[發(fā)明專利]一種基于深度學(xué)習(xí)的醫(yī)療圖像處理方法

在審

• 申請?zhí)枺?/td>: 201710270338.2
• 申請日: 2017-04-24
• 公開（公告）號(hào): CN107133942A
• 公開（公告）日: 2017-09-05
• 發(fā)明（設(shè)計(jì)）人: 戴川;胡世亮;劉楊;汪遠(yuǎn);倪嶺;李云鵬
• 申請（專利權(quán)）人: 南京天數(shù)信息科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): 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

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體地涉及一種基于深度學(xué)習(xí)的醫(yī)療圖像處理方法。

背景技術(shù)

前列腺癌變的診斷，可以通過MRI/CT的圖像分析進(jìn)行診斷。目前主要依賴于醫(yī)生的人工經(jīng)驗(yàn)作出診斷。這種模式完全依賴于醫(yī)生資源的分配和供給關(guān)系。但是在許多地方場景(無論時(shí)間上還是空間上)，醫(yī)生資源稀缺，嚴(yán)重不足。傳統(tǒng)的機(jī)器學(xué)習(xí)模型，效果沒有達(dá)到專家醫(yī)生的分析診斷水平。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對現(xiàn)有技術(shù)的缺陷，提供一種能夠提高基于圖像分析的前列腺癌變診斷準(zhǔn)確度的基于深度學(xué)習(xí)的醫(yī)療圖像處理方法。

本發(fā)明的技術(shù)方案如下：一種基于深度學(xué)習(xí)的醫(yī)療圖像處理方法包括如下步驟：

一、選用標(biāo)注好的醫(yī)療訓(xùn)練集圖像對遷移的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和適配，獲得經(jīng)過訓(xùn)練的醫(yī)療診斷模型；

二、根據(jù)所述醫(yī)療診斷模型的要求轉(zhuǎn)換醫(yī)療圖片的圖像格式，并對所述醫(yī)療圖片進(jìn)行圖像增強(qiáng)處理；

三、提取所述醫(yī)療圖片的瓶頸特征，利用所述醫(yī)療診斷模型根據(jù)所述瓶頸特征進(jìn)行影像診斷，并輸出診斷結(jié)果。

優(yōu)選地，在步驟一中具體包括如下步驟：

對標(biāo)注好的醫(yī)療訓(xùn)練集圖像進(jìn)行圖像增強(qiáng)處理，并提取所述醫(yī)療訓(xùn)練集圖像的瓶頸特征；

采用所述瓶頸特征對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和適配；

判斷訓(xùn)練和適配后的神經(jīng)網(wǎng)絡(luò)模型是否能夠進(jìn)行醫(yī)療診斷，如果否，則重設(shè)所述神經(jīng)網(wǎng)絡(luò)模型，并返回采用所述瓶頸特征對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和適配步驟，對重設(shè)的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和適配；

如果是，則判斷所述神經(jīng)網(wǎng)絡(luò)模型是否能夠滿足醫(yī)療診斷準(zhǔn)確度要求，如果否，則返回采用所述瓶頸特征對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和適配步驟繼續(xù)對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和適配，如果是，則獲得經(jīng)過訓(xùn)練的醫(yī)療診斷模型。

優(yōu)選地，在步驟一中，采用深度學(xué)習(xí)的測試驗(yàn)證方法對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測試驗(yàn)證。

優(yōu)選地，在步驟一中，在所述醫(yī)療圖片內(nèi)，針對結(jié)構(gòu)互不相同的至少兩個(gè)病理區(qū)域，分別劃分對應(yīng)的至少兩個(gè)訓(xùn)練區(qū)域，并基于每一所述訓(xùn)練區(qū)域訓(xùn)練相對應(yīng)的一個(gè)子神經(jīng)網(wǎng)絡(luò)模型，且將不同病理區(qū)域?qū)?yīng)的子神經(jīng)網(wǎng)絡(luò)模型匯總整合形成所述神經(jīng)網(wǎng)絡(luò)模型。

優(yōu)選地，如果在同一病理區(qū)域內(nèi)訓(xùn)練有至少兩個(gè)子神經(jīng)網(wǎng)絡(luò)模型，采用投票或加訓(xùn)一個(gè)Ensemble神經(jīng)網(wǎng)絡(luò)方式對所述至少兩個(gè)子神經(jīng)網(wǎng)絡(luò)模型進(jìn)行整合。

優(yōu)選地，所述圖像增強(qiáng)處理操作包括圖像數(shù)據(jù)的平衡操作、旋轉(zhuǎn)操作和平移操作中一個(gè)或至少兩個(gè)的操作。

本發(fā)明提供的技術(shù)方案具有如下有益效果：

所述基于深度學(xué)習(xí)的醫(yī)療圖像處理方法可以完全自動(dòng)化地處理前列腺病灶區(qū)圖像的分析診斷，其分析診斷的精度可以達(dá)到甚至超過國際專家級醫(yī)生的水平；

而且，所述基于深度學(xué)習(xí)的醫(yī)療圖像處理方法所基于的深度學(xué)習(xí)模型是通過大量精準(zhǔn)的有標(biāo)記的病例學(xué)習(xí)而來，并結(jié)合了現(xiàn)代人工智能的核心技術(shù)，從而獲得高精度的醫(yī)療圖像診斷結(jié)果；

此外，由于是計(jì)算機(jī)分析診斷，其處理能力將大大超過人類人工處理的能力和帶寬。

附圖說明

圖1是本發(fā)明實(shí)施例提供的基于深度學(xué)習(xí)的醫(yī)療圖像處理方法的流程示意圖；

圖2是圖1所示基于深度學(xué)習(xí)的醫(yī)療圖像處理方法中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的流程示意圖；

圖3是子神經(jīng)網(wǎng)絡(luò)模型整合為總模型的示意圖；

圖4是前列腺癌的診斷中針對不同生理構(gòu)造區(qū)域訓(xùn)練各自的子神經(jīng)網(wǎng)絡(luò)模型的選擇整合示意圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

除非上下文另有特定清楚的描述，本發(fā)明中的元件和組件，數(shù)量既可以單個(gè)的形式存在，也可以多個(gè)的形式存在，本發(fā)明并不對此進(jìn)行限定。本發(fā)明中的步驟雖然用標(biāo)號(hào)進(jìn)行了排列，但并不用于限定步驟的先后次序，除非明確說明了步驟的次序或者某步驟的執(zhí)行需要其他步驟作為基礎(chǔ)，否則步驟的相對次序是可以調(diào)整的?？梢岳斫?，本文中所使用的術(shù)語“和/或”涉及且涵蓋相關(guān)聯(lián)的所列項(xiàng)目中的一者或一者以上的任何和所有可能的組合。

請參閱圖1，本發(fā)明實(shí)施例提供的基于深度學(xué)習(xí)的醫(yī)療圖像處理方法具體地包括如下步驟：

一、選用標(biāo)注好的醫(yī)療訓(xùn)練集圖像對遷移的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和適配，獲得經(jīng)過訓(xùn)練的醫(yī)療診斷模型。

具體地，如圖2所示，在步驟一中具體包括如下步驟：