一种肺结核检测模型的构建方法及应用技术

本发明专利技术提供了一种肺结核检测模型的构建方法及应用，包括A、获取指定数量的标注有肺结核病灶区域标注框的胸部X光图像；B、对所述胸部X光图像进行图像预处理，以获取预处理后的图像数据；C、选择一基础卷积神经网络模型，将所述预处理后的图像数据输入至所述基础卷积神经网络模型中进行训练，以获取训练后的肺结核检测模型；其中，在所述基础卷积神经网络模型中，根据不同的锚盒anchor尺寸，采用不同形状的卷积核。由上，本申请通过上述模型能够准确地预测肺结核病灶区域，降低漏诊和误诊率。

【技术实现步骤摘要】
一种肺结核检测模型的构建方法及应用
本专利技术涉及医学影像领域，特别是涉及一种肺结核检测模型的构建方法及应用。
技术介绍
作为经济便捷的检测方法，X线胸片是肺结核筛查的主要手段，医生可以通过该X胸片来进行肺结核的诊断，诊断的效率和准确度都依赖于医生的经验水平。但由于缺乏大量专业的医学影像医生，很难保证诊断的效率和准确度。并且肺结核病有各种X线表现，根据临床研究,多种症状经常一起出现。这些都给医生带来了巨大的挑战，使结核病的诊断成为一项艰巨而耗时的工作。因此，目前亟需一种肺结核检测模型，能够更加准确地预测肺结核病灶区域位置，降低漏诊和误诊率。
技术实现思路
有鉴于此，本申请提供一种肺结核检测模型的构建方法及应用，能够准确地预测肺结核病灶区域位置，降低漏诊和误诊率。本申请提供一种肺结核检测模型的构建方法，包括：A、获取指定数量的标注有肺结核病灶区域标注框的胸部X光图像；B、对所述胸部X光图像进行图像预处理，以获取预处理后的图像数据；C、选择一基础卷积神经网络模型，将所述预处理后的图像数据输入至所述基础卷积神经网络模型中进行训练，以获取训练后的肺结核检测模型；其中，在所述基础卷积神经网络模型中本文档来自技高网...

【技术保护点】
1.一种肺结核检测模型的构建方法，其特征在于，包括：A、获取指定数量的标注有肺结核病灶区域标注框的胸部X光图像；B、对所述胸部X光图像进行图像预处理，以获取预处理后的图像数据；C、选择一基础卷积神经网络模型，将所述预处理后的图像数据输入至所述基础卷积神经网络模型中进行训练，以获取训练后的肺结核检测模型；其中，在所述基础卷积神经网络模型训练中，根据不同的锚盒anchor尺寸，采用不同形状的卷积核。

【技术特征摘要】
1.一种肺结核检测模型的构建方法，其特征在于，包括：A、获取指定数量的标注有肺结核病灶区域标注框的胸部X光图像；B、对所述胸部X光图像进行图像预处理，以获取预处理后的图像数据；C、选择一基础卷积神经网络模型，将所述预处理后的图像数据输入至所述基础卷积神经网络模型中进行训练，以获取训练后的肺结核检测模型；其中，在所述基础卷积神经网络模型训练中，根据不同的锚盒anchor尺寸，采用不同形状的卷积核。2.根据权利要求1所述的方法，其特征在于，所述步骤C还包括：将所述基础卷积神经网络模型中所有的锚盒anchor的宽度和高度减半，以使每个正确的病灶区域groudtruth至少匹配一个锚盒anchor。3.根据权利要求2所述的方法，其特征在于，步骤C所述根据不同的锚盒anchor尺寸，采用不同形状的卷积核，具体为：对于宽度小于高度的锚盒anchor，采用3×1卷积核；对于高度小于宽度的锚盒anchor，采用1×3卷积核；对于高度等于宽度的锚盒anchor，采用3×3卷积核。4.根据权利要求1所述的方法，其特征在于，步骤B所述对所述胸部X光图像进行图像预处理，具体为：使用聚类算法从具有窗口宽度WW和窗口位置WP指导值的样本中生成WW和WP的标准值；并通过直方图均衡操作处理，以及利用双线性插值算法进行图像的缩放，将图像双线性插值到1024×1024分辨率。5.根据权利要求1所述的方法，其特征在于，所述肺结核检测模型的分类损失函数的解析式为：Losscls＝0.5-(pt-0.5)2-αt(1-pt)γlog(pt)其中，pt指的是所述肺结核检测的模型输出的检测框对应的分类置...

【专利技术属性】
技术研发人员：柴象飞，郭娜，黎安伟，孟博文，王成，左盼莉，
申请(专利权)人：慧影医疗科技北京有限公司，
类型：发明
国别省市：北京,11