[发明专利]一种心肺异常识别装置及设备在审

专利信息
申请号: 202110552961.3 申请日: 2021-05-20
公开(公告)号: CN115375606A 公开(公告)日: 2022-11-22
发明(设计)人: 方建生 申请(专利权)人: 广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06V10/44;G06V10/762;G06V10/764;G06V10/77;G06V10/774
代理公司: 北京品源专利代理有限公司 11332 代理人: 孟金喆
地址: 510530 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 异常 识别 装置 设备
【说明书】:

发明公开了一种心肺异常识别装置及设备。通过对全局特征图中非心肺区域的元素进行抑制,抑制非心肺区域的信息传递,避免非心肺区域的信息对心肺异常识别结果的干扰,提高了心肺异常识别的准确率和识别效率。通过预先基于阴性样本构建聚类编码本,并将降维特征图输入聚类编码本中进行检索,确定心肺异常识别结果,解决了阳性样本稀缺,导致无法开展有效的监督训练的问题,降低了标注成本,同时,采用从聚类编码本中检索的方式确定心肺异常识别结果,提高了识别效率。

技术领域

本发明实施例涉及心肺异常识别技术领域,尤其涉及一种心肺异常识别装置及设备。

背景技术

胸部X射线图像(或称之为胸片)是目前最常见的用于胸腔疾病筛查和诊断的工具。在日常临床中,胸片的影像筛查和诊断依赖专业医生的经验,这是一项耗时及可能出现主观性评估错误。近年来,随着医学影像处理技术的进步,尤其是深度学习方法,利用计算机辅助筛查和诊断逐渐应用到放射科。

由于胸部X线的低特异性,类间和类内的区分性很低,异常识别任务的性能都受限,导致异常识别准确率较低。

发明内容

本发明提供一种心肺异常识别装置及设备,以提高心肺异常识别的准确率和识别效率。

第一方面,本发明实施例提供了一种心肺异常识别装置,包括:

全局特征图提取模块,用于从获取的胸部X射线图像中提取用于表征全局信息的全局特征图;

局部特征图提取模块,用于对所述全局特征图中非心肺区域的元素进行抑制,得到用于表征心肺区域的信息的局部特征图;

降维处理模块,用于对所述局部特征图进行降维处理,得到用于表征所述局部特征图的有效信息的降维特征图;

识别结果确定模块,用于将所述降维特征图输入预先基于阴性样本训练好的聚类编码本中进行检索,确定心肺异常识别结果,所述心肺异常识别结果包括阳性和阴性。

第二方面,本发明实施例还提供了一种计算机设备,包括如本发明第一方面提供的心肺异常识别装置。

本发明实施例提供的心肺异常识别装置,全局特征图提取模块从获取的胸部X射线图像中提取用于表征全局信息的全局特征图,局部特征图提取模块对全局特征图中非心肺区域的元素进行抑制,得到用于表征心肺区域的信息的局部特征图,降维处理模块对局部特征图进行降维处理,得到用于表征局部特征图的有效信息的降维特征图,识别结果确定模块将降维特征图输入预先基于阴性样本训练好的聚类编码本中进行检索,确定心肺异常识别结果,心肺异常识别结果包括阳性和阴性。通过对全局特征图中非心肺区域的元素进行抑制,抑制非心肺区域的信息传递,避免非心肺区域的信息对心肺异常识别结果的干扰,提高了心肺异常识别的准确率和识别效率。通过预先基于阴性样本构建聚类编码本,并将降维特征图输入聚类编码本中进行检索,确定心肺异常识别结果,解决了阳性样本稀缺,导致无法开展有效的监督训练的问题,降低了标注成本,同时,采用从聚类编码本中检索的方式确定心肺异常识别结果,提高了识别效率。

附图说明

图1为本发明实施例一提供的一种心肺异常识别方法的流程图;

图2A为本发明实施例二提供的一种心肺异常识别方法的流程图;

图2B为本发明实施例提供的一种心肺异常识别方法中数据处理流程图;

图2C为本发明实施例提供的一种降维特征图的结构示意图;

图3为本发明实施例三提供的一种心肺异常识别装置的结构示意图;

图4为本发明实施例四提供的一种计算机设备的结构示意图。

具体实施方式

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司,未经广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110552961.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top