[发明专利]肺部疾病分类方法、装置及设备

说明书

本发明公开了一种基于深度学习模型和X光影像的肺部疾病分类方法、装置及设备，该方法包括：提取X光影像中的胸部区域掩膜图，将掩膜图输入到预先训练好的深度学习模型的卷积神经网络进行编码抽取位置特征信息，获得第一特征向量xmask；对X光影像进行在线数据增强，将增强后的X光影像输入到深度学习模型的DenSeNet网络进行特征提取，每张X光影像获得第二特征向量xdense；将第一特征向量xmask与第二特征向量xdense结合，得到第三特征向量xi＝(xmask,xdense)，将第三特征向量xi输入到深度学习模型的全连接网络，获得肺部疾病的第一分类结果。

技术领域

本发明涉及人工智能技术领域，尤其是涉及一种基于深度学习模型和X光影像的肺部疾病分类方法、装置及设备。

背景技术

在胸部疾病诊断当中，胸部X-Ray影像是最常用检查方法之一，每年由超过20亿人进行胸部X光检查。这对于胸部疾病的筛查、诊断和治疗至关重要。

但与此同时，胸部X光影像的疾病识别属于多标签分类问题，往往同一个病人产生多种疾病征象。这对于计算机的自动化识别是一项巨大的挑战。

发明内容

本发明的目的在于提供一种基于深度学习模型和X光影像的肺部疾病分类方法、装置及设备，旨在解决现有技术中的上述问题。

本发明提供一种基于深度学习模型和X光影像的肺部疾病分类方法，包括：

提取X光影像中的胸部区域掩膜图，将掩膜图输入到预先训练好的深度学习模型的卷积神经网络进行编码抽取位置特征信息，获得第一特征向量x_mask；

对X光影像进行在线数据增强，将增强后的X光影像输入到深度学习模型的DenSeNet网络进行特征提取，每张X光影像获得第二特征向量x_dense；

将第一特征向量x_mask与第二特征向量x_dense结合，得到第三特征向量x_i＝(x_mask,x_dense)，将第三特征向量x_i输入到深度学习模型的全连接网络，获得肺部疾病的第一分类结果。

本发明提供一种基于深度学习模型和X光影像的肺部疾病分类系统，包括：

提取单元，用于提取X光影像中的胸部区域掩膜图；

卷积神经网络单元，用于将掩膜图输入到预先训练好的深度学习模型的卷积神经网络进行编码抽取位置特征信息，获得第一特征向量x_mask；

数据增强单元，用于对X光影像进行在线数据增强；

DenSeNet网络单元，用于将增强后的X光影像输入到深度学习模型的DenSeNet网络进行特征提取，每张X光影像获得第二特征向量x_dense；

全连接网络单元，用于将第一特征向量x_mask与第二特征向量x_dense结合，得到第三特征向量x_i＝(x_mask,x_dense)，将第三特征向量x_i输入到深度学习模型的全连接网络，获得肺部疾病的第一分类结果。

本发明实施例还提供一种基于深度学习模型和X光影像的肺部疾病分类设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现上述基于深度学习模型和X光影像的肺部疾病分类方法的步骤。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有信息传递的实现程序，程序被处理器执行时实现上述基于深度学习模型和X光影像的肺部疾病分类方法的步骤。