[发明专利]用于胸部X光片识别的信息处理方法、模型训练方法

权利要求书

1.一种用于胸部X光片识别的信息处理方法，其特征在于，包括：

对原始胸部X光片图像进行预处理，得到待识别胸部X光片；

将所述待识别胸部X光片输入至预先训练的DenseNet神经网络模型中，得到所述待识别胸部X光片对应的胸部疾病类型的目标概率值；其中，胸部X光片对应的胸部疾病类型包括14种类型；并将识别得到14种疾病的概率值中最大概率确定为目标概率值；其中，训练DenseNet神经网络模型包括：对样本集中的胸部X光片进行预处理，得到待训练胸部X光片；将所述待训练胸部X光片对应的疾病类型作为标签；将所述待训练胸部X光片作为预建立的DensNet网络模型的输入，以所述标签为目标，对所述DensNet网络模型进行训练，得到所述待训练胸部X光片对应于标签匹配概率；

基于预先设定的概率阈值、以及概率阈值确定的概率范围所对应的分类结果，确定所述目标概率值对应的分类结果；分类结果无异常胸片、疑似异常胸片和确认异常胸片；其中，对X光片进行三分类，保证分类模型在“患病”及“不患病”的两类X光片精确度极高的情况下对影像进行筛选；

其中，疑似异常胸片类别的概率范围包括：首先标定每一个测试样本的分类标签，包括通过人工标定的方式，对胸部X光片进行患病标定、和不患病标定；而后在确定不患病胸部X光片时，在初始阈值的基础上按照预设的步长进行递减，在每一次递减后，需要判断满足当前概率阈值的测试样本其对应的分类标签是否包括“患病”，如果包括“患病”的测试样本，那么继续递减当前阈值；如果不包括“患病”的测试样本，将此时的目标阈值设定为“不患病”分类结果的阈值，将小于该目标阈值的概率范围确定为“无异常胸片类别”分类结果的概率范围；

在确定患病胸部X光片时，在上述目标阈值的基础上按照预设的步长进行递增，在每一次递增后，需要判断满足当前概率阈值的测试样本其对应的分类标签是否包括“不患病”类别，如果包括“不患病”的测试样本，那么继续递增当前阈值；如果不包括“不患病”的测试样本，则判断每一个“患病”类别的测试样本的胸部疾病类型是否准确，如果疾病类型有误，则继续递增当前阈值，直到达到目标阈值时，既不存在“不患病”的测试样本，同时每一个“患病”类别的测试样本的胸部疾病类型准确，将此时的阈值设定为“确认异常胸片类别”分类结果的阈值，将大于该目标阈值的概率范围确定为“确认异常胸片类别”分类结果的概率范围；

将大于“无异常胸片类别”的阈值、以及小于“确认异常胸片类别”的阈值确定的概率范围，作为“疑似异常胸片类别”的概率范围。