[發明專利]醫療圖像分類模型的訓練方法、系統、存儲介質及醫療圖像處理裝置

在審

• 申請號: 202011178984.4
• 申請日: 2020-10-29
• 公開（公告）號: CN112259199A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 蘇炯龍;胡華峰
• 申請（專利權）人: 西交利物浦大學
• 主分類號: G16H30/20
• 分類號: G16H30/20;G16H30/40;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京艾普利德知識產權代理事務所(特殊普通合伙) 32297
• 代理人: 陸明耀;顧祥安

本發明揭示了醫療圖像分類模型的訓練方法、系統、存儲介質及醫療圖像處理裝置，其中醫療圖像分類模型的訓練方法包括如下步驟：S1，從獲取的具有不同類型的間質性肺病或正常肺部的每張普通RGB色彩圖中提取出圖像塊并對圖像塊進行標記；S2，分析肺部種類與醫療位置數據的相關性；S3，將S1中提取的圖像塊根據人體器官對應的亨氏單位擴充為三通道亨氏單位圖；S4，將S2、S3處理得到的結果輸入到基于復合卷積神經網絡的醫療圖像分類模型中進行模型訓練，至模型收斂。本發明的方法與現有傳統學習模型相比，大幅度提高了分類效率與準確度，實用性強；與現有深度學習模型相比，加入了額外的醫療與位置信息，使得該方法更加適用于醫療圖像的分類。

技術領域

本發明涉及醫療圖像處理技術領域，尤其是醫療圖像分類模型的訓練方法、系統、存儲介質及醫療圖像處理裝置。

背景技術

隨著電子計算機技術的發展，通過軟件算法實現的圖像自動識別和分類已經能夠初步實現。醫學上一般使用圖像分析系統用于醫療圖像中的檢測及分類，但當遇到真實復雜的疾病信息時，無論是分類準確率還是假陽率都不足以支撐其在實際生活的應用。

間質性肺疾病代表了200多種導致肺組織瘢痕形成的病變，通常會影響肺實質，小肺氣道和肺泡。使用高分辨率計算機斷層掃描對間質性肺病進行初步分類通常被認為是最合適的方案。然而某些類型的間質性可能由于放射科醫生對肺部CT掃描的主觀診斷而被誤診。因此，計算機輔助檢測系統是改善間質性肺病分類的強大輔助工具。使用傳統方法提取描述肺部紋理的特征，例如一階灰度統計，灰度共現矩陣和分形分析，然而它們均存在分類準確率上的不足，并沒有達到完全自動化。

發明內容

本發明的目的就是為了解決現有技術中存在的上述問題，提供一種醫療圖像分類模型的訓練方法、系統、存儲介質及醫療圖像處理裝置。

本發明的目的通過以下技術方案來實現：

醫療圖像分類模型的訓練方法，包括如下步驟：

S1，獲取由不同類型間質性肺病的肺部CT切面圖及正常肺部的肺部CT切面圖轉變而成的普通RGB色彩圖，從獲取的每張普通RGB色彩圖中提取出具有一種類型間質性肺病或正常肺部的圖像塊并對圖像塊進行標記；

S2，提取每個圖像塊所在的醫療位置數據，并分析肺部種類與醫療位置數據的相關性；

S3，將S1中提取的圖像塊根據人體器官對應的亨氏單位擴充為三通道亨氏單位圖；

S4，將S2、S3處理得到的肺部種類與醫療位置數據的相關性信息及三通道亨氏單位圖輸入到基于復合卷積神經網絡的醫療圖像分類模型中進行訓練，至模型收斂。

優選的，所述的醫療圖像分類模型的訓練方法中，所述間質性肺病類型包括肺氣腫，肺部毛玻璃樣，肺部纖維化與肺部微結節。

優選的，所述的醫療圖像分類模型的訓練方法中，所述S1包括通過滑動窗口在每張普通RGB色彩圖上逐行滑動提取圖像塊，所述滑動窗口的尺寸為32×32。

優選的，所述的醫療圖像分類模型的訓練方法中，所述S1中，當滑動窗口中間質性肺病區域面積或正常肺部區域面積占比不低于75％時，提取相應的圖像塊，并進行標記，同一種間質性肺病對應的圖像塊采用同一種標記，不同間質性肺病對應的圖像塊及正常肺部對應的圖像塊采用不同的標記。

優選的，所述的醫療圖像分類模型的訓練方法中，所述S2步驟包括

S21，提取每個圖像塊所對應的醫療位置數據，并將其與圖像塊的標記存儲為一個字符對；

S22，將全部字符對進行統計學分析以驗證肺部種類與醫療位置數據的相關性。