一种基于深度学习的胸片识别方法、训练方法及装置制造方法及图纸

本发明专利技术涉及一种基于深度学习的胸片识别方法、训练方法及装置，其具体步骤为：S1：获取胸片图像，调整胸片图像的参数；S2：通过卷积神经网络对该胸片图像提取全局和区域视觉特征；S3：对胸片图像进行识别，得到识别结果；S4：响应于所述识别结果生成主题，并将所述主题作为输入生成描述胸像图片的句子。具有自动化生成医学报告可以有效减少医生工作量和错误的发生的特点。本发明专利技术涉及一种基于深度学习的胸片识别训练方法。通过训练识别胸片模型，具有可以自动化生成医学报告可以有效减少医生工作量和错误的发生的特点。本发明专利技术涉及一种基于深度学习的胸片识别装置，具有自动化生成医学报告可以有效减少医生工作量和错误的发生的特点。点。点。

【技术实现步骤摘要】
一种基于深度学习的胸片识别方法、训练方法及装置


[0001]本专利技术涉及图像识别的
，尤其是涉及一种基于深度学习的胸片识别方法、训练方法及装置。

技术介绍

[0002]随着计算机科学的不断发展，人工智能技术应运而生。人工智能作为研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。基于人工智能技术对图像进行处理，对于医学检测领域，具备重要意义。
[0003]目前现有的神经网络算法模型有以下：
[0004](1)CNN
‑
RNN组合模型；
[0005]CNN和RNN都是传统神经网络的扩展，能前向计算产生结果，反向计算进行模型的更新，每层神经网络横向可以存在多个神经元，纵向可以有多层神经网络连接。组合使用的意义在于组合的意义可以处理大量信息同时具有时间空间特性，比如视频，图文结合。还有真实的场景对话、带有图像的对话，使文本表达更具体，并且视频相对图片描述的内容更完整。特征提取主要采用卷积核，卷积核的宽度和高度大于1，而卷积核只与图像中每个大小相同的位置进行互相关运算。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的胸片识别方法，其特征在于，具体步骤为：S1：获取胸片图像，调整胸片图像的参数；S2：通过卷积神经网络对该胸片图像提取全局和区域视觉特征；S3：对胸片图像进行识别，得到识别结果；S4：响应于所述识别结果生成主题，并将所述主题作为输入生成描述胸像图片的句子。2.一种基于深度学习的胸片识别训练方法，其特征在于，具体步骤为：S1：获取原始数据集胸像图片，将训练和验证数据集按约1/10的比例拆分；S2：调整原始数据集中的胸像图片的大小调整为224
×
224以保持与预训练的图像编码器一致；S3：通过卷积神经网络对从输入的胸像图片中提取全局和区域视觉特征；S4：对胸片图像进行识别，得到识别结果；S5：响应于所述识别结果生成主题，并将所述主题作为输入生成描述胸像图片的句子。3.根据权利要求2所述一种基于深度学习的胸片识别训练方法，其特征在于，向所述卷积神经网络添加了一个值为0.3或0.5或0.7的dropout层，在dropout层之后添加了一个密集层，将激活函数应用于输入，即带有偏差的内核。4.根据权利要求3所述一种基于深度学习的胸片识别训练方法，其特征在于，所述激活函数为整流线性单元，输出空间的大小指定为256。5.一种基于深度学习的胸片识别装置，其特征在于，包括：图像编码器，用于提取胸片图像中的全局和区域视觉特征向量；句...

【专利技术属性】
技术研发人员：李慧，刘鑫堂，张舒，候鹏飞，李鑫，邢立豹，蒋园园，韩国凯，顾勇，
申请(专利权)人：江苏海洋大学，
类型：发明
国别省市：