【技术实现步骤摘要】
基于CT序列的图像识别方法、装置、电子设备及介质
本专利技术涉及机器学习
，尤其涉及一种基于CT序列的图像识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
2020年初新冠疫情突袭武汉，在二月份武汉医疗及检测资源极度紧张，且核酸检测的敏感度较低等情况下，为“早发现，早隔离”，使用CT影像诊断新冠肺炎被提出。现有技术中，对病人的CT影像进行新冠检测时，需要利用整个CT的所有序列。对于一个CT序列，有薄层厚层之分，厚层五六十张图像，薄层多则达五百张图像，即使相同厚度的CT每个病人的层数也不相同，医生会耗费至少二三十分钟才能完成一次诊断，诊断效率不能满足实际情况的实时性。同同时，大量的时间也消耗医生大量的精力，容易出现漏诊误诊的情况，从而导致诊断的效率和准确度都不高。因此，如何提高利用CT鉴别新冠肺炎及其他肺炎的效率和精确度，成为了亟待解决的问题。
技术实现思路
本专利技术提供一种基于CT序列的图像识别方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高图像识别的效率和精确...
【技术保护点】
1.一种基于CT序列的图像识别方法，其特征在于，所述方法包括：/n获取目标病理组织的组织图像序列和病灶图像序列；/n将所述组织图像序列中所有图像输入至预先构建的特征提取模型进行特征提取，得到第一特征图像集；/n将所述病灶图像序列中所有图像输入至所述预先构建的特征提取模型进行特征提取，得到第二特征图像集；/n将所述第一特征图与所述第二特征图进行拼接，得到病灶特征图；/n对所述病灶特征图进行图像识别，得到预测图像标签；/n计算所述预测图像标签和所述目标病理组织的预置目标病理标签之间的损失值，根据所述损失值对所述特征提取模型进行更新，得到目标图像识别模型；/n获取待识别图像序列，...
【技术特征摘要】
1.一种基于CT序列的图像识别方法，其特征在于，所述方法包括：
获取目标病理组织的组织图像序列和病灶图像序列；
将所述组织图像序列中所有图像输入至预先构建的特征提取模型进行特征提取，得到第一特征图像集；
将所述病灶图像序列中所有图像输入至所述预先构建的特征提取模型进行特征提取，得到第二特征图像集；
将所述第一特征图与所述第二特征图进行拼接，得到病灶特征图；
对所述病灶特征图进行图像识别，得到预测图像标签；
计算所述预测图像标签和所述目标病理组织的预置目标病理标签之间的损失值，根据所述损失值对所述特征提取模型进行更新，得到目标图像识别模型；
获取待识别图像序列，利用所述目标图像识别模型对所述待识别图像序列进行图像识别，得到识别结果。
2.如权利要求1所述的基于CT序列的图像识别方法，其特征在于，所述获取目标病理组织的组织图像序列和病灶图像序列，包括：
获取目标病理组织的组织分割灰度图和病灶分割灰度图；
利用预设的CT掩膜图像与所述组织分割灰度图相乘，得到组织图像序列；
利用所述CT掩膜图像与所述病灶分割灰度图相乘，得到病灶图像序列。
3.如权利要求1所述的基于CT序列的图像识别方法，其特征在于，所述获取目标病理组织的组织图像序列和病灶图像序列之前，所述方法还包括：
接收识别所述目标病理组织的病灶的的图像识别请求；
提取所述图像识别请求中的用户信息，所述用户信息包括用户的唯一标识和密码；
根据所述用户的唯一标识和密码判断所述用户是否为授权用户；
若所述用户为授权用户，执行所述获取目标病理组织的组织图像序列和病灶图像序列的操作。
4.如权利要求1所述的基于CT序列的图像识别方法，其特征在于，所述将所述组织图像序列中所有图像输入至预先构建的特征提取模型进行特征提取，得到第一特征图像集，包括：
利用所述特征提取模型对所述组织图像序列中所有图像进行卷积处理，得到第一卷积图像集；
对所述第一卷积图像集进行池化处理，得到第一特征图像集。
5.如权利要求1所述的基于CT序列的图像识别方法，其特征在于，所述得到识别结果之后，所述方法还包括：
获取推送队列任务；
根据所述推送队列任务确定推送顺序；
根据所述推送顺序向用户推送所述识别结果。
6.如权利要求1至5中任一...
【专利技术属性】
技术研发人员：刘新卉，叶苓，高良心，李楠楠，周云舒，黄凌云，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44
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。