[发明专利]胸部病灶图像分类方法、装置、计算机设备及存储介质在审
申请号: | 201811348841.6 | 申请日: | 2018-11-13 |
公开(公告)号: | CN109685102A | 公开(公告)日: | 2019-04-26 |
发明(设计)人: | 刘新卉;马进;王健宗;肖京 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06T7/00 |
代理公司: | 深圳市立智方成知识产权代理事务所(普通合伙) 44468 | 代理人: | 王增鑫 |
地址: | 518000 广东省深圳市福田区福*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 病灶图像 胸部 分类模型 计算机设备 疾病 存储介质 疾病诊断 判断结果 分类结果 疾病判断 经验判断 图片表征 图像表征 图像输入 分类 准确率 预设 图片 医护 局限 输出 | ||
1.一种胸部病灶图像分类方法,其特征在于,包括:
获取包括胸部病灶图像的病例图片;
将所述病例图像输入到预设的胸部病灶图像分类模型中,其中,所述胸部病灶图像分类模型为训练至收敛状态的,用于对所述胸部病灶图像进行分类的密集神经网络模型;
根据所述胸部病灶图像分类模型输出的分类结果,得到所述病例图片表征的疾病名称。
2.根据权利要求1所述的胸部病灶图像分类方法,其特征在于,所述根据所述胸部病灶图像分类模型输出的分类结果,得到所述病例图片表征的疾病名称之后,还包括:
在预设疾病数据库中查找与所述疾病名称具有映射关系治疗方案;
将所述治疗方案发送至目标用户终端作为参考治疗方案。
3.根据权利要求2所述的胸部病灶图像分类方法,其特征在于,所述将所述治疗方案发送至目标用户终端作为参考治疗方案之后,还包括:
在预设的治疗周期完成后,获取所述胸部病灶图像的疗效图片;
将所述疗效图片与所述病例图片输入到预设的治愈度判断模型中,其中,所述治愈度判断模型为训练至收敛状态用于通过图片比对判断治愈度的神经网络模型;
根据所述治愈度判断模型输出的分类结果,得到所述治疗周期完成时疾病的治愈度。
4.根据权利要求3所述的胸部病灶图像分类方法,其特征在于,所述根据所述治愈度判断模型输出的分类结果,得到所述治疗周期完成时疾病的治愈度之后,还包括:
将所述治愈度与预设的治愈阈值进行比对;
当所述治愈度小于所述治愈阈值时,向所述目标用户终端发送预设的提示信息,其中,所述提示信息为建议更换所述参考治疗方案的信息。
5.根据权利要求4所述的胸部病灶图像分类方法,其特征在于,所述当所述治愈度小于所述治愈阈值时,向所述目标用户终端发送预设的提示信息之后,包括:
获取治愈患者的治疗方案信息;
以治疗方案为限定信息将所述治愈患者进行归类;
分析同一类别中治愈患者具有的共性信息,并将所述共性信息标记为对应类别的索引标签。
6.根据权利要求1所述的胸部病灶图像分类方法,其特征在于,所述获取包括胸部病灶图像的病例图片之前,还包括:
获取标记有分类参照信息的训练样本数据,其中,所述训练样本数据包括若干病例图片以及各病例图片对应的期望分类信息;
将所述训练样本数据输入神经网络模型获取所述训练样本数据的分类判断信息;
比对所述训练样本数据的分类参照信息与所述分类判断信息是否一致;
当所述分类参照信息与所述分类判断信息不一致时,反复循环迭代的更新所述神经网络模型中的权重,至所述比对结果一致时结束。
7.根据权利要求6所述的胸部病灶图像分类方法,其特征在于,所述获取标记有分类参照信息的训练样本数据之前,还包括:
获取预设的原始样本图像;
对所述样式样本图像进行图像处理,以生成派生于所述原始样本图像的派生样本图像;
定义所述原始样本图像与所述派生样本图像具有相同的期望分类信息。
8.一种胸部病灶图像分类装置,其特征在于,包括:
获取模块,用于获取包括胸部病灶图像的病例图片;
处理模块,用于将所述病例图像输入到预设的胸部病灶图像分类模型中,其中,所述胸部病灶图像分类模型为训练至收敛状态的,用于对所述胸部病灶图像进行分类的密集神经网络模型;
执行模块,用于根据所述胸部病灶图像分类模型输出的分类结果,得到所述病例图片表征的疾病名称。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项权利要求所述胸部病灶图像分类方法的步骤。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述胸部病灶图像分类方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811348841.6/1.html,转载请声明来源钻瓜专利网。