【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种胸片图像的处理方法、装置及计算设备。
技术介绍
1、x射线穿过胸部，投影在胶片上，形成胸片。胸片可以显示肺部的一些变化，如阴影的形状、大小等，因此作为一种影像学检查结果，辅助医生进行诊断和预测。其中，dr(digital radiography)胸片由于具有成像速度快、图像清晰度高、射线量少等优点，被用于典型的肺部感染、结核、肿瘤等疾病的普查，以通过观察肺部是否存在异常阴影等特征，来得到检查结果。
2、dr胸片可以在社区医院等地方医院快速获得，但是读片却需要专业医学的训练。同时，目前对于肺部阴影的鉴别诊断存在一定的局限性。如果可以从dr胸片快速准确地识别出异常，进而区分出胸片所指示的检查结果，则可以有效地缓解医生解读dr胸片的工作量，尤其是在一些疾病的爆发期间。
3、因此，需要一种新的对胸片图像的处理方式，来解决上述问题。
技术实现思路
1、本申请提供了一种胸片图像的处理方法、装置及计算设备，以力图解决或者至少缓解上面存在的至少一个问题。
2、根据本申请的一个方面，提供了一种胸片图像的处理方法，包括：对胸片进行预处理，得到胸片图像；将胸片图像输入预测模型进行处理，以预测出胸片图像所指示的类别，预测模型包括耦接的第一特征提取组件、第二特征提取组件、特征增强组件和分类预测组件，其中，将所述胸片图像输入预测模型进行处理，包括：基于第一特征提取组件对所述胸片图像进行处理，以输出第一特征图，基于第二特征提取组件对第一特征图进
3、可选地，在根据本申请的方法中，第二特征提取组件包括n个密集连接块和n-1个过渡层，其中相邻的两个密集连接块通过过渡层连接，且第n(n≥2)个密集连接块的输入数据由第n-1个过渡层的输出数据与所述第二特征提取组件的输入数据拼接得到。
4、可选地，在根据本申请的方法中，密集连接块包括多个处理层，且各处理层间密集连接，所述密集连接包括：每一处理层的输入数据通过其前面各处理层的输出数据与所述密集连接块的输入数据拼接得到，所述密集连接块适于通过密集连接的方式增强特征重用和梯度流动；过渡层包括卷积层和下采样层，适于控制经所述密集连接块输出的特征图的数量。
5、可选地，在根据本申请的方法中，密集连接块的处理层包含批量规范化层和卷积层，其中第一个所述处理层的卷积层包括1×1的卷积，其它处理层的卷积层包括可分离卷积。
6、可选地，在根据本申请的方法中，基于特征增强组件对所述第二特征图进行处理，以输出第三特征图，包括：利用全局平均池化层对第二特征图进行压缩，得到中间特征；利用全连接层学习中间特征的通道间相关性，并输出各通道权重；利用融合层对各通道权重和第二特征图进行处理，以生成第三特征图。
7、可选地，根据本申请的方法还包括训练生成所述预测模型：基于各类别的胸片，生成训练图像及其标签数据，所述标签数据指示胸片的类别，所述类别包括：正常、第一类异常、第二类异常和第三类异常；构建初始的预测模型及其初始的网络参数；将训练图像输入初始的预测模型进行处理，以输出预测结果，并基于预测结果和标签数据，计算损失值，以根据损失值调整网络参数，重复迭代训练步骤，直至满足训练条件时，所对应的预测模型就是最终生成的预测模型。
8、可选地，根据本申请的方法还包括：通过随机屏蔽第二特征提取组件中的神经元和/或神经元的输出，来调整网络参数。
9、根据本申请的再一方面，提供了一种胸片图像的处理装置，包括：预处理单元，适于对胸片进行预处理，得到胸片图像；深度学习处理单元，包括由第一特征提取组件、第二特征提取组件、特征增强组件和分类预测组件耦接而成的预测模型，适于将所述胸片图像输入预测模型进行处理，以预测出胸片图像所指示的类别，包括：通过第一特征提取组件对所述胸片图像进行处理，以输出第一特征图；通过第二特征提取组件对所述第一特征图进行处理，以输出第二特征图；通过特征增强组件对所述第二特征图进行处理，以输出第三特征图；通过分类预测组件对第三特征图进行处理，以输出预测类别；后处理单元，适于根据预测类别，确定胸片所指示的感染类别。
10、根据本申请的再一方面，提供了一种计算设备，包括：一个或多个处理器存储器；一个或多个程序，其中所述一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行如上任一方法的指令。
11、根据本申请的再一方面，提供了一种存储一个或多个程序的计算机可读存储介质，一个或多个程序包括指令，指令在被计算设备执行时，使得计算设备执行如上所述的任一方法。
12、综上所述，根据本申请的方案，基于神经网络构建预测模型，通过预测模型对胸片图像进行一系列处理，来预测胸片图像所指示的类别，能够有效缓解医生解读胸片的工作量。
13、此外，基于本申请所构建的预测模型，第二特征提取组件在密集连接块之间采用跳跃连接，在密集连接块内部采用密集连接，通过这种网络连接方式，既使得特征和梯度的传播更加有效，网络更易于训练，同时又减少计算和内存负担。此外，通过在密接连接块之间引入过渡层，控制特征图的通道数和空间尺寸，以减少计算量和内存消耗。
14、此外，通过增加特征增强组件，基于通道注意力机制，学习特征通道之间的相关性，并根据不同通道之间的权重对第二特征图进行处理，增强了网络特征表达能力，使得提取的特征更多样性。
15、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种胸片图像的处理方法，包括：
2.如权利要求1所述的方法，其中，
3.如权利要求2所述的方法，其中，
4.如权利要求2或3所述的方法，其中，
5.如权利要求1-4中任一项所述的方法，其中，所述基于所述特征增强组件对所述第二特征图进行处理，以输出第三特征图，包括：
6.如权利要求1-5中任一项所述的方法，还包括训练生成所述预测模型：
7.如权利要求6所述的方法，其中，所述根据所述损失值调整网络参数，还包括：
8.一种胸片图像的处理装置，包括：
9.一种计算设备，包括：
10.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令在被计算设备执行时，使得所述计算设备执行如权利要求1-7中任一项所述的方法。
【技术特征摘要】
1.一种胸片图像的处理方法，包括：
2.如权利要求1所述的方法，其中，
3.如权利要求2所述的方法，其中，
4.如权利要求2或3所述的方法，其中，
5.如权利要求1-4中任一项所述的方法，其中，所述基于所述特征增强组件对所述第二特征图进行处理，以输出第三特征图，包括：
6.如权利要求1-5中任一项所述的方法，还包...
【专利技术属性】
技术研发人员：郑淑华，吴祎林，张博，
申请(专利权)人：杭州华盟奥科医药科技有限公司，
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。