融合临床信息的医学影像病变检测方法、系统及设备技术方案

本发明专利技术属于计算机技术和智能医疗领域，尤其涉及一种融合临床信息的医学影像病变检测方法、系统及设备，方法包括：获取待诊医学影像数据；将待诊医学影像输入到经过训练的影像分类模型中，获得病变检测结果为阳性的概率的预测值；当预测值位于所述指定区间以内时，将预测值与修正系数相乘，并将相乘后的结果作为病变检测结果为阳性的最终概率。本发明专利技术利用被检查对象性别年龄的统计先验信息，通过贝叶斯决策的思想在医学影像深度学习模型预测阶段对输出的概率进行调整，解决低维额外信息与高维影像特征融合后被淹没的问题，从而融入除放射影像之外的先验知识并提升深度学习模型的分类效果。类效果。类效果。

【技术实现步骤摘要】
融合临床信息的医学影像病变检测方法、系统及设备


[0001]本专利技术属于计算机技术和智能医疗领域，尤其涉及一种融合临床信息的医学影像病变检测方法、系统及设备。

技术介绍

[0002]随着深度学习技术的不断发展，深度学习模型逐渐被应用于医学领域期望能减轻医生的工作负担。目前，利用深度学习解决医学影像分类的主流方法都是将医学影像输入到现有的深度学习模型中，通过不断地卷积操作得到对应影像的特征，然后直接将输出特征输入到简单的分类器中得到对应的预测概率。在这一过程中，输出的结果概率分布仅仅依靠输入的影像，但是在临床上，医生不仅要观察影像细节，更要结合病人的临床信息（例如：年龄、性别、既往病史等）进行正确诊断，所以深度学习模型中也应该融合临床信息。
[0003]上述问题的现有解决方法一般都是：先将临床信息编码到高维特征空间，再将编码后的临床信息与影像特征信息投影到相同特征空间进行融合，最后将融合特征输入分类器中得到预测概率。这种方法的主体思想就是在特征层面影响模型的输出概率，当拥有的临床信息比较充分的时候，这种方法显然是有效的，但是在临床信息很本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合临床信息的医学影像病变检测方法，其特征在于，包括：获取待诊医学影像数据，所述待诊医学影像数据至少包括待诊医学影像和临床信息，所述临床信息至少包括年龄；将所述待诊医学影像输入到经过训练的影像分类模型中，获得病变检测结果为阳性的概率的预测值；将所述预测值与指定区间进行对比，当所述预测值位于所述指定区间以内时，采用预设的所述待诊医学影像对应年龄段的修正系数对所述预测值进行修正，并将修正后的结果作为病变检测结果为阳性的最终概率；当所述预测值位于所述指定区间以外时，将所述预测值作为病变检测结果为阳性的最终概率；所述修正系数根据医学影像样本中各个年龄段阳性样本数量在总阳性样本中的占比以及各个年龄段样本数量在总样本中的占比来确定。2.根据权利要求1所述的融合临床信息的医学影像病变检测方法，其特征在于，所述修正系数采用如下方法获得：获取所述医学影像样本；分别统计所述医学影像样本中各个年龄段阳性样本数量在总阳性样本中的占比；分别统计所述医学影像样本中各个年龄段样本数量在总样本中的占比；计算每个年龄段阳性样本数量在总阳性样本中的占比与该年龄段样本数量在总样本中的占比之间的比值，记为乘子；根据所述乘子生成响应函数；以所述乘子为底数，以所述响应函数为指数进行幂运算，得到的结果作为所述修正系数。3.根据权利要求2所述的融合临床信息的医学影像病变检测方法，其特征在于，所述临床信息还包括性别。4.根据权利要求3所述的融合临床信息的医学影像病变检测方法，其特征在于，在对所述医学影像样本进行统计时，将所述医学影像样本按性别进行分类，分别统计不同性别下各个年龄段阳性样本数量在总阳性样本中的占比，以及不同性别下各个年龄段样本数量在总样本中的占比，并分别计算不同性别下各年龄段对应的所述修正系数。5.根据权利要求4所述的融合临床信息的医学影像病变检测方法，其特征在于，当所述预测值位于所述指定区间以内时，则将所述预测值与预设的所述待诊医学影像对应年龄段的修正系数相乘，并将相乘后的结果作为病变检测结果为阳性的...

【专利技术属性】
技术研发人员：汤进，黄莉莉，李传富，赵海峰，谷宗运，
申请(专利权)人：合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室，
类型：发明
国别省市：