[发明专利]胸部X射线影像分析方法和装置在审

专利信息
申请号: 201911407228.1 申请日: 2019-12-31
公开(公告)号: CN111242897A 公开(公告)日: 2020-06-05
发明(设计)人: 高凯;郭婷婷;刘敬禹;王亦洲 申请(专利权)人: 北京深睿博联科技有限责任公司;杭州深睿博联科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/62;G06T7/73
代理公司: 北京天方智力知识产权代理事务所(普通合伙) 11719 代理人: 谷成
地址: 102209 北京市昌平区北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 胸部 射线 影像 分析 方法 装置
【说明书】:

本申请实施例提供了一种胸部X射线影像分析方法和装置,解决了现有影像分析方式的效率低和准确率低的问题。该胸部X射线影像分析方法包括:获取胸部X射线影像;将所述胸部X射线影像输入神经网络检测模型进行分析,其中,所述神经网络检测模型基于预学习的训练过程建立;以及获得所述神经网络检测模型输出的所述胸部X射线影像是否包括病灶的分析结果。

技术领域

本申请涉及影像分析技术领域,具体涉及一种胸部X射线影像分析方法、装置、电子设备和计算机可读存储介质。

背景技术

结核病是全球十大死因之一,致死率高于艾滋病。目前全球每年的新发病例约1000万,其中9%来自中国,这些新发病例主要集中在经济落后、环境闭塞的地区。由于结核的高传染性,有进行大面积甚至全区域筛查的需求;同时由于这些地区医疗资源匮乏,利用胸部X射线影像来进行初筛也成为了常规手段。

目前,对于胸部X射线影像的肺结核筛查,主要依靠放射医师的人工阅片,识别结核病灶的位置、形态、尺寸等特征,从而进行分析。然而,现有基于人工的胸部X射线影像分析方式,在基层医院人手不足时,无法进行全面的筛查,效率较低;或者,当基层医师的水平欠缺时,在对X射线影像进行分析时的准确率也较低。

发明内容

有鉴于此,本申请实施例提供了一种胸部X射线影像分析方法和装置,解决了现有影像分析方式的效率低和准确率低的问题。

根据本申请的一个方面,本申请一实施例提供的一种胸部X射线影像分析方法包括:获取胸部X射线影像;将所述胸部X射线影像输入神经网络检测模型进行分析,其中,所述神经网络检测模型基于预学习的训练过程建立;以及获得所述神经网络检测模型输出的所述胸部X射线影像是否包括病灶的分析结果。

在本申请一实施例中,所述神经网络检测模型包括:特征提取网络、特征融合网络、区域举荐网络、和分类回归网络;其中,所述将所述胸部X射线影像输入神经网络检测模型进行分析包括:将所述胸部X射线影像输入所述特征提取网络以获取目标特征图;将所述胸部X射线影像输入所述区域举荐网络以获取目标区域;基于所述特征提取网络获取所述目标区域的目标区域特征图;将所述目标特征图和所述目标区域特征图输入所述特征融合网络获得融合特征图;以及将所述融合特征图输入所述分类回归网络以获得分类结果,其中,所述分类结果为所述胸部X射线影像是否包括病灶。

在本申请一实施例中,所述神经网络检测模型进一步包括:指导检查网络;其中,所述将所述胸部X射线影像输入神经网络检测模型进行分析进一步包括:基于所述指导检查网络获取所述区域举荐网络输出的所述目标区域的重要性参数;以及基于所述重要性参数更新所述区域举荐网络的参数。

在本申请一实施例中,所述神经网络检测模型基于如下的训练过程建立:获取带有标准病灶信息的胸部X射线影像样本作为训练集;将所述训练集输入初始深度神经网络进行分析;将所述初始深度神经网络输出的预测病灶结果与所述标准病灶信息对比以计算损失值;以及基于所述损失值以梯度回传的方式更新所述初始深度神经网络的参数。

在本申请一实施例中,在将所述胸部X射线影像输入神经网络检测模型进行分析之前,所述方法进一步包括:对所述胸部X射线影像进行图像增强预处理。

根据本申请的一个方面,本申请一实施例提供的一种胸部X射线影像分析装置包括:第一获取模块,配置为获取胸部X射线影像;分析模块,配置为将所述胸部X射线影像输入神经网络检测模型进行分析,其中,所述神经网络检测模型基于预学习的训练过程建立;以及第二获取模块,配置为获得所述神经网络检测模型输出的所述胸部X射线影像是否包括病灶的分析结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京深睿博联科技有限责任公司;杭州深睿博联科技有限公司,未经北京深睿博联科技有限责任公司;杭州深睿博联科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911407228.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top