The present disclosure provides an analytical method and an analysis system for a medical image and a storage medium. An analysis method of medical image, the method is realized by the computer, which is characterized in that the method comprises the following steps: training for medical image feature extraction, the training for the medical image with the nature of the tumor label; as the training data set using the extracted features and labels, Adaboost the method of LR weak classifier are iterated to obtain LR strong classifier. In this way, a machine learning classification method implemented by computer is provided. This machine learning classification method can accurately and efficiently model and determine the malignant or benign nature of the tumor, so as to provide doctors with diagnostic reference.
【技术实现步骤摘要】
医学图像的分析方法和分析系统以及存储介质
本公开涉及计算机图像处理领域,具体而言,涉及由计算机实现的医学图像进行建模和分析的领域。
技术介绍
误诊指的是医生错误判断了病人的病情延误了病人治疗。该问题涉及到医疗人员的技术水平和诊断经验,难于通过管理制度进行改善。目前,各种计算机辅助诊疗和智能医疗系统(ComputerAidedDiagnosis,CAD)在医院广泛应用以降低误诊率。在医疗误诊上,严重的误诊情况表现为将恶性的肿瘤(癌症)误诊为良性,由于癌症具有巨大的死亡风险,这种误诊导致严重的医疗事故;另一种表现为将良性的肿瘤误诊为恶性,通常在恶性肿瘤治疗过程中会使用化疗、放疗、手术等治疗方式,这些治疗方式有显著的副作用,严重影响病人生活质量。应当注意,提供在上述背景部分中公开的信息仅用于更好地理解本公开的背景,并且因此可以包含未形成那些本领域技术人员已知的现有技术的信息。
技术实现思路
本专利技术人发现,在国内复杂的医疗环境下,医生存在迫切的需求能够尽量避免上述对于肿瘤的误诊情况,以避免医患矛盾,提高诊疗效果。具体说来,本专利技术人认为,需要一种通过计算机实现的机器学习的分类方法,这种机器学习的分类方法能够准确高效地针对肿瘤的性质是恶性还是良性进行建模和确定,从而为医生提供诊断参考。本专利技术人提出了本专利技术的例如如下技术方案来满足以上需求。根据本专利技术的第一方案,提供一种医学图像的分析方法,所述方法由计算机实现,其特征在于,所述方法包括如下步骤:对用于训练的医学图像进行特征提取,所述用于训练的医学图像具有肿瘤性质的标签;利用所提取的特征和标签作为训练数据集 ...
【技术保护点】
一种医学图像的分析方法,所述方法由计算机实现,其特征在于,所述方法包括如下步骤:对用于训练的医学图像进行特征提取,所述用于训练的医学图像具有肿瘤性质的标签;利用所提取的特征和标签作为训练数据集,用自适应增强(Adaboost)方法对LR(逻辑回归)弱分类器进行迭代,以得到LR强分类器。
【技术特征摘要】
1.一种医学图像的分析方法,所述方法由计算机实现,其特征在于,所述方法包括如下步骤:对用于训练的医学图像进行特征提取,所述用于训练的医学图像具有肿瘤性质的标签;利用所提取的特征和标签作为训练数据集,用自适应增强(Adaboost)方法对LR(逻辑回归)弱分类器进行迭代,以得到LR强分类器。2.根据权利要求1所述的医学图像的分析方法,其特征在于,对用于训练的医学图像进行特征提取的步骤包括:利用至少一层稀疏自编码器神经网络对用于训练的医学图像进行特征提取。3.根据权利要求2所述的医学图像的分析方法,其特征在于,利用至少一层稀疏自编码器神经网络对用于训练的医学图像进行特征提取的步骤包括:利用尺度不变特征变换(SIFT)算法对用于训练的医学图像进行处理,以提取出图像中的极值区域作为候选特征区域;从用于训练的医学图像中选择出具有候选特征区域的医学图像,以利用至少一层稀疏自编码器神经网络进行特征提取。4.根据权利要求2或3所述的医学图像的分析方法,其特征在于,所述方法还包括,在得到LR强分类器后:利用所提取的特征,用得到的LR强分类器进行分类;以及将分类的结果与对应的标签进行比较,如果不一致,则继续LR强分类器的迭代。5.根据权利要求4所述的医学图像的分析方法,其特征在于,所述方法还包括:如果利用所提取的特征得到的分类结果都是错误的,则对所述至少一层稀疏自编码器神经网络进行参数调节。6.根据权利要求2所述的医学图像的分析方法,其特征在于,所述至少一层稀疏自编码器神经网络具有两层或三层,并且...
【专利技术属性】
技术研发人员:韩立通,
申请(专利权)人:京东方科技集团股份有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。