【技术实现步骤摘要】
一种基于深度学习的肺结核DR影像识别方法
本专利技术涉及肺结核DR影像识别
,尤其涉及的是,一种基于深度学习的肺结核DR影像识别方法。
技术介绍
结核病是由结核分枝杆菌引起的慢性传染病,它可以侵及人体除头发、指甲以外的各个器官,特别是肺部,所占数量最多,约80%左右。尽管这是一个非常古老的疾病,但目前全球疫情仍十分严重,特别是我国结核病数量上仍居全球第二位,防控形势非常严峻。肺结核病的早期发现除了患者因症状就诊,大规模的查体也是非常重要的手段,这就带来了一个实际问题,这些海量的胸部影像资料如何快速处理,医生的阅片能力与水平如何保证,而CAD技术则为这一难题带来解决的可能与希望。通过人工智能深度学习的算法辅助医生的影像学诊断,既达到快速,同时又是高效,更能保证准确。因此建立肺结核早期诊断的人工智能模型,可以应对结核病的早期诊断、治疗,以结核病减少传播、降低发病率。现阶段医疗影像数据快速积累,已具有开发应用规模,我国每天产生的影像数据以PB计算,占到医疗行业数据的90%,影像医生产能负荷重和部分地区医生影像诊断水平偏低,而人工智能大有所为,放射科医师数量存在缺口,医师的疲劳或经验不足可能造成误判。现阶段国内肺结核医疗影像存在如下问题:1、医生方面,大幅减少读片时间,降低误诊概率,提高诊疗水平;2、患者方面,有效减少诊疗时间,享受大型三甲医院的高水平医疗;3、医院方面,对大规模的数据加以利用,建立整体的数字化平台,提高医院的核心业务能力,推进医院之间的数据共享。传统的医学图像处理方式是由工程师们创造一 ...
【技术保护点】
1.一种基于深度学习的肺结核DR影像识别方法,其特征在于,包括以下步骤:/n步骤1:10万张数字胸片收集后进行AI阅片及专家标注;专家标注后的胸片,进行AI训练识别功能的实现,结合AI阅片得到数字胸片筛查结果;/n步骤2:薄层液基菌涂片染色一体开发,进入自动扫描识别系统,得到痰涂片诊断结果后与步骤1中的数字胸片筛查结果一并送至步骤3;/n步骤3:推送到医院HIS系统,得到结核病诊断结果。/n
【技术特征摘要】
1.一种基于深度学习的肺结核DR影像识别方法,其特征在于,包括以下步骤:
步骤1:10万张数字胸片收集后进行AI阅片及专家标注;专家标注后的胸片,进行AI训练识别功能的实现,结合AI阅片得到数字胸片筛查结果;
步骤2:薄层液基菌涂片染色一体开发,进入自动扫描识别系统,得到痰涂片诊断结果后与步骤1中的数字胸片筛查结果一并送至步骤3;
步骤3:推送到医院HIS系统,得到结核病诊断结果。
2.如权利要求1所述的肺结核DR影像识别方法,其特征在于,所述步骤1中进行AI训练识别功能的实现具体包括以下步骤:
步骤101:建立神经网络模型化以及特征构建:神经网络,由一个前置的32通道的卷积层和多个网络组件构成整个神经网络,总共有6个网络组件,每个组件由一个前置的卷积和一组循环的网络结构构成,所述循环的网络结构由卷积层,batchnormalize层,激活函数,残差网络构成;所述6个网络组件分别进行不同数量的重复,首尾相接;重复的数量分别为1,2,8,8,4,4;每个组件中,卷积数量为2个,前面卷积的通道数目2倍于后面一个卷积,每个卷积后面连接batchnormalize层;前5个组件的前置卷积的strde为2,其余的卷积的stride为1,因此整个神经网络的下采样率为32(2**5);在每个组件的两个卷积层之间设计直连残差网络;最后一个卷积层的输出为1024*16*16,网络的训练是的batchsize设置为16,初始学习率为0.01,采用步进学习率递减方式进行学习率的更新;训练时对不同的目标检测维度采用的不同的损失函数,对于检测框的中心点x,y和宽高w,h采用MSE损失函数,对于分类采用交叉熵损失函数,对于置信度损失采用BCElosswithlogits损失函数;
步骤102:降低维度,进行归一化和图片增强;所述图像增强,将RGB转变为HSV格式,即为色度、饱和度、亮度,然后对饱和度和亮度进行数据增强;具体实现方式为:对饱和度和亮度乘以一个0.5到1.5倍随机数,然后将HSV格式还原为RGB格式;所述归一化为让网络在训练时集中于图像的相对检测区域,图像在进入网络之前都会将尺寸归一化到512*512像素;先将图片按照原图的比例缩放到高为512或宽为512像素,然后将尺寸较小的维度,图像增强部分随后对图像进行旋转、透视、错切变换,旋转的角度为-5和5之间的随机数,透视因子为0.9到1.1的随机数,错切因子为-0.1到0.1的随机数,变换之后,按照0.5的概率对图像进行水平和垂直翻转,最终对图像会进行0到1的归一化;
步骤103:特征构建;神经网络之后是特征提取网络,网络采用多尺度空间检测方式,能自适应不同大小的检测区域;在6个网络组件中,第3个,第4个和第6个三个组件的特征图输出作为检测结果,第3个组件的输出尺寸为256*64*64,第4个组件的输出...
【专利技术属性】
技术研发人员:王欢,屠德华,
申请(专利权)人:北京掌引医疗科技有限公司,
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。