肺结核检测模型的训练方法、训练装置及辅助诊断设备制造方法及图纸

本发明专利技术属于肺结核检测技术领域，尤其是肺结核检测模型的训练方法，包括以下步骤：S1：获取指定数量的胸片图像；S2：对获取的胸片图像进行图像预处理，以获取预处理后的胸片图像数据；S3：判断预处理后的图像数据是否是非正位胸片，从而筛选得到正位胸片；S4：影像科专家利用临床诊断信息、痰结核菌检查的结果并结合正位胸片。本发明专利技术引入了卷积神经网络模型以及多尺度检测模型来提高肺结核检测模型的性能，可以实现更加准确地预测肺结核病灶区域，并且通过引入的单独的非正位胸片判断模块可以对非正位胸片进行排除，能够进一步的降低假阳率，从而可以实现更加准确地预测肺结核病灶区域，降低漏诊和误诊率。降低漏诊和误诊率。降低漏诊和误诊率。

【技术实现步骤摘要】
肺结核检测模型的训练方法、训练装置及辅助诊断设备


[0001]本专利技术涉及肺结核检测
，尤其涉及肺结核检测模型的训练方法、训练装置及辅助诊断设备。

技术介绍

[0002]结核病是威胁人类健康的主要公共卫生问题，及时、准确地诊断和彻底治愈结核病患者，是恢复患者健康、消除传染源和控制结核病流行的最重要措施，医疗影像辅助诊断设备能够在大规模检测肺结核筛查任务中发挥巨大的作用。
[0003]但是目前市面上的基于胸片的肺结核辅助检测设备检测普遍面临敏感性低、假阳率高的问题，同时对于非正位胸片没有进行进一步的处理，导致出现不合理的检测结果，很难保证诊断的效率和准确度。

