【技术实现步骤摘要】
基于遗传算法的肺结核检测模型的训练方法、装置及设备
[0001]本专利技术涉及肺结核检测
,尤其涉及基于遗传算法的肺结核检测模型的训练方法
、
装置及设备
。
技术介绍
[0002]肺结核是我国的乙类传染病,结核病是由结核杆菌感染引起的慢性传染病,结核菌可能侵入人体全身各种器官,但主要侵犯肺脏,称为肺结核病
。
结核病又称为痨病和“白色瘟疫”,是一种古老的传染病,自有人类以来就有结核病
。
[0003]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,但是医疗影像辅助诊断模型训练的超参数空间巨大,采用随机调参需要足够的算力来覆盖足够多的模型
。
如果采用手工调参的方式,则需要丰富的经验而且不能保证得到较为不错的结果,并且仅凭借经验水平进行诊断的话,很难保证诊断的效率和准确度,可靠性较低
。
技术实现思路
[0004]基于仅凭借经验水平进行诊断的话,很难保证诊断的效率和准确度,可靠性较低的技术问题,本专利技术提出了基于遗传算法的肺结核检测模型的训练方法
、
装置及设备
。
[0005]本专利技术提出的基于遗传算法的肺结核检测模型的训练方法,包括以下步骤:
[0006]S1
:采集预定数量的医学影像图像;
[0007]S2
:影像科专家对采集得到的医学影像图像进行判断,判断其是否属于肺结核患者,排除健康的医学影像图像;
[0008] ...
【技术保护点】
【技术特征摘要】
1.
基于遗传算法的肺结核检测模型的训练方法,其特征在于,包括以下步骤:
S1
:采集预定数量的医学影像图像;
S2
:影像科专家对采集得到的医学影像图像进行判断,判断其是否属于肺结核患者,排除健康的医学影像图像;
S3
:影像科专家对筛选出来的属于肺结核患者的医学影像图像进行标注,以标注框的方式将医学影像图像中的病灶标注出,形成肺结核病灶标识区域;
S4
:对标注之后的医学影像图像进行预处理,得到预处理后的医学影像图像,并将预处理后的医学影像数据的一部分作为训练图像;
S5
:将训练图像输入至预定网络模型,以利用预处理后的医学影像图像对预定网络模型进行训练;
S6
:将经过标注的预处理后的医学影像图像以及标注信息输入肺结核检测模型中并行训练多个模型,各个模型开始训练前先在超参数的范围内随机选择固定数值;
S7
:将训练好的各个模型在验证集上进行验证,计算模型的平均准确率作为该模型的适应值;
S8
:将训练好的所有模型的超参数进行选择
、
交叉
、
变异操作,得到新一代待训练的多个模型;
S9
:将经过标注的医学影像图像以及标注信息输入新一代待训练的多个模型中并行训练;
S10
:计算训练得到的模型在验证集上的平均准确率作为该模型的适应值
。2.
根据权利要求1所述的基于遗传算法的肺结核检测模型的训练方法,其特征在于,在所述
S4
中:将所述预定数量的医学影像图像进行格式转换,得到所述预定数量的医学影像图像对应的灰度图
。3.
根据权利要求2所述的基于遗传算法的肺结核检测模型的训练方法,其特征在于,在所述
S4
中:通过二值化处理方式对灰度图进行二值化处理,得到标准化的灰度图
。4.
根据权利要求...
【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:
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。