【技术实现步骤摘要】
肺炎的分类分割方法及系统
[0001]本专利技术涉及图像处理
，尤其涉及一种肺炎的分类分割方法及系统。
技术介绍
[0002]目前，在病毒性肺炎分类与分割的项目中，通常使用卷积神经网络算法来完成该项任务。通过将肺部区域从CT图像中提取出来，作为模型的输入数据，然后利用一个深度卷积神经网络(CNN)对输入数据进行降采样特征提取，降采样后分成两个分支，一个分支用CNN做上采样特征提取完成分割任务，另一个分支先后用CNN和FC完成进一步的特征提取，然后完成病毒性肺炎的分类任务。
[0003]然而，卷积神经网络的训练过程为一个黑盒的过程，即最终所呈现的结果并没有很强的解释性，这导致在训练的过程中，很难通过一些硬编码的手段对网络进行指导，导致的对肺炎种类的判断准确率不高。
技术实现思路
[0004]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种肺炎的分类分割方法及系统。
[0005]本专利技术解决上述技术问题的技术方案如下：
[0006]一种肺炎的分类分割方法，包括：
...
【技术保护点】
【技术特征摘要】
1.一种肺炎的分类分割方法，其特征在于，包括：获取预设数量的包含肺炎的肺部CT图像并构建训练集；通过所述训练集对预设的卷积神经网络进行训练，并通过损失函数对训练得到的输出结果进行迭代优化，所述卷积神经网络的输入为肺部CT图像，输出为肺炎区域、肺炎类别和肺炎征象；获取待处理的肺部CT图像，将所述待处理的肺部CT图像输入到优化后的所述卷积神经网络中，得到所述待处理的肺部CT图像的肺炎区域和肺炎类别。2.根据权利要求1所述的肺炎的分类分割方法，其特征在于，获取预设数量的包含肺炎的肺部CT图像并构建训练集，具体包括：获取预设数量的包含肺炎的肺部CT图像，对每张肺部CT图像中的肺炎区域进行标注，并对肺炎区域的肺炎类别和肺炎征象进行标注；将标注后的预设数量的肺部CT图像作为训练集。3.根据权利要求1所述的肺炎的分类分割方法，其特征在于，通过所述训练集对预设的卷积神经网络进行训练，具体包括：通过所述卷积神经网络提取所述训练集中肺部CT图像的图像特征；基于所述图像特征，分别进行：处理一：上采样，确定所述图像特征的肺炎区域预测；处理二：下采样、全连接和激活函数处理，确定所述图像特征的肺炎类别；处理三：下采样，并通过预设的N个全连接层确定所述图像特征是否存在对应的肺炎征象；其中，N为肺炎征象的数量。4.根据权利要求3所述的肺炎的分类分割方法，其特征在于，通过所述卷积神经网络提取所述训练集中肺部CT图像的图像特征，具体包括：通过至少一个依次连接的卷积模块提取所述训练集中肺部CT图像的图像特征，其中，每个所述卷积模块根据以下步骤提取肺部CT图像的图像特征：通过卷积层提取所述训练集中肺部CT图像的第一图像特征；通过通道注意力层对所述第一图像特征进行处理，得到第二图像特征；通过空间注意力层对所述第二图像特征进行处理，得到第三图像特征；将所述第三图像特征与所述第一图像特征进行结合，得到当前卷积模块输出的图像特征。5.根据权利要求1至4中任一项所述的肺炎的分类分割方法，其特征在于，通过损失函数对训练得到的输出结果进行迭代优化，具体包括：分别通过预设的损失函数计算所述肺炎区域、所述肺炎类别和所述肺炎征象的损失值，然后通过预设权重对所述损失值进行处理，根据得到的处理结果调整所述预设权重，直到得到的所述处理结果符合预设条件...
【专利技术属性】
技术研发人员：柴象飞，郭娜，张路，刘鹏飞，仇力维，
申请(专利权)人：慧影医疗科技北京有限公司，
类型：发明
国别省市：
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。