[发明专利]基于多神经网络的医学影像信息识别方法、装置、系统

说明书

本发明提供一种基于多神经网络的信息识别方法，包括将医学影像作为输入图像输入到第一神经网络模型中得到第一识别信息；将医学影像作为输入图像输入到第二神经网络模型中得到第二识别信息；当第一识别信息和第二识别信息不相同时，输出异常报告并记录异常报告的次数；根据异常报告的次数调整第一神经网络模型的第一参数及第二神经网络模型的第二参数。本发明叠加至少两个神经网络降低误识别率，根据多个识别结果的差异性，调整神经网络模型的参数，再进行多个神经网络模型进行图像识别，减少了识别的误差率的同时对误识别率进行评价及对模型进行优化，降低了出现医学报告误匹配的发生，避免医患纠纷。

技术领域

本发明涉及信息识别技术领域，具体涉及一种基于多神经网络的医学影像信息识别方法、装置、系统。

背景技术

自助打印系统从DR,CT,MR,PACS等影像工作站获取患者胶片，从PACS报告工作站获取患者的姓名，手机号，条形码号，就诊卡号，身份证号等患者信息与患者报告，通过特定的规则将患者的胶片与报告匹配。患者需要通过刷条形码/刷就诊卡/刷身份证后将相应的胶片和报告打印出来。

这种报告打印方式增加了患者的取片排队等待时间，而如果将患者的胶片信息直接发送给患者或医生，就需要对胶片信息进行图像识别。

现有的PACS报告工作站将患者胶片发至自动系统后，采用OCR引擎的模式，对图像多个区域进行图像识别，传统OCR引擎的模式是：灰度化-二值化-去黑边-寻找识别区域-行切割-字切割-OCR识别，这种识别方式的误差率较大，在医学影像技术领域中，需要相对于其他领域更为精确的图像识别方法，减少医患纠纷。例如，专利CN201610626310.3采用OCR识别方法识别出影像信息，实现影像信息与诊断报告一体化输出至影像存储系统。专利号为CN201811330262.9名称为“医学文本OCR方法及系统”先对文本文件进行分类，再通过专用的OCR识别器进行精确识别，以提高识别率。

对于现有技术中OCR进行的影像识别，仅考虑提高其识别精确率，但即使提高其识别精确率也不可能将识别的精度达到百分之百，且无法知晓识别过程是否发生了识别错误，更无法对识别过程进行修正。从而导致医学影像的误拿，通常到医生和/或患者手里才知晓姓名等信息错误，增加医患纠纷。当人为发现错误后引入人工调整，会降低效率。因此，有必要开发一种新的针对医学影像的识别方法，解决上述问题。

发明内容

针对现有技术的不足之处，本发明的目的在于提供一种多神经网络的医学影像信息识别方法、装置及系统。

本发明的技术方案概述如下：

一方面，本发明提供一种基于多神经网络的医学影像信息识别方法，包括：

将医学影像作为输入图像输入到第一神经网络模型中，得到第一识别信息；

将医学影像作为输入图像输入到第二神经网络模型中，得到第二识别信息；其中，所述第一神经网络模型与所述第二神经网络模型不关联；

判断所述第一识别信息和所述第二识别信息是否相同；

当所述第一识别信息和所述第二识别信息不相同时，输出异常报告并记录异常报告的次数；

根据所述异常报告的次数调整所述第一神经网络模型的第一参数及第二神经网络模型的第二参数。

进一步地，所述根据所述异常报告的次数调整所述第一神经网络模型的第一参数及第二神经网络模型的第二参数，包括：

根据所述第一识别信息和所述第二识别信息，得到所述第一识别信息与所述第二识别信息为不同信息的次数，为异常报告的次数；

判断所述不同信息的次数是否超过次数阈值；

当所述不同信息的次数超过所述次数阈值，调整所述第一神经网络模型的第一参数及第二神经网络模型的第二参数；