[發明專利]一種基于深度學習的醫療圖像處理方法在審
| 申請號： | 201710270338.2 | 申請日： | 2017-04-24 |
| 公開（公告）號： | CN107133942A | 公開（公告）日： | 2017-09-05 |
| 發明（設計）人： | 戴川;胡世亮;劉楊;汪遠;倪嶺;李云鵬 | 申請（專利權）人： | 南京天數信息科技有限公司 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00 |
| 代理公司： | 南京鐘山專利代理有限公司32252 | 代理人： | 戴朝榮 |
| 地址： | 210000 江蘇省南京市*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 深度 學習 醫療 圖像 處理 方法 | ||
1.一種基于深度學習的醫療圖像處理方法，其特征在于：包括如下步驟：
一、選用標注好的醫療訓練集圖像對遷移的神經網絡模型進行訓練和適配，獲得經過訓練的醫療診斷模型；
二、根據所述醫療診斷模型的要求轉換醫療圖片的圖像格式，并對所述醫療圖片進行圖像增強處理；
三、提取所述醫療圖片的瓶頸特征，利用所述醫療診斷模型根據所述瓶頸特征進行影像診斷，并輸出診斷結果。
2.根據權利要求1所述的基于深度學習的醫療圖像處理方法，其特征在于：在步驟一中具體包括如下步驟：
對標注好的醫療訓練集圖像進行圖像增強處理，并提取所述醫療訓練集圖像的瓶頸特征；
采用所述瓶頸特征對所述神經網絡模型進行訓練和適配；
判斷訓練和適配后的神經網絡模型是否能夠進行醫療診斷，如果否，則重設所述神經網絡模型，并返回采用所述瓶頸特征對所述神經網絡模型進行訓練和適配步驟，對重設的神經網絡模型進行訓練和適配；
如果是，則判斷所述神經網絡模型是否能夠滿足醫療診斷準確度要求，如果否，則返回采用所述瓶頸特征對所述神經網絡模型進行訓練和適配步驟繼續對所述神經網絡模型進行訓練和適配，如果是，則獲得經過訓練的醫療診斷模型。
3.根據權利要求2所述的基于深度學習的醫療圖像處理方法，其特征在于：在步驟一中，采用深度學習的測試驗證方法對所述神經網絡模型進行測試驗證。
4.根據權利要求2所述的基于深度學習的醫療圖像處理方法，其特征在于：在步驟一中，在所述醫療圖片內，針對結構互不相同的至少兩個病理區域，分別劃分對應的至少兩個訓練區域，并基于每一所述訓練區域訓練相對應的一個子神經網絡模型，且將不同病理區域對應的子神經網絡模型匯總整合形成所述神經網絡模型。
5.根據權利要求4所述的基于深度學習的醫療圖像處理方法，其特征在于：如果在同一病理區域內訓練有至少兩個子神經網絡模型，采用投票或加訓一個Ensemble神經網絡方式對所述至少兩個子神經網絡模型進行整合。
6.根據權利要求1所述的基于深度學習的醫療圖像處理方法，其特征在于：所述圖像增強處理操作包括圖像數據的平衡操作、旋轉操作和平移操作中一個或至少兩個的操作。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京天數信息科技有限公司，未經南京天數信息科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710270338.2/1.html，轉載請聲明來源鉆瓜專利網。
