[发明专利]一种基于深度神经网络的医疗图像信息识别方法及系统

权利要求书

1.一种基于深度神经网络的医疗图像信息识别方法，其特征在于，所述医疗图像信息识别方法，包括：

对获取到的待识别医疗图像信息进行图像预处理，获取预处理后的待识别医疗图像信息；

采用训练好的深度神经网络模型对所述预处理后的待识别医疗图像信息进行深层次特征提取处理，获取所述待识别医疗图像信息的深层次特征；

采用所述待识别医疗图像信息的深层次特征与医疗图像特征库中的医疗图像特征一一进行识别匹配处理，获取至少一个以上的相似医疗图像信息；

获取至少一个以上的相似医疗图像信息对应的文本信息；

对所述至少一个以上的相似医疗图像信息对应的文本信息进行关键字提取处理，获取文本信息的关键字；

根据所述关键字向用户反馈与所述待识别医疗图像信息相匹配的医疗服务信息；

所述对获取到的待识别医疗图像信息进行图像预处理，包括：

对所述待识别医疗图像信息进行灰度化处理，获取灰度化处理后的待识别医疗图像信息，所述图像灰度化处理采用分量法、或者最大值法、或者平均值法、或加权平均法进行；

对所述灰 度化处理后的待识别医疗图像信息进行图像区域提取处理，获取图像区域提取处理后的待识别医疗图像信息，图像区域处理是首先采用Sobel边缘检测算子提取边缘，然后进行轮廓提取，提取待识别医疗图像信息的轮廓，再依据待识别医疗图像信息的轮廓的延展性和平滑性，去除不符合图像延展方向的分支，并对残缺的待识别医疗图像信息的轮廓进行延长，获取延长图像记为x1；采用Prewitt算子检测图像中边缘，变为二值图像，而后通过图像两边的图像起点和终点位置，取其两端中点连线为基线，选用最小二乘法对中间线进行拟合，然后取两边相同距离的点集组成图像轮廓获取轮廓中间的图像记为x2；采用延长图像记为x1和轮廓中间的图像记为x2进行叠加，获取完整的待识别医疗图像信息的区域图像记为x3；采用基于直方图方法进行图像增强处理；

对所述图像区域提取处理后的待识别医疗图像信息进行图像增强处理，获取预处理后的待识别医疗图像信息；

所述深度神经网络模型的训练过程，包括：

构建初始神经网络训练模型，所述初始神经网络模型包括输入层、第一卷积池化层、第二卷积池化层、第三卷积池化层、全连接层和输出层；

对用于训练的待训练图像信息依次进行灰度化、图像区域提取和图像增强预处理，获取预处理后的待训练图像信息；

将所述预处理后的待训练图像信息输入所述初始神经网络训练模型进行模型训练，通过所述模型训练调整所述初始神经网络训练模型中第一卷积池化层、第二卷积池化层、第三卷积池化层、全连接层的参数设置；

判断所述初始神经网络训练模型中第一卷积池化层、第二卷积池化层、第三卷积池化层、全连接层的参数设置是否区域稳定，若是，则完成训练，获取训练好的深度神经网络模型；若否，则返回上一步继续进行训练。

2.根据权利要求1所述的基于深度神经网络的医疗图像信息识别方法，其特征在于，所述采用所述待识别医疗图像信息的深层次特征与医疗图像特征库中的医疗图像特征一一进行识别匹配处理，包括：

采用Softmax分类器对所述待识别医疗图像信息的深层次特征与医疗图像特征库中的医疗图像特征一一进行识别匹配处理，获取至少一个以上与所述待识别医疗图像信息的深层次特征相似的医疗图像特征。

3.根据权利要求1所述的基于深度神经网络的医疗图像信息识别方法，其特征在于，所述对所述至少一个以上的相似医疗图像信息对应的文本信息进行关键字提取处理中的关键字提取方法包括：TF-IDF关键字提取算法、基于语义的统计语言模型、TF-IWF文档关键字自动提取算法、基于分离模型的文中关键字提取算法、基于语义的中文文本关键字提取SKE算法、基于朴素贝叶斯模型的中文关键字提取算法。