[發明專利]醫學圖像識別模型構建及醫學圖像識別方法、裝置、介質及終端

有效

• 申請號: 202010530164.0
• 申請日: 2020-06-11
• 公開（公告）號: CN111680755B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 翟廣濤;劉劍楠;劉子甲;韓婧;周子疌;吳昊;張喬宇
• 申請（專利權）人: 上海交通大學醫學院附屬第九人民醫院
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/84;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 倪靜

1.一種基于并行網絡的醫學圖像識別模型構建方法，其特征在于，包括：

獲取醫學圖像數據，并對其進行預處理，以建立圖像數據集；

將預訓練的多層深度殘差網絡和多層視覺幾何組網絡并聯連接，以生成并行網絡模型；所述并行網絡模型的生成方式包括：獲取所述預訓練的多層深度殘差網絡和多層視覺幾何組網絡，并刪除多層深度殘差網絡的全局平均池化層與全連接層，以及刪除多層視覺幾何組網絡的全連接層；將刪除處理后的深度殘差網絡和視覺幾何組網絡并聯連接，以生成預訓練模型；為所述預訓練模型增設新層，以生成所述并行網絡模型；所述新層由多個卷積層、單/多個全局平均池化層以及單/多個具有激活函數的全連接層堆疊生成，所述新層中全連接層的輸出經過激活函數激活，得到一個多維矢量，矢量中的值對應于圖像類型的預測分值，預測分值越高，圖像為對應類型的概率便越高；

利用所述圖像數據集對所述并行網絡模型進行訓練，以獲得醫學圖像識別模型；所述醫學圖像識別模型的生成方式包括：凍結所述并行網絡模型中除所述新層之外的所有隱藏層的權值；利用所述圖像數據集對權值凍結后的并行網絡模型進行反向傳播訓練，以生成所述醫學圖像識別模型。

2.根據權利要求1所述的方法，其特征在于，所述方法包括：采用優化算法對所述醫學圖像識別模型進行參數優化處理。

3.根據權利要求1所述的方法，其特征在于，所述圖像數據的預處理包括：定義感興趣區域、進行圖像裁剪、增強圖像對比度和標簽標記圖像。

4.根據權利要求1所述的方法，其特征在于，所述方法包括：采用數據增強技術以增大圖像數據集；所述數據增強技術包括顏色變換、幾何變換、圖像旋轉、圖像翻轉中的任一種或多種的組合。

5.一種基于并行網絡的醫學圖像識別方法，其特征在于，包括：

獲取待識別的醫學圖像；

將所述待識別的醫學圖像輸入醫學圖像識別模型，并輸出對應的疾病類型信息；其中，所述醫學圖像識別模型是根據圖像數據集對并行網絡模型進行訓練得到的，采用如權利要求1至4中任一項所述基于并行網絡的醫學圖像識別模型構建方法。

6.一種醫學圖像識別模型構建裝置，實施如權利要求1至4中任一項所述基于并行網絡的醫學圖像識別模型構建方法，其特征在于，包括：

圖像數據集建立模塊，獲取醫學圖像數據，并對其進行預處理，以建立圖像數據集；

并行網絡模型生成模塊，將預訓練的多層深度殘差網絡和多層視覺幾何組網絡并聯連接，以生成并行網絡模型；

醫學圖像識別模型生成模塊，利用所述圖像數據集對所述并行網絡模型進行訓練，以獲得醫學圖像識別模型。

7.一種醫學圖像識別裝置，其特征在于，包括：

醫學圖像獲取模塊，獲取待識別的醫學圖像；

醫學圖像識別模塊，將所述待識別的醫學圖像輸入醫學圖像識別模型，并輸出對應的疾病類型信息；其中，所述醫學圖像識別模型是根據圖像數據集對并行網絡模型進行訓練得到的，采用如權利要求1至4中任一項所述基于并行網絡的醫學圖像識別模型構建方法。

8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至4中任一項所述基于并行網絡的醫學圖像識別模型構建方法。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求5所述基于并行網絡的醫學圖像識別方法。

10.一種電子終端，其特征在于，包括：處理器及存儲器；

所述存儲器用于存儲計算機程序；所述處理器用于執行所述存儲器存儲的計算機程序，以使所述終端執行如權利要求1至4中任一項所述基于并行網絡的醫學圖像識別模型構建方法。

11.一種電子終端，其特征在于，包括：處理器及存儲器；

所述存儲器用于存儲計算機程序；所述處理器用于執行所述存儲器存儲的計算機程序，以使所述終端執行如權利要求5所述基于并行網絡的醫學圖像識別方法。