[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

摘要

本发明公开了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，所述方法步骤如下：一、基于LDA算法对诊断报告进行主题聚类，将诊断报告按照主题分别进行保存；二、将主题向量作为每一个医学影像的标签；三、将大小不同的CT图和PET图缩放到相同大小作为训练数据，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、构建文本生成模型；五、根据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。该方法能够适用于图像有病灶标注的场景；不需要医生过多地人工总结训练数据标签，仅需要病灶的位置、大小标注即可，在提高正确率的同时有效减少了医生的工作。

主权项

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，Vi＝1代表拥有主题i，Vi＝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。