The invention discloses a medical image anomaly detection device based on deep migration, which includes a computer memory, a computer processor and a computer program. The computer memory contains a medical image anomaly detection model. When the computer processor executes the computer program, it realizes the following steps: denoising and sharpening the medical image to be tested, and obtaining The medical input image is obtained; the medical input image is input into the medical image anomaly detection model and output to the detection result through calculation; among them, the medical image anomaly detection model uses training samples to train the medical image anomaly detection network composed of feature extraction unit, attention unit and classification unit. The device can detect the abnormal medical image quickly.
【技术实现步骤摘要】
基于深度迁移的医疗影像异常检测装置
本专利技术属于医疗影像异常检测领域,具体涉及一种基于深度迁移的医疗影像异常检测装置。
技术介绍
医疗影像的异常检测,如骨骼肌X光片的异常检测,具有重要的临床应用价值。首先,异常检测检测模型可以用于工作列表的优先级排序,通过将检测到的异常在图像解释过程中前置,让严重的患者得到更快的诊断和治疗。此外,自动异常检测可以帮助缓解放射科医生的疲劳,一项研究表明放射科医生在当天工作即将结束时,骨折检测的效率与工作开始时有显著的下降。一个可以进行异常检测的模型可以对待检测医疗影像进行重要程度排序,将那些最有可能被检测为病患的患者影像优先提供给临床医生,从而帮助医生提高阅片效率和质量。目前利用人工智能帮助医生进行异常检测任务的方法主要根据医疗影像基于深度学习进行建模,也成为了人工智能在医疗领域中的研究热点。利用深度学习进行医疗影像异常预测的难点在于:一是如何提取有效的医疗影像特征;二是对于某些不常见的疾病,存在医疗影像数据不足的问题,无法构建有效的检测模型,直接影响检测效果,如何减少这方面的障碍。为了提取有效的医疗影像特征,目前最主要的方法包括传统的图像处理技术,以及深度模型提取。前者包括基于边界利用形状的外部边缘、基于区域利用形状的全部区域以及纹理特征。后者直接将医疗影像输入到深度模型中进行特征提取从而进行直接检测或作为检测模型的特征。随着基于卷积神经网络(CNN)的深度模型的不断发展,利用深度模型进行特征提取的性能往往优于传统图像特征。Arevalo等人提出来乳腺癌诊断的特征学习框架, ...
【技术保护点】
1.一种基于深度迁移的医疗影像异常检测装置,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,其特征在于,所述计算机存储器中存有医疗影像异常检测模型,所述计算机处理器执行所述计算机程序时实现以下步骤:/n将待测试的医疗图像进行去噪、锐化处理,获得医疗输入图像;/n将医疗输入图像输入至医疗影像异常检测模型中,经计算输出至检测结果;/n其中,医疗影像异常检测模型是利用训练样本对由特征提取单元、注意力单元以及分类单元组成的医疗影像异常检测网络进行训练得到。/n
【技术特征摘要】
1.一种基于深度迁移的医疗影像异常检测装置,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,其特征在于,所述计算机存储器中存有医疗影像异常检测模型,所述计算机处理器执行所述计算机程序时实现以下步骤:
将待测试的医疗图像进行去噪、锐化处理,获得医疗输入图像;
将医疗输入图像输入至医疗影像异常检测模型中,经计算输出至检测结果;
其中,医疗影像异常检测模型是利用训练样本对由特征提取单元、注意力单元以及分类单元组成的医疗影像异常检测网络进行训练得到。
2.如权利要求1所述的基于深度迁移的医疗影像异常检测装置,其特征在于,所述医疗影像异常检测模型的构建方法为:
构建训练样本,对获得的包含常见病症和罕见病症的医疗图像进行去噪、锐化处理,并对去噪、锐化处理的医疗图像进行数据增强,获得训练样本;
构建医疗影像异常检测网络,医疗影像异常检测网络包括特征提取单元,注意力单元以及分类单元,其中,特征提取单元包含至少2层依次连接的卷积层,用于提取医疗图像的图像特征;注意力单元包含self-attention机制的注意力层,用于对图像特征进行加权,获得加权特征;分类单元包含至少2层依次连接的全连接层,用于对加权特征进行分类预测;
医疗影像异常检测网络的训练,利用训练...
【专利技术属性】
技术研发人员:陈晋音,胡可科,林翔,郑海斌,苏蒙蒙,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江;33
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。