买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西交利物浦大学

摘要：本发明揭示了医疗图像分类模型的训练方法、系统、存储介质及医疗图像处理装置，其中医疗图像分类模型的训练方法包括如下步骤：S1，从获取的具有不同类型的间质性肺病或正常肺部的每张普通RGB色彩图中提取出图像块并对图像块进行标记；S2，分析肺部种类与医疗位置数据的相关性；S3，将S1中提取的图像块根据人体器官对应的亨氏单位扩充为三通道亨氏单位图；S4，将S2、S3处理得到的结果输入到基于复合卷积神经网络的医疗图像分类模型中进行模型训练，至模型收敛。本发明的方法与现有传统学习模型相比，大幅度提高了分类效率与准确度，实用性强；与现有深度学习模型相比，加入了额外的医疗与位置信息，使得该方法更加适用于医疗图像的分类。

主权项：1.医疗图像分类模型的训练方法，其特征在于：包括如下步骤：S1，获取由不同类型间质性肺病的肺部CT切面图及正常肺部的肺部CT切面图转变而成的普通RGB色彩图，从获取的每张普通RGB色彩图中提取出具有一种类型间质性肺病或正常肺部的图像块并对图像块进行标记；所述间质性肺病类型包括肺气肿，肺部毛玻璃样，肺部纤维化与肺部微结节；S2，提取每个图像块所在的医疗位置数据，并分析肺部种类与医疗位置数据的相关性；S3，将S1中提取的图像块根据人体器官对应的亨氏单位扩充为三通道亨氏单位图；S4，将S2、S3处理得到的肺部种类与医疗位置数据的相关性信息及三通道亨氏单位图输入到基于复合卷积神经网络的医疗图像分类模型中进行模型训练，至模型收敛；所述S1包括通过滑动窗口在每张普通RGB色彩图上逐行滑动提取图像块，并存储每个图像块对应的信息；所述滑动窗口的尺寸为32×32；所述信息包括图像块所对应的间质性肺部疾病种类、图像块在普通RGB色彩图上的坐标及图像块对应的医疗位置数据，所述医疗位置数据即图像块显示区域在真实肺部中的位置，所述医疗位置包括肺部顶端，肺的基部，扩散位置，肺部周区以及胸膜下的区域；所述S1中，当滑动窗口中间质性肺病区域面积或正常肺部区域面积占比不低于75％时，提取相应的图像块，并进行标记，同一种间质性肺病对应的图像块采用同一种标记，不同间质性肺病对应的图像块及正常肺部对应的图像块采用不同的标记；所述S2步骤包括：S21，提取每个图像块所对应的医疗位置数据，并将其与图像块的标记存储为一个字符对；S22，将全部字符对进行统计学分析以验证肺部种类与医疗位置数据的相关性；所述S3中，所述三通道包括用于展现肺部一般特征的正常通道、用于描述低强度区域的低衰减通道以及用于描述高强度区域的高衰减通道；所述S4包括：S41，使用复合卷积神经网络提取各个三通道亨氏单位图的图像特征；所述S41复合卷积神经网络包括Xception卷积神经网络和Inception-v3卷积神经网络；S42，使用包括但不限于ReLU的激活函数对所提取的图像特征采用非线性变换进行降采样操作；S43，使用最大池化层获得三通道亨氏单位图的低分辨率图像，并使用步骤S41、S42中所提方法提取不同分辨率下的图像特征并进行降采样操作；S44，模型的最后一层卷积层使用Softmax函数 获得每个三通道亨氏单位图属于各个肺部种类的概率；S45，使用肺部种类与医疗位置数据的相关性信息产生位置向量与上述产生的属于各个肺部种类的概率相乘，得到每个三通道亨氏单位图属于各个肺部种类的最终概率；S46，模型使用交叉熵损失函数 进行训练。

全文数据：

权利要求：

百度查询： 西交利物浦大学 医疗图像分类模型的训练方法、系统、存储介质及医疗图像处理装置