断效果差；部分相关工作人员可进行手动检查X光片，但是任务比较耗时，筛选成本较大。目前无法实现在保证准确率较高的前提下，实现对肺结核的快速判定。

【发明内容】

有鉴于此，本发明实施例提供了一种肺结核判定方法、装置、计算机设备及存储介质，用以解决目前无法实现在保证准确率较高的前提下，实现对肺结核的快速判定的问题。

第一方面，本发明实施例提供了一种肺结核判定方法，包括：

获取待分类胸部X光片图像；

按照预设的图像处理步骤，将所述待分类胸部X光片图像转换为待分类目标图像，其中，所述待分类目标图像的分辨率和维度与训练肺结核分类模型的目标图像样本相同；

将所述待分类目标图像输入到所述肺结核分类模型中，得到预测概率，所述预测概率为预测肺结核为阳性的概率，当所述预测概率大于预设阈值时，判定与所述待分类目标图像对应的所述待分类胸部X光片图像存在肺结核，其中，所述肺结核分类模型采用的模型训练步骤包括：

构建训练样本集，其中，所述训练样本集包括用于模型训练的目标图像样本和用于模型测试的目标图像样本，所述用于模型训练的目标图像样本和用于模型测试的目标图像样本之间不存在相同的目标图像样本；

采用ResNet-50网络作为训练的深度神经网络，并将预训练得到的权值作为所述ResNet-50网络初始的权值；

将所述用于模型训练的目标图像样本输入到所述ResNet-50网络中训练，输出结果为肺结核阳性的预测概率；

根据所述预测概率更新所述ResNet-50网络的权值，直到更新的变化量均小于第一预设阈值时停止训练，得到待测试模型；

采用所述用于模型测试的目标图像样本测试所述待测试模型，当所述待测试模型输出的测试结果的准确率大于预设准确率时，将所述待测试模型作为所述肺结核分类模型。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述构建训练样本集，包括：

获取胸部X光片的图像样本以及所述图像样本的标签，其中，所述图像样本为肺结核阳性时，标签为1，所述图像样本为肺结核阴性时，标签为0；

将所述图像样本处理为预设分辨率的图像样本，其中，对于分辨率高于预设分辨率的图像样本，采用下采样的方法将所述图像样本的分辨率下采样至所述预设分辨率，对于分辨率低于所述预设分辨率的图像样本，采用双线性插值法将所述图像样本的分辨率上采样至所述预设分辨率；

将所述预设分辨率的图像样本的每个像素点的值归一化到[-1，1]的区间内；

将归一化处理后的所述图像样本进行复制，扩展所述图像样本的维度，得到目标图像样本；