一种基于深度学习和X线片图像的骨肿瘤与骨感染的辅助分辨模型制造技术

本发明专利技术提供了一种基于深度学习和X线片图像的骨肿瘤与骨感染的辅助分辨模型。该模型包括：S1采集骨肿瘤和骨感染的X线片图像，并进行标注与评估，建立数据库；S2将所得数据库预处理后构建基于复合网络‑视觉神经模型的神经网络并通过验证集数据进行优化，得辅助分辨模型；S3将测试集数据输入辅助分辨模型中，通过混淆矩阵，受试者工作特征曲线对模型测试结果进行综合评估；所述复合网络‑神经模型为包括Efficientnet‑b3,Efficientnet‑b4,Swin transformer,和Vision transformer模型在内的复合模型。该模型通过复合网络‑视觉神经模型建立相对应的神经网络，分别对X线片数据集进行训练，所得结果融合输出后具有优异的准确度和响应速率，可辅助提高人工诊断的效率以及准确率。

【技术实现步骤摘要】

本专利技术涉及一种骨肿瘤、骨感染分辨模型，具体涉及一种基于深度学习和x线片图像的骨肿瘤与骨感染的辅助分辨模型，属于计算机辅助临床建议。

技术介绍

1、骨肿瘤临床上相对罕见，x线片是骨肿瘤最常见的临床辅助诊断方法之一。然而，骨肿瘤组成成分多样，同种病变在x线片上反映出的影像可能不同，不同病变在x线片上的影像又较为相似，导致临床上极易与骨感染相混淆。传统的诊断方法依赖放射科医生和病理学家的专业知识和主观判断，容易引起潜在的错误和治疗延误，因此准确诊断具有挑战。

2、近年来，人工智能和深度学习算法的出现对辅助诊断等临床实践产生重大影响，相关学者基于多种神经网络建立针对不同疾病的深度学习诊断模型，并取得较好的表现。目前，深度学习在骨肿瘤鉴别的相关技术已有一定进展，但主要集中在基于组织病理切片为输入端的模型进行辅助诊断，并缺乏大规模多中心的数据集进行训练；基于x线片为输入端的模型虽有相关研究，但主要是鉴别各种骨肿瘤的亚型。当前临床上缺少能辅助医生对骨肿瘤与骨感染患者进行精准诊断的人工智能新技术，骨肿瘤与骨感染的漏诊和误诊仍是一个难题。

3、本本文档来自技高网...

【技术保护点】

1.一种基于深度学习和X线片图像的骨肿瘤与骨感染的辅助分辨模型，其特征在于，包括：

2.根据权利要求1所述的一种基于深度学习和X线片图像的骨肿瘤与骨感染的辅助分辨模型，其特征在于：所述标注与评估的过程为：通过高年资放射科医师对X线片图像进行骨肿瘤和骨感染的分类和特征区域划分，并记特征区域为ROI。

3.根据权利要求1所述的一种基于深度学习和X线片图像的骨肿瘤与骨感染的辅助分辨模型，其特征在于：所述数据预处理的过程为：

4.根据权利要求3所述的一种基于深度学习和X线片图像的骨肿瘤与骨感染的辅助分辨模型，其特征在于：所述训练集、验证集和测试集的数据量之比为...

【技术特征摘要】

1.一种基于深度学习和x线片图像的骨肿瘤与骨感染的辅助分辨模型，其特征在于，包括：

2.根据权利要求1所述的一种基于深度学习和x线片图像的骨肿瘤与骨感染的辅助分辨模型，其特征在于：所述标注与评估的过程为：通过高年资放射科医师对x线片图像进行骨肿瘤和骨感染的分类和特征区域划分，并记特征区域为roi。

3.根据权利要求1所述的一种基于深度学习和x线片图像的骨肿瘤与骨感染的辅助分辨模型，其特征在于：所述数据预处理的过程为：

4.根据权利要求3所述的一种基于深度学习和x线片图像的骨肿瘤与骨感染的辅助分辨模型，其特征在于：所述训练集、验证集和测试集的数据量之比为6～7:1～2:1～3。

5.根据权利要求3所述的一种基于深度学习和x线片图像的骨肿瘤与骨感染的辅助分辨模型，其特征在于：所述numpy数组的尺寸为n*m*m，其中，n为x线片图像编号，m为分辨率的数值，m的取值范围为256～1080；所述png格式的图像分辨率为128*128～256*256。

6.根据权利要求3所述的一种基于深度学习和x线片图像...

【专利技术属性】
技术研发人员：黎志宏，涂超，王华，李鑫，何予，李陈碑，万璐，封程耀，
申请(专利权)人：中南大学湘雅二医院，
类型：发明
国别省市：