[發(fā)明專利]醫(yī)學(xué)圖像分析方法、醫(yī)學(xué)圖像分析系統(tǒng)以及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201710751978.5
• 申請日: 2017-08-28
• 公開（公告）號: CN107492099B
• 公開（公告）日: 2021-08-20
• 發(fā)明（設(shè)計）人: 李瑩瑩
• 申請（專利權(quán)）人: 京東方科技集團(tuán)股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 北京市柳沈律師事務(wù)所 11105
• 代理人: 彭久云

一種醫(yī)學(xué)圖像分析方法、醫(yī)學(xué)圖像分析系統(tǒng)以及存儲介質(zhì)。該醫(yī)學(xué)圖像分析方法包括：獲取醫(yī)學(xué)圖像；使用神經(jīng)網(wǎng)絡(luò)處理所述醫(yī)學(xué)圖像，確定所述醫(yī)學(xué)圖像的分類結(jié)果；將所述醫(yī)學(xué)圖像輸入到與所述分類結(jié)果相對應(yīng)的輔助診斷裝置中。該醫(yī)學(xué)圖像分析方法可以將各種類型的醫(yī)學(xué)圖像輔助診斷裝置進(jìn)行融合，實現(xiàn)多類醫(yī)學(xué)圖像的自動分析，緩解醫(yī)療資源稀缺且不均衡的現(xiàn)象。

技術(shù)領(lǐng)域

本公開的實施例涉及一種醫(yī)學(xué)圖像分析方法、醫(yī)學(xué)圖像分析系統(tǒng)以及存儲介質(zhì)。

背景技術(shù)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種，其可以對數(shù)據(jù)進(jìn)行表征學(xué)習(xí)。深度學(xué)習(xí)可以采用非監(jiān)督式或半監(jiān)督式的特征學(xué)習(xí)和分層特征提取算法獲取特征。深度學(xué)習(xí)的基本結(jié)構(gòu)是深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)是一種具備至少一個隱含層的人工神經(jīng)網(wǎng)絡(luò)，其可以通過組合低層特征形成更加抽象的高層的表示屬性類別的特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。

發(fā)明內(nèi)容

本公開至少一實施例提供一種醫(yī)學(xué)圖像分析方法，其包括：獲取醫(yī)學(xué)圖像；使用神經(jīng)網(wǎng)絡(luò)處理所述醫(yī)學(xué)圖像，確定所述醫(yī)學(xué)圖像的分類結(jié)果；將所述醫(yī)學(xué)圖像輸入到與所述分類結(jié)果相對應(yīng)的輔助診斷裝置中。

例如，在本公開至少一個實施例提供的醫(yī)學(xué)圖像分析方法中，使用所述神經(jīng)網(wǎng)絡(luò)處理所述醫(yī)學(xué)圖像，確定所述醫(yī)學(xué)圖像的分類結(jié)果，包括：通過所述神經(jīng)網(wǎng)絡(luò)提取所述醫(yī)學(xué)圖像的特征；以及基于所述醫(yī)學(xué)圖像的特征，通過分類器對所述醫(yī)學(xué)圖像進(jìn)行分類以得到所述分類結(jié)果。

例如，在本公開至少一個實施例提供的醫(yī)學(xué)圖像分析方法中，基于所述醫(yī)學(xué)圖像的特征，通過所述分類器對所述醫(yī)學(xué)圖像進(jìn)行分類以得到所述分類結(jié)果，包括：基于所述醫(yī)學(xué)圖像的特征，通過所述分類器計算所述醫(yī)學(xué)圖像針對多個不同類別的多個得分?jǐn)?shù)；根據(jù)所述多個得分?jǐn)?shù)的排序確定所述醫(yī)學(xué)圖像的分類結(jié)果。

例如，在本公開至少一個實施例提供的醫(yī)學(xué)圖像分析方法中，所述多個得分?jǐn)?shù)為多個預(yù)測概率，所述分類結(jié)果與所述多個預(yù)測概率中的最大預(yù)測概率相對應(yīng)。

例如，在本公開至少一個實施例提供的醫(yī)學(xué)圖像分析方法中，所述輔助診斷裝置被配置為分析與所述分類結(jié)果對應(yīng)的醫(yī)學(xué)圖像的特征，所述輔助診斷裝置為輔助診斷裝置組的一部分，所述輔助診斷裝置組的各輔助診斷裝置被配置為分析不同類別的醫(yī)學(xué)圖像的特征。

例如，在本公開至少一個實施例提供的醫(yī)學(xué)圖像分析方法中，所述輔助診斷裝置組中的輔助診斷裝置的數(shù)量與所述多個得分?jǐn)?shù)的數(shù)量相同。

例如，在本公開至少一個實施例提供的醫(yī)學(xué)圖像分析方法中，在獲取所述醫(yī)學(xué)圖像前，所述醫(yī)學(xué)圖像分析方法還包括：在訓(xùn)練階段，利用醫(yī)學(xué)圖像庫中的樣本圖像訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)，以生成所述神經(jīng)網(wǎng)絡(luò)的參數(shù)。

例如，在本公開至少一個實施例提供的醫(yī)學(xué)圖像分析方法中，所述訓(xùn)練階段的損失函數(shù)為對數(shù)似然損失函數(shù)，所述對數(shù)似然損失函數(shù)表示為：

C＝-ln a_y

其中，C表示所述對數(shù)似然損失函數(shù)，y表示所述醫(yī)學(xué)圖像的類別，a_y表示y對應(yīng)的預(yù)測概率。

本公開至少一實施例還提供一種醫(yī)學(xué)圖像分析系統(tǒng)，其與輔助診斷裝置連接。該醫(yī)學(xué)圖像分析系統(tǒng)包括：神經(jīng)網(wǎng)絡(luò)和圖像采集裝置，所述神經(jīng)網(wǎng)絡(luò)包括輸入層和輸出層，所述圖像采集裝置與所述神經(jīng)網(wǎng)絡(luò)的輸入層連接，所述輔助診斷裝置與所述神經(jīng)網(wǎng)絡(luò)的輸出層連接。所述圖像采集裝置被配置為獲取醫(yī)學(xué)圖像。所述神經(jīng)網(wǎng)絡(luò)被配置為：接收并處理所述醫(yī)學(xué)圖像，確定所述醫(yī)學(xué)圖像的分類結(jié)果；以及根據(jù)所述分類結(jié)果將所述醫(yī)學(xué)圖像輸入到所述輔助診斷裝置中。所述輔助診斷裝置被配置為對所述醫(yī)學(xué)圖像進(jìn)行分析。

例如，在本公開至少一個實施例提供的醫(yī)學(xué)圖像分析系統(tǒng)中，所述神經(jīng)網(wǎng)絡(luò)包括分類器，所述神經(jīng)網(wǎng)絡(luò)被配置為提取所述醫(yī)學(xué)圖像的特征，所述分類器被配置為基于所述醫(yī)學(xué)圖像的特征，對所述醫(yī)學(xué)圖像進(jìn)行分類以得到所述分類結(jié)果。