[发明专利]基于能量模型的医学影像阴阳性筛查方法、系统、及设备

说明书

本发明公开了基于能量模型的医学影像阴阳性筛查方法，该方法包括：获得肺部健康数据和肺部疾病数据；在分类模型的基础上定义训练能量函数和数据概率密度，获得深度学习的能量模型，并在能量模型上预设用于区分类内数据和类外数据的能量分数阈值；计算待测试数据的实际能量分数并将其与能量分数阈值进行比对，将待测试数据归入类内数据或类外数据，利用分类模型对属于类内数据的待测试数据进行疾病筛查。本发明的基于能量模型的医学影像阴阳性筛查方法，能够有效地将待测试数据归为类内数据或类外数据，对归为类内数据的待测试数据进行正确的疾病筛查。本发明还公开了基于能量模型的医学影像阴阳性筛查系统、设备及介质。

技术领域

本发明涉及基于模型对肺部疾病进行筛查的技术领域，特别是涉及一种基于能量模型的医学影像阴阳性筛查方法、系统、设备及计算机可读存储介质。

背景技术

现有的辅助疾病筛查的学习模型，基本采用分类的思想或基于病灶检测(分割)的思想。但是现有技术存在的缺点是：不论采用分类思想或是采用病灶检测(分割)思想的学习模型，对训练数据的要求普遍较高。基于分类的模型只能对训练集类别内的样本进行分类，而无法对训练时没有见过的类别数据进行正确分类；基于病灶检测(分割)的模型则需要大量带有位置标签的病灶数据作为训练样本，也无法正确处理训练时没有见过的病灶类型。实际情况下，疾病类型是多种多样的，训练数据无法包含所有可能出现的疾病类型。在临床领域，实际数据中极有可能出现训练集未包含的类型数据，这就对疾病筛查模型提出了更高的要求。

发明内容

基于此，本发明的目的在于，提供一种基于能量模型的医学影像阴阳性筛查方法、系统、设备及计算机可读存储介质，其先有效地将待测试数据归为类内数据或类外数据，然后再对归为类内数据的待测试数据进行正确的疾病筛查。

本发明的目的通过以下技术方案实现：

第一方面，一种基于能量模型的医学影像阴阳性筛查方法，包括以下步骤：

获得肺部健康数据；

获取三维的疾病肺部图像，并在所获取的疾病肺部图像上获得肺部疾病数据；

对所获得的肺部疾病数据进行数据预处理和数据增强处理；

利用所述肺部健康数据和所述肺部疾病数据建立分类模型，再在所述分类模型的基础上定义训练能量函数和数据概率密度，以获得深度学习的能量模型，并在能量模型上预设用于区分类内数据和类外数据的能量分数阈值；

往所述能量模型输入待测试数据，通过所述能量模型计算所述待测试数据的实际能量分数，将待测试数据的实际能量分数与预设的能量分数阈值进行比对，以将待测试数据归入类内数据或类外数据，若待测试数据为类内数据，则利用分类模型对所述待测试数据进行疾病筛查。

本发明的基于能量模型的医学影像阴阳性筛查方法，对所获得的肺部疾病数据进行数据预处理和数据增强处理能够保证数据的准确性和统一性，降低系统或设备等运行该方法的难度；在分类模型的基础上定义训练能量函数与数据概率密度，通过学习作为训练数据的肺部健康数据和肺部疾病数据的特征，获得深度学习的能量模型，使得训练类别内的数据(本文称之为“类内数据”)具有较高的概率密度，而训练类别之外的数据(本文称之为“类外数据”)具有较低的概率密度；然后将待测试数据输入能量模型，通过计算待测试数据的实际能量分数并将其与预设的能量分数阈值进行比对，从而有效地区分类内数据和类外数据，并通过分类模型对类内数据进行正确的疾病筛查，提高肺部疾病筛查的准确性。

进一步优选地，所述数据预处理包括设定HU值上下界处理、屏蔽骨区域处理、以及数据归一化处理；所述数据增强处理包括数据RESIZE处理、数据旋转处理、以及数据翻转处理。