[发明专利]一种医疗影像辨识的方法与系统

说明书

本发明提供一种医疗影像辨识的方法与系统，所述医疗影像辨识的方法与系统利用不同疾病标记的影像数据进行运算分析建立预训练模型，在医疗影像辨识技术领域常见的有效数据数量不足的情况下对于提升影像辨识准确率有明显帮助，本发明可适用在医疗影像辨识技术的领域，包括X‑ray、CT、MRI、超声波、病理切片摄影或眼底摄影等的影像辨识技术领域。

技术领域

本发明涉及医疗影像辨识技术领域，尤其是涉及医疗影像辨识的预训练模型的方法与系统。

背景技术

近年来，由于ImageNet提供了数百万张以上的图片数据库，例如：猫、狗、飞机、自行车等不同种类的对象图片，使人工智能的图片辨识技术得以建立以大数据数据驱动的深度学习类神经网络技术，并使目前人工智能的深度学习技术在应用于自然界的大部份对象的辨识时，能具有与人类能力相近的辨识率。

利用ImageNet所建立的类神经网络进行预训练模型(Pre-Train Model)日益成熟，如图1所示，现有的预训练模型系利用如ImageNet所提供的大量影像数据库经由第一卷积运算层(Convolution Layer)42、第二卷积运算层44与第三卷积运算层46的卷积神经网络(Convolution Neural Network，CNN)进行运算分析后所建立的模型做为骨干(BaseStructure)40，将其接近最终辨识输出结果的最后数层更改为适合的应用方面的全连接层(Full Connection Layer)48，可应用于相关对象影像辨识技术领域的影像分类、预测数值(回归)、目标检测、分割等应用。

然而，由于个人医疗信息的保密性，ImageNet这类的公开数据库缺乏大量的医疗影像可供医疗影像辨识技术使用，并且由于单一病例的影像数量有限，难以提高医疗影像预训练模型的准确率。因此，建立以医疗影像为主的预训练模型，以进一步提升医疗影像的影像分类、目标检测、分割等应用的准确率，就成为目前人工智能技术领域的重要目标。

发明内容

本发明提供一种医疗影像辨识的方法与系统，所述医疗影像辨识的方法与系统利用不同疾病标记的影像数据进行运算分析建立预训练模型。

本发明提供的技术方案如下：

本发明的第一实施例提供一种医疗影像辨识的方法，所述医疗影像辨识的方法包括：

步骤一：输入具有复数类疾病标记的复数个影像数据，每个所述影像数据至少具有一种疾病标记；

步骤二：建立一个第一预训练模型，并将具有复数类疾病标记的复数个所述影像数据以混合方式同时对所述第一预训练模型进行训练；

步骤三：将具有第一疾病标记的所述影像数据输入至所述第一预训练模型；

步骤四：以所述第一预训练模型为骨干，建立一个第二预训练模型；

步骤五：使用具有第一疾病标记的所述影像数据对所述第二预训练模型进行训练与验证。

本发明的第一实施例中，所述步骤四进一步包括步骤：冻结所述第一预训练模型至少一个卷积运算层的参数。

本发明的第一实施例中，所述步骤一的所述复数类疾病标记至少包括三类疾病标记。

本发明的第一实施例中，所述复数个影像数据为相同格式的影像数据。

本发明的第一实施例中，所述影像数据的格式为X光(X-ray)、计算机断层扫描(Computed Tomography，CT)、核磁共振造影(Magnetic Resonance Imaging，MRI)、超声波、病理切片摄影或眼底摄影的其中一种。

本发明的第二实施例提供一种医疗影像辨识的系统，所述医疗影像辨识的系统包括：