[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

说明书

本公开实施例公开了一种用于胸部X光片识别的信息处理方法、模型训练方法，其中用于胸部X光片识别的信息处理方法首先对原始胸部X光片图像进行预处理，得到待识别胸部X光片；而后将所述待识别胸部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；最后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，确定目标概率值对应的分类结果。通过DenseNet神经网络模型对胸部X光片进行识别，可得到具体的肺部疾病类型，而后对识别得到胸部X光片进行三分类，提高了门诊X光片的识别速度和准确率，进而克服了现有技术识别速度慢、准确率低的技术问题。

技术领域

本公开涉及图像识别技术领域，具体涉及到一种用于胸部X光片识别的信息处理方法、模型训练方法。

背景技术

随着就医人数的增加，尤其是面对门诊的庞大的X光片数量，门诊医生逐一阅片的耗时时间长而效率比较低下。

发明内容

本公开的主要目的在于提供一种用于胸部X光片识别的信息处理方法、模型训练方法，以解决门诊胸部X光片阅片效率低的问题。

为了实现上述目的，根据本公开的第一方面，提供了一种用于胸部X光片识别的信息处理方法，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；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。

可选地，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。

可选地，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三类结果：无异常胸片类别、疑似异常胸片类别和确认异常胸片类别。

可选地，预先设定的概率阈值包括：将测试集中的每一个胸部X光片测试样本输入至预先训练的DenseNet神经网络模型中，得到每一个测试样本的预测概率值、和预测胸部疾病类型；标定每一个测试样本的分类标签，其中，分类标签包括不患病类别和患病类别；设定测试概率阈值，并使测试概率阈值按照预设的步长进行变化，得到多个测试概率阈值；基于所述预测概率值、所述预测胸部疾病类型、所述每一个测试样本的分类标签和设定的每一个测试概率阈值，确定用于区分分类结果的概率阈值和概率范围。

根据本公开的第二方面，提供了一种用于胸部X光片识别模型的训练方法，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。

可选地，方法还包括：将数据集划分为样本集和测试集；将测试集中的每一个胸部X光片测试样本输入至预先训练的DenseNet神经网络模型中，得到每一个测试样本的预测概率值、和预测胸部疾病类型；标定每一个测试样本的分类标签，其中，分类标签包括不患病类别和患病类别；设定测试概率阈值，并使测试概率阈值按照预设的步长进行变化，得到多个测试概率阈值；基于所述预测概率值、所述预测胸部疾病类型、所述每一个测试样本的分类标签和设定的每一个测试概率阈值，确定用于区分分类结果的概率阈值和概率范围。