[发明专利]一种儿童肺炎辅助诊断模型及其训练方法

说明书

本发明提供一种儿童肺炎辅助诊断模型及其训练方法，训练方法：获取儿童肺炎患者的医学图像及对应的医学诊断语句，所述医学图像作为训练图像集合，所述医学诊断语句则作为训练语句；通过CNN神经网络对所述图像训练集数据提取图像深度特征向量，得到深度特征图集，通过word2vec模型对所述训练语句进行词向量训练，得到深度特征向量词集；对所述深度特征图集和所述深度特征向量词集进行特征融合，后通过LSTM神经网络进行训练，即能获得训练好的儿童肺炎辅助诊断模型。本发明通过对现有儿童肺炎患者的医学图像及对应的医学诊断语句进行训练，让训练所得的模型作为医生学习诊断的工具或为医生的临床诊断提供有效的参考意见。

技术领域

本发明涉及医学计算机技术领域，特别涉及一种儿童肺炎辅助诊断模型及其训练方法。

背景技术

肺炎是由病原体感染或吸入羊水及油类和过敏反应等所引起的肺部炎症，主要临床表现为发热、咳嗽、呼吸急促、呼吸困难以及肺部啰音等。儿童肺炎的检查有血常规检查、C反应蛋白试验、病原学检查、胸部X线检查。目前儿童肺炎的诊断一般是配合身体体征及胸腔X光进行检测和诊断，这种诊断方法早期可见肺纹理增强，以后可见到双肺中下野有大小不等的点片状浸润，或融合成片状阴影，常并发肺气肿、肺不张。肺炎是一种影响肺部功能的急性呼吸道感染疾病，肺炎使得肺炎泡发炎导致呼吸道产生脓液，让人呼吸困难。根据世界卫生组织的报告，目前诊断的方法主要是依靠胸部X光检查来诊断肺炎，肺炎在胸部X光图像中表现为不透明增加的区域。

然而胸部X光影像诊断方法往往和影像学医生的经验息息相关。但是同一张胸部X光医学图像，不同时间点或不同医生的判读结果不一致性很高，具有很大的观察者差异。因此，在影像学医生专家稀缺的情况下，如何让没有儿童肺炎胸腔X光诊断经验的医生在面对大量的病患时，也能快速掌握儿童肺炎的影像学特征成为当务之急。而若能实现一种儿童肺炎辅助诊断模型，一方面可以为医生的诊断提供帮助，另一方面还可以让该模型作为医生学习诊断的工具，无疑会为医生的快速成长提供巨大的助力。

发明内容

本发明要解决的技术问题，在于提供一种儿童肺炎辅助诊断模型及其训练方法，通过对现有儿童肺炎患者的医学图像及对应的医学诊断语句进行训练，让训练所得的模型作为医生学习诊断的工具，无疑会为医生的快速成长提供巨大的助力。

第一方面，本发明提供了一种儿童肺炎辅助诊断模型，经由下述步骤训练获得：

S1、获取儿童肺炎患者的医学图像及对应的医学诊断语句，所述医学图像作为训练图像集合，所述医学诊断语句则作为训练语句；

S2、通过CNN神经网络对所述图像训练集数据提取图像深度特征向量，得到深度特征图集，通过word2vec模型对所述训练语句进行词向量训练，得到深度特征向量词集；

S3、对所述深度特征图集和所述深度特征向量词集进行特征融合，获得融合特征集合；

S4、通过LSTM神经网络对所述融合特征集合进行训练，即能获得训练好的儿童肺炎辅助诊断模型。

第二方面，本发明提供了一种儿童肺炎辅助诊断模型的训练方法，其特征在于：包括下述步骤：

S1、获取儿童肺炎患者的医学图像及对应的医学诊断语句，所述医学图像作为训练图像集合，所述医学诊断语句则作为训练语句；

S2、通过CNN神经网络对所述图像训练集数据提取图像深度特征向量，得到深度特征图集，通过word2vec模型对所述训练语句进行词向量训练，得到深度特征向量词集；

S3、对所述深度特征图集和所述深度特征向量词集进行特征融合，获得融合特征集合；

S4、通过LSTM神经网络对所述融合特征集合进行训练，即能获得训练好的儿童肺炎辅助诊断模型。