技术实现思路

[0004]基于目前市面上的肺结核辅助检测设备检测普遍面临敏感性低、假阳率高以及很难保证诊断的效率和准确度的技术问题，本专利技术提出了肺结核检测模型的训练方法、训练装置及辅助诊断设备。
[0005]本专利技术提出的肺结核检测模型的训练方法，包括以下步骤：
[0006]S1：获取指定数量的胸片图像；
[0007]S2：对获取的胸片图像进行图像预处理，以获取预处理后的胸片图像数据；
[0008]S3：判断预处理后的图像数据是否是非正位胸片，从而筛选得到正位胸片；
[0009]S4：影像科专家利用临床诊断信息、痰结核菌检查的结果并结合正位胸片，筛选出属于结核病患者的正位胸片；
[0010]S5：影像科专家对属于结核病患者的正位胸片进行标注，用标注框标注出其中的结核病病灶；/>[0011]S6：选择卷积神经网络模型，将多尺度检测模型与卷积神经网络模型结合在一起，将经过标注的正位胸片及标注框信息输入至基础卷积神经网络模型中以及多尺度检测模型中进行训练，以获取训练后的多尺度肺结核检测模型。
[0012]作为本专利技术的一种优选实施方式，在所述S3中：非正位胸片包括手骨、侧位胸片以及其他拍摄失败不符合肺结核阅片标准的胸片。
[0013]肺结核检测模型训练方法的训练装置，包括：
[0014]胸片采集模块：用于获取指定数量的胸片图像；
[0015]胸片预处理模块：用于对获取的胸片图像进行图像预处理，以获取预处理后的胸片图像数据；
[0016]非正位胸片判断模块：用于判断预处理后的图像数据是否是非正位胸片，从而筛选得到正位胸片，其中，非正位胸片包括手骨、侧位胸片以及其他拍摄失败不符合肺结核阅片标准的胸片；
[0032]肺结核检测模型的训练方法，包括以下步骤：
[0033]S1：获取指定数量的胸片图像；
[0034]S2：对获取的胸片图像进行图像预处理，以获取预处理后的胸片图像数据；
[0035]S3：判断预处理后的图像数据是否是非正位胸片，从而筛选得到正位胸片，其中非正位胸片包括手骨、侧位胸片以及其他拍摄失败不符合肺结核阅片标准的胸片；
[0036]S4：影像科专家利用临床诊断信息、痰结核菌检查的结果并结合正位胸片，筛选出属于结核病患者的正位胸片；
[0037]S5：影像科专家对属于结核病患者的正位胸片进行标注，用标注框标注出其中的结核病病灶；
[0038]S6：选择卷积神经网络模型，将多尺度检测模型与卷积神经网络模型结合在一起，将经过标注的正位胸片及标注框信息输入至基础卷积神经网络模型中以及多尺度检测模型中进行训练，以获取训练后的多尺度肺结核检测模型。
[0039]进一步地，肺结核检测模型训练方法的训练装置，包括：
[0040]胸片采集模块：用于获取指定数量的胸片图像；
[0041]胸片预处理模块：用于对获取的胸片图像进行图像预处理，以获取预处理后的胸片图像数据；
[0042]非正位胸片判断模块：用于判断预处理后的图像数据是否是非正位胸片，从而筛选得到正位胸片，其中，非正位胸片包括手骨、侧位胸片以及其他拍摄失败不符合肺结核阅片标准的胸片；
[0043]诊断模块：用于影像科专家利用临床诊断信息、痰结核菌检查的结果并结合正位胸片，筛选出属于结核病患者的正位胸片；
[0044]标注模块：用于影像科专家对属于结核病患者的正位胸片进行标注，用标注框标注出其中的结核病病灶；
[0045]模型训练模块：在选择卷积神经网络模型之后，将多尺度检测模型与卷积神经网络模型结合在一起，将经过标注的正位胸片及标注框信息输入至基础卷积神经网络模型中以及多尺度检测模型中进行训练，以获取训练后的多尺度肺结核检测模型。
[0046]进一步地，肺结核检测模型的辅助诊断设备，包括：
[0047]非正位胸片判断模块：用于对待检测的胸片进行判断，判断其是否是非正位胸片，如果是非正位胸片，在胸片上标注为非正位胸片后输出，如果是正位胸片，则输出至正位胸片缩放模块，其中非正位胸片包括手骨、侧位胸片以及其他拍摄失败不符合肺结核阅片标准的胸片；
[0048]正位胸片缩放模块：用于对正位胸片进行放缩，得到包含更小尺度、原始大小以及更大尺度的多种不同尺度的正位胸片，然后将多种不同尺度的正位胸片输入至卷积神经网络模型以及多尺度肺结核检测模型中进行检测；
[0049]多尺度肺结核检测模型：用于对多种不同尺度的正位胸片进行检测，得到多种尺度的肺结核检测预测结果，然后将所有尺度的肺结核检测预测结果进行合并，再用固定的置信度阈值将高置信度的检测框筛选出来得到最终的检测结果。
[0050]以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，根据本专利技术的技术方案及其
专利技术构思加以等同替换或改变，都应涵盖在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.肺结核检测模型的训练方法，其特征在于，包括以下步骤：S1：获取指定数量的胸片图像；S2：对获取的胸片图像进行图像预处理，以获取预处理后的胸片图像数据；S3：判断预处理后的图像数据是否是非正位胸片，从而筛选得到正位胸片；S4：影像科专家利用临床诊断信息、痰结核菌检查的结果并结合正位胸片，筛选出属于结核病患者的正位胸片；S5：影像科专家对属于结核病患者的正位胸片进行标注，用标注框标注出其中的结核病病灶；S6：选择卷积神经网络模型，将多尺度检测模型与卷积神经网络模型结合在一起，将经过标注的正位胸片及标注框信息输入至基础卷积神经网络模型中以及多尺度检测模型中进行训练，以获取训练后的多尺度肺结核检测模型。2.根据权利要求1所述的肺结核检测模型的训练方法，其特征在于，在所述S3中：非正位胸片包括手骨、侧位胸片以及其他拍摄失败不符合肺结核阅片标准的胸片。3.根据权利要求1所述的肺结核检测模型训练方法的训练装置，其特征在于，包括：胸片采集模块：用于获取指定数量的胸片图像；胸片预处理模块：用于对获取的胸片图像进行图像预处理，以获取预处理后的胸片图像数据；非正位胸片判断模块：用于判断预处理后的图像数据是否是非正位胸片，从而筛选得到正位胸片，其中，非正位胸片包括手骨、侧位胸片以及其他拍摄失败不符合肺结核阅片标准的胸片；诊断模块：用于影像科专家利用临床诊断信息、痰结核菌检查的结果并结合正位胸片，筛选出属于结核病患者的正位胸片；标注模块：用于影像科专家对属于结核病患者的正位胸片进行标注，用标注框标注出其中的...

【专利技术属性】
技术研发人员：赵雁林，王欢，吉旭，
申请(专利权)人：北京掌引医疗科技有限公司，
类型：发明
国别省市：