生成医学影像报告的方法和电子设备技术

本申请涉及基于机器学习生成医学影像报告的方法、电子设备、计算机可读存储介质以及计算机程序产品，所述方法包括：将医学影像输入医学影像报告生成卷积神经网络；利用所述医学影像报告生成卷积神经网络获得所述医学影像的特征图；以及基于所述特征图生成医学影像报告，所述医学影像报告中以不同的显示属性示出预测分类的位置分布，其中，所述医学影像报告生成卷积神经网络至少包括：输入层，所述输入层包括分别对应不同通道的多个卷积核；以及输出层，与所述输入层连接以融合对应不同通道的特征。的特征。的特征。

【技术实现步骤摘要】
生成医学影像报告的方法和电子设备


[0001]本申请涉及医学影像报告生成，更具体地，涉及生成医学影像报告的方法、电子设备、计算机可读存储介质及计算机程序产品。

技术介绍

[0002]全膝关节置换术(TKA)是骨科领域最大型的手术方式之一，并且逐渐成为最常见的外科手术。现在，仅在美国每年就会进行120万个这样的手术，并且数量还在增加。由于一些常见的并发症(例如，松动和磨损)在多年后才会出现，因此，需要对经历过TKA的患者进行不断的随访，而这通常伴随患者的终生。由此，TKA数量的不断增加将使得待随访的TKA患者的数量呈指数增长。
[0003]以作为最常见术后问题的松动为例，通常通过闪烁扫描术、关节造影、MRI、FDG
‑
PET扫描等成像方法来辅助诊断。然而，这些方法通常是昂贵的、不敏感的，甚至是侵入性的，而所带来的在有效性和准确性上的提升通常是有限的，因此可能还需要进一步进行血液测试、成像或甚至手术来确认诊断。早期检测到松动对于患者是有益的，其允许较早地进行修正，避免松动晚期发生的骨块丢失，也可避免患者长时间的痛苦。...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习生成医学影像报告的方法，所述方法包括：将医学影像输入医学影像报告生成卷积神经网络；利用所述医学影像报告生成卷积神经网络获得所述医学影像的特征图；以及基于所述特征图生成医学影像报告，所述医学影像报告中以不同的显示属性示出预测分类的位置分布，其中，所述医学影像报告生成卷积神经网络至少包括：输入层，所述输入层包括分别对应不同通道的多个卷积核；以及输出层，与所述输入层连接以融合对应不同通道的特征。2.如权利要求1所述的方法，其中，所述显示属性包括显示颜色，以及在所述医学影像报告中，对所述预测分类贡献越大的区域，其显示颜色越深或越接近预定颜色。3.如权利要求1所述的方法，还包括：利用通用图像集对所述医学影像报告生成卷积神经网络进行预训练；以及利用医学影像集对所述医学影像报告生成卷积神经网络进行训练。4.如权利要求3所述的方法，其中，所述通用图像集为ImageNet。5.如权利要求3所述的方法，其中，所述预测分类为假体松动，并且医学影像集包括全膝关节置换术患者的X光片，所述X光片包括股骨远端区域和胫骨近端区域。6.如权利要求5所述的方法，其中，所述医学影像集包括显示假体松动的X光片和显示假体未松动的X光片。7.如权利要求1所述的方法，其中，在所述医学影像报告生成卷积神经网络的所述预训练和所述训练中使用随机梯度下降方法对所述医学影像报告生成卷积神经网络进行优化。8.如权利要求1所述的方法，还包括：利用决策树基于患者信息生成补充预测结果，其中，所述决策树中的每个包括多层节点，前一层节点与至少两个位于后一层的节点连接，且后一层节点是否参与决策由与之相连的前一层节点处的判断结果确定，其中，最后一层中被确定的节点处的判断结果为对应决策树的决策结果，以及其中，每个节点表示所述患者信息中的一个。9.如权利要求8所述的方法，其中，所述决策树为多个，且被多个决策树中的多数决策树所确定的决策结果作为所述多个决策树的共同的决策结果。10.如权利要求9所述的方法，其中，所述医学影像报告还包括与预测分类对应的预测概率，以及所述方法还包括基于所述决策结果调整预测概率。11.一种基于机器学习生成医学影像报告的电子设备，所述电子设备包括：至少一个处理器；以及存储器，与所述至少一个处理器通信连接；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行以下操作：将医学影像输入医学影像报告生成卷积神...

【专利技术属性】
技术研发人员：容树恒，刘振民，徐振星，
申请(专利权)人：香港中文大学，
类型：发明
国别省市：