一种根据肺部X光片识别肺炎的方法技术

本发明专利技术公开了一种根据肺部X光片识别肺炎方法，包括在终端获取X光片图像；采用裁剪、中值滤波等方法对图像进行预处理；使用卷积层和池化层提取图像病理特征；通过全连接层分类输出。此发明专利技术可以大大提高放射科医师处理X光片的速度，减少其工作量和失误率。

A method of recognizing pneumonia based on lung X-ray

【技术实现步骤摘要】
一种根据肺部X光片识别肺炎的方法
本专利技术涉及医学影像处理
，尤其涉及一种使用卷积神经网络对X光片识别分类方法。
技术介绍
近年来，医学图像处理已经成为计算机视觉领域的研究热点。肺炎影像类型判别目前很大程度上依赖于医生如何解读胸片。但是由于肺炎可能会与其他病症重叠，也可以与其他很多良性异常类似，即使是最好的放射科医师也很容易误诊。使用卷积神经网络，对大量有标签的肺炎类型数据进行训练，自主学习肺炎类型的特征，对肺炎类型进行判别，以协助克服人类的认知和偏倚的内在局限性，并减少错误。这个模型可以帮助减少肺炎的漏诊，并显著加快放射科医师的工作流程，通过向他们展示重点可疑X光片，从而加快重症患者的诊断。
技术实现思路
本专利技术提供了一种根据肺部X光片识别肺炎的方法，包括：PC终端应用使用opencv读取本地磁盘图像文件，将其加载进内存，同时转换数据类型，方便后续操作。使用图像缩放、裁剪、中值滤波方法对图像进行预处理，最终将原始图像转化为226*226*3的像素矩阵。搭建5段卷积神经网络本文档来自技高网...

【技术保护点】
1.基于机器视觉根据肺部X光片识别肺炎方法，其特征在于：/n通过PC端应用导入本地文件中的二维图像，同时将图像转化为数值矩阵。/n结合图像预处理技术，对图像进行缩放、裁剪、中值滤波操作，去掉图像中多余的噪声信息，提升图像的辨识度。/n对经过预处理之后的图像进行卷积、最大池化操作，进一步提取图像中的特征。/n最后将卷积后的图像输入进入全连接神经网络进行分类输出，得到最终识别结果。/n在PC终端中，用户可以选择本地中的X光片进行识别，通过PC终端Label显示最终识别结果。/n

【技术特征摘要】
1.基于机器视觉根据肺部X光片识别肺炎方法，其特征在于：
通过PC端应用导入本地文件中的二维图像，同时将图像转化为数值矩阵。
结合图像预处理技术，对图像进行缩放、裁剪、中值滤波操作，去掉图像中多余的噪声信息，提升图像的辨识度。
对经过预处理之后的图像进行卷积、最大池化操作，进一步提取图像中的特征。
最后将卷积后的图像输入进入全连接神经网络进行分类输出，得到最终识别结果。
在PC终端中，用户可以选择本地中的X光片进行识别，通过PC终端Label显示最终识别结果。


2.如同权利要求1所述的一种根据肺部X光片识别肺炎方法，所述通过PC终端应用导入本地图像文件，同时对导入图像进行预处理操作，包括：
通过opencv库将图像由本地磁盘读入内存，同时将图像像素矩阵每个像素点数据类型由原来的8位无符号数修改为64位浮点数。
首先对图像进行缩放处理，将原始尺寸未知图像缩放为宽256(像素值)，高256(像素值)图像。
进行裁剪操作，裁掉256*256正方形图像周围四面各15个像素点，得到226*226图像，相当于在256*256正方形中心挖取226*226正方形。
进行中值滤波操作，构建3*3的正方形框，3*3正方形框左上角与裁剪得到的226*226图像左上角重合，计算得到此时3*3正方形框所覆盖的226*226图像的9个像素值的中位数，并将226*226图像中被覆盖的9个像素点值全部赋值为该中位数。完成此操作后，将3*3矩形框向右平移1个像素点，再进行上面的中位数赋值操作，循环往复，直到3*3正方形框右边界与226*226图像右边界重合，而后将3*3正方形框平移至226*226图像最左侧，并向下平移一个像素点，新的一行重复上面一行的操作，直至3*3正方形框平移至226*226图像右下角。对图像的3个通道均进行中值滤波操作，最终输出226*226*3的像素矩阵。


3.如同权利要求1所述的一种根据肺部X光片识别肺炎方法，对完成预处理后的图像进行卷积、最大池化操作，包括：
将经过预处理得...

【专利技术属性】
技术研发人员：王求真，王小齐，黄家文，汪雯心，陈圣琪，刘慧琳，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南;43