基于能量模型的医学影像阴阳性筛查方法、系统、及设备技术方案

本发明专利技术公开了基于能量模型的医学影像阴阳性筛查方法，该方法包括：获得肺部健康数据和肺部疾病数据；在分类模型的基础上定义训练能量函数和数据概率密度，获得深度学习的能量模型，并在能量模型上预设用于区分类内数据和类外数据的能量分数阈值；计算待测试数据的实际能量分数并将其与能量分数阈值进行比对，将待测试数据归入类内数据或类外数据，利用分类模型对属于类内数据的待测试数据进行疾病筛查。本发明专利技术的基于能量模型的医学影像阴阳性筛查方法，能够有效地将待测试数据归为类内数据或类外数据，对归为类内数据的待测试数据进行正确的疾病筛查。本发明专利技术还公开了基于能量模型的医学影像阴阳性筛查系统、设备及介质。设备及介质。设备及介质。

【技术实现步骤摘要】
基于能量模型的医学影像阴阳性筛查方法、系统、及设备


[0001]本专利技术涉及基于模型对肺部疾病进行筛查的
，特别是涉及一种基于能量模型的医学影像阴阳性筛查方法、系统、设备及计算机可读存储介质。

技术介绍

[0002]现有的辅助疾病筛查的学习模型，基本采用分类的思想或基于病灶检测(分割)的思想。但是现有技术存在的缺点是：不论采用分类思想或是采用病灶检测(分割)思想的学习模型，对训练数据的要求普遍较高。基于分类的模型只能对训练集类别内的样本进行分类，而无法对训练时没有见过的类别数据进行正确分类；基于病灶检测(分割)的模型则需要大量带有位置标签的病灶数据作为训练样本，也无法正确处理训练时没有见过的病灶类型。实际情况下，疾病类型是多种多样的，训练数据无法包含所有可能出现的疾病类型。在临床领域，实际数据中极有可能出现训练集未包含的类型数据，这就对疾病筛查模型提出了更高的要求。

技术实现思路

[0003]基于此，本专利技术的目的在于，提供一种基于能量模型的医学影像阴阳性筛查方法、系统、设备及计算机可读存储介质，其先有效地将待测试数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于能量模型的医学影像阴阳性筛查方法，其特征在于，包括以下步骤：获得肺部健康数据；获取三维的疾病肺部图像，并在所获取的疾病肺部图像上获得肺部疾病数据；对所获得的肺部疾病数据进行数据预处理和数据增强处理；利用所述肺部健康数据和所述肺部疾病数据建立分类模型，再在所述分类模型的基础上定义训练能量函数和数据概率密度，以获得深度学习的能量模型，并在能量模型上预设用于区分类内数据和类外数据的能量分数阈值；往所述能量模型输入待测试数据，通过所述能量模型计算所述待测试数据的实际能量分数，将待测试数据的实际能量分数与预设的能量分数阈值进行比对，以将待测试数据归入类内数据或类外数据，若待测试数据为类内数据，则利用分类模型对所述待测试数据进行疾病筛查。2.根据权利要求1所述的基于能量模型的医学影像阴阳性筛查方法，其特征在于，所述数据预处理包括设定HU值上下界处理、屏蔽骨区域处理、以及数据归一化处理；所述数据增强处理包括数据RESIZE处理、数据旋转处理、以及数据翻转处理。3.根据权利要求1所述的基于能量模型的医学影像阴阳性筛查方法，其特征在于，所述训练能量函数的函数式为E
θ
(x)＝
‑
LogSumExp
y
(f
θ
(x)[y])＝
‑
log∑
y
exp(f
θ
(x)[y]).，数据概率密度的计算公式为其中x代表肺部健康数据或肺部疾病数据，y代表存在x的条件，
‑
E
θ
(x)代表训练能量函数，p
θ
(x)代表数据概率密度，0代表深度学习的能量模型的参数，Z(0)代表常数；能量分数的计算方式为取数据概率密度p
θ
(x)的对数。4.根据权利要求1所述的基于能量模型的医学影像阴阳性筛查方法，其特征在于，所述基于能量模型的医学影像阴阳性筛查方法还包括步骤：采用交叉熵损失法对所述分类模型进行优化处理；采用SGLD梯度下降法对所述能量模型进行优化处理。5.一种基于能量模型的医学影像阴阳性筛查系统，其特征在于，包括：肺部健康数据获得模块，用于获得肺部健康数据；肺部疾病数据获得模块，用于获取三维的疾病肺部图像，并在所获取的疾病肺部图像上获得肺部疾病数据；肺部疾病数据处理模块，用于对所获得的肺部疾病数据进行数据预处理和数据增强处理；模型建立模块，用于利用所述肺部健康数据和所述肺部疾病数据建立分类模型，再在所述分类模型的基础上定义训练能量函...

【专利技术属性】
技术研发人员：马力，于泽源，廖可，陈庆武，王艳芳，
申请(专利权)人：中山仰视科技有限公司，
类型：发明
国别省市：