[发明专利]用于识别医学图像的计算机系统

说明书

本发明实施例公开了一种用于识别医学图像的计算机系统，包括用于对待处理医学图像进行识别的图像识别组件，其包括含有单模态数据训练模块、多模态数据训练模块及结果集成模块的模型构建装置。单模态数据训练模块分别利用样本集中隶属于同一成像类型且属于同一切片类型的影像数据训练得到多个单模态网络模型；多模态数据训练模块将不属于同一成像类型的样本数据训练的多个单模态网络模型的输出级联得到的数据作为样本数据，训练双向门控循环单元得到多个多重特征学习模型；结果集成模块用于将各单模态网络模型和各多重特征学习模型输出的医学图像预测结果进行集成，以作为待处理医学图像的识别结果。本申请有效地提高了医学图像识别准确度。

技术领域

本发明实施例涉及医学图像识别技术领域，特别是涉及一种用于识别医学图像的计算机系统。

背景技术

阿尔茨海默病为一种起病隐匿的进行性发展的神经系统退行性疾病，医学上一般可通过结构影像或功能性神经影像发现阿尔茨海默病。结构影像例如头部CT(ComputerTomography，计算机断层扫描)和MRI(Magnetic Resonance Imaging，核磁共振成像图像)检查，可显示脑皮质萎缩明显，特别是海马及内侧颞叶，支持阿尔茨海默的临床诊断。功能性神经影像可如正电子扫描和单光子发射计算机断层扫描可提高痴呆诊断可信度。

阿尔茨海默不同时期的临床表现不同，如晚期可见额叶代谢减低，如何识别阿尔茨海默病早期人群，为早期阿尔茨海默病患者的预防和诊断提供辅助，为本领域技术人员亟待解决的问题。

相关技术一般通过对采集的医学图像进行分析实现阿尔茨海默病患者医学图像的识别，例如对PET(positron emission tomography，正电子发射计算机断层显像图像)的单模态影像数据进行分析研究，进行特征分析时只考虑PET影像数据的切片内和切片间的特征。但是，由于阿尔茨海默病病因迄今未明，在医学图像分析过程中，若选取医学图像数据不能完全涵盖病因体现特征，会导致最后应用该分析结果对图像进行识别的准确度较低。

发明内容

本发明实施例提供了一种用于识别医学图像的计算机系统，有效地提高了医学图像识别准确度，有利于精准识别早期阿尔茨海默病医学图像，为早期阿尔茨海默症患者的预防和诊断提供辅助。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例提供了一种用于识别医学图像的计算机系统，包括用于对待处理医学图像进行识别的图像识别组件，所述图像识别组件包括模型构建装置；所述模型构建装置包括单模态数据训练模块、多模态数据训练模块及结果集成模块；

其中，所述单模态数据训练模块用于分别利用样本集中的隶属于同一成像类型且属于同一切片类型的脑影像数据训练得到多个单模态网络模型；所述样本集中包含多种成像类型的三维脑影像，每张脑影像均根据冠状面、矢状面和横断面进行二维切片得到相应的切片数据；

所述多模态数据训练模块用于将不属于同一成像类型的数据训练的多个单模态网络模型的输出级联后得到的数据作为样本数据，训练预先构建的双向门控循环单元框架结构得到多个多重特征学习模型；

所述结果集成模块用于将各单模态网络模型和各多重特征学习模型输出的医学图像预测结果进行集成，以作为所述待处理医学图像的识别结果。

可选的，所述结果集成模块包括：

第一集成子模块，用于将同一切片类型的各单模态卷积神经网络模型和各多重特征学习模型输出的医学图像预测结果进行集成，得到初始识别结果；

第二集成子模块，用于将各初始识别结果按照少数服从多数的投票方法进行二次集成，生成最终识别结果。

可选的，所述单模态数据训练模块包括：