[发明专利]基于新型冠状病毒肺炎X射线胸片的智能分析系统及方法

说明书

本发明实施例提供一种基于新型冠状病毒肺炎X射线胸片的智能分析系统及方法，该系统包括：全图分析模块，用于获取预处理后的X射线胸片为新冠肺炎的疑似概率和注意力分布图，且基于所述注意力分布图获取主要注意力区域坐标；异常检测模块，用于获取预处理后的X射线胸片中的检测异常区域坐标；综合分析模块，用于根据所述疑似概率、所述主要注意力区域坐标和所述检测异常区域坐标判断所述X射线胸片是否为假阳。该系统通过两个串联的深度学习卷积神经网络模型来生成对整张X射线胸片的新型冠状病毒肺炎进行分析，能够有效提高系统本身的适用性以及检测的准确性。

技术领域

本发明涉及机器视觉领域，更具体地，涉及一种基于新型冠状病毒肺炎X射线胸片的智能分析系统及方法。

背景技术

新型冠状病毒性肺炎的检测手段具有多元性，既有核酸检测又有常规的放射技术手段检测；从一般意义上来讲，采用放射技术手段尤其是数字X摄影系统进行肺炎的检测具有高效，低成本的特点因而是此次抗击新型冠状肺炎的主力检测手段。

但是，随着病例数量成爆炸性增长，而受过训练的放射医师数量增长缓慢，这一矛盾导致整个检测流程低效，严重影响医疗资源的优化调配，解决这一问题，公认的做法是引入计算机辅助检测系统(CAD)来减少医师的工作量，提升医师阅片效率。

目前，由于深度学习技术具有无可替代的优势被广泛应用于CAD的设计中。用于CAD的深度学习技术可以大体分为两类：1.采用诸如Unet构型的网络结构，从病灶分割的角度生成疑似病灶的mask来获得疑似病灶的边缘位置信息；2.采用诸如Faster RCNN的网络构型来筛查出疑似病灶，并据此提取出病灶的位置信息，以及获得病灶的概率。但是上述两种思路都有明显的问题：对于第一种方案，由于这是检测任务，直接套用分割思路来处理，一方面会造成模型泛化能力的降低，另外也会对后续的一些操作造成不良影响，比如mask阈值的选取直接影响mask的生成，进而影响后续一系列操作，一个简单的阈值变化可能造成一系列全图的推断变化；对于第二种方案，用于物体识别的模型结构以及其优化点往往是针对自然图像，这并不能很好适用在医学图像中，比如自然图像中正例与负例很容易做到平衡，并且自然图像中的物体绝大多数情况下形状相似度都很高，而医学图像中，疑似病例相对于正常胸片而言毕竟是少数，况且病灶判断与否往往基于其与周围组织的判断而并不是其本身的形状。综上所述，现有的方案并不能很好适用于新型冠状病毒性肺炎的检测。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于新型冠状病毒肺炎X射线胸片的智能分析系统及方法。

根据本发明实施例第一方面，提供了一种基于新型冠状病毒肺炎X射线胸片的智能分析系统，该系统包括：全图分析模块，所述全图分析模块用于获取预处理后的X射线胸片为新冠肺炎的疑似概率和注意力分布图，且基于所述注意力分布图获取主要注意力区域坐标；异常检测模块，所述异常检测模块用于获取预处理后的X射线胸片中的检测异常区域坐标；综合分析模块，所述综合分析模块用于根据所述疑似概率、所述主要注意力区域坐标和所述检测异常区域坐标判断所述X射线胸片是否为假阳。

根据本发明实施例的第二方面，提供一种基于新型冠状病毒肺炎X射线胸片的智能分析方法，该方法包括：将预处理后的X射线胸片输入全图分析模块，以获得所述X射线胸片为新冠肺炎的疑似概率和注意力分布图；且基于所述注意力分布图获取主要注意力区域坐标；将预处理后的X射线胸片输入异常检测模块，以获得所述X射线胸片中检测异常区域坐标；将所述疑似概率、所述主要注意力区域坐标和所述检测异常区域坐标输入综合分析模块，以判断所述X射线胸片是否为假阳。

本发明实施例提供的基于新型冠状病毒肺炎X射线胸片的智能分析系统及方法，通过两个串联的深度学习卷积神经网络模型来生成对整张X射线胸片的新型冠状病毒肺炎进行分析，可以提高假阳的判断准确性；这样的系统与构型能够有效提高系统本身的适用性以及检测的准确性。

附图说明