[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

说明书

本发明公开了一种基于深度神经网络的医疗图像信息识别方法及系统，其中，所述方法包括：对获取到的待识别医疗图像信息进行图像预处理；采用训练好的深度神经网络模型对预处理后的待识别医疗图像信息进行深层次特征提取；采用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，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；对文本信息进行关键字提取处理；根据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。在本发明实施例中，解决了现有的医疗图像匹配慢和不准确的问题。

技术领域

本发明涉及数字医疗技术领域，尤其涉及一种基于深度神经网络的医疗图像信息识别方法及系统。

背景技术

目前我国心脑血病和慢性病患者众多，全国有心血管病患者约3亿，至少有5.8亿人具有至少一种或以上的与慢病有关的危险因素，到2030年，中国的慢病负担将增长50％。2016年，国务院七部委联合发布《关于印发推进家庭医生签约服务指导意见的通知》(国医改办发〔2016〕1号)，要求到2017年，家庭医生签约服务覆盖率达到30％以上，重点人群签约服务覆盖率达到60％以上，重点人群主要包括高血压、糖尿病、结核病等慢性疾病患者。到2020年，力争将签约服务扩大到全人群，形成长期稳定的契约服务关系，基本实现家庭医生签约服务制度的全覆盖。权威调查数据显示，在大医院看病的人群中有70％的患者并不需要现场治疗，只需要在线或者移动端进行问诊服务即可，可以大大解决这部分人群的需求，减轻医生的工作负担，提高医疗服务水平和效率。

然而，在在线问诊时，对于一些检查的图片可以直接上传进行处理，直接给出诊断意见或情况说明，但是由于在在线问诊对图像处理的准确度和速度上存在很大的缺陷，特别是关系到病人的病情情况，容不得半点的耽误，因此需要更加精确的图像处理技术进行支持。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于深度神经网络的医疗图像信息识别方法及系统解决了现有的医疗图像匹配慢和不准确的问题。

为了解决上述技术问题，本发明实施例提供了一种基于深度神经网络的医疗图像信息识别方法，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，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。

优选地，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；

对所述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；

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。

优选地，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；