[发明专利]一种基于深度神经网络的医疗图像信息识别方法及系统

摘要

本发明公开了一种基于深度神经网络的医疗图像信息识别方法及系统，其中，所述方法包括：对获取到的待识别医疗图像信息进行图像预处理；采用训练好的深度神经网络模型对预处理后的待识别医疗图像信息进行深层次特征提取；采用待识别医疗图像信息的深层次特征与医疗图像特征库中的医疗图像特征一一进行识别匹配，获取至少一个以上的相似医疗图像信息；获取至少一个以上的相似医疗图像信息对应的文本信息；对文本信息进行关键字提取处理；根据关键字向用户反馈与所述待识别医疗图像信息相匹配的医疗服务信息。在本发明实施例中，解决了现有的医疗图像匹配慢和不准确的问题。

主权项

1.一种基于深度神经网络的医疗图像信息识别方法，其特征在于，所述医疗图像信息识别方法，包括：

对获取到的待识别医疗图像信息进行图像预处理，获取预处理后的待识别医疗图像信息；

采用训练好的深度神经网络模型对所述预处理后的待识别医疗图像信息进行深层次特征提取处理，获取所述待识别医疗图像信息的深层次特征；

采用所述待识别医疗图像信息的深层次特征与医疗图像特征库中的医疗图像特征一一进行识别匹配处理，获取至少一个以上的相似医疗图像信息；

获取至少一个以上的相似医疗图像信息对应的文本信息；

对所述至少一个以上的相似医疗图像信息对应的文本信息进行关键字提取处理，获取文本信息的关键字；

根据所述关键字向用户反馈与所述待识别医疗图像信息相匹配的医疗服务信息。

2.根据权利要求1所述的基于深度神经网络的医疗图像信息识别方法，其特征在于，所述对获取到的待识别医疗图像信息进行图像预处理，包括：

对所述待识别医疗图像信息进行灰度化处理，获取灰度化处理后的待识别医疗图像信息；

对所述度化处理后的待识别医疗图像信息进行图像区域提取处理，获取图像区域提取处理后的待识别医疗图像信息；

对所述图像区域提取处理后的待识别医疗图像信息进行图像增强处理，获取预处理后的待识别医疗图像信息。

3.根据权利要求1所述的基于深度神经网络的医疗图像信息识别方法，其特征在于，所述深度神经网络模型的训练过程，包括：

构建初始神经网络训练模型，所述初始神经网络模型包括输入层、第一卷积池化层、第二卷积池化层、第三卷积池化层、全连接层和输出层；

对用于训练的待训练图像信息依次进行灰度化、图像区域提取和图像增强预处理，获取预处理后的待训练图像信息；

将所述预处理后的待训练图像信息输入所述初始神经网络训练模型进行模型训练，通过所述模型训练调整所述初始神经网络训练模型中第一卷积池化层、第二卷积池化层、第三卷积池化层、全连接层的参数设置；

判断所述初始神经网络训练模型中第一卷积池化层、第二卷积池化层、第三卷积池化层、全连接层的参数设置是否区域稳定，若是，则完成训练，获取训练好的深度神经网络模型；若否，则返回上一步继续进行训练。

4.根据权利要求1所述的基于深度神经网络的医疗图像信息识别方法，其特征在于，所述采用所述待识别医疗图像信息的深层次特征与医疗图像特征库中的医疗图像特征一一进行识别匹配处理，包括：

采用Softmax分类器对所述待识别医疗图像信息的深层次特征与医疗图像特征库中的医疗图像特征一一进行识别匹配处理，获取至少一个以上与所述待识别医疗图像信息的深层次特征相似的医疗图像特征。

5.根据权利要求1所述的基于深度神经网络的医疗图像信息识别方法，其特征在于，所述对所述至少一个以上的相似医疗图像信息对应的文本信息进行关键字提取处理中的关键字提取方法包括：TF‑IDF关键字提取算法、基于语义的统计语言模型、TF‑IWF文档关键字自动提取算法、基于分离模型的文中关键字提取算法、基于语义的中文文本关键字提取SKE算法、基于朴素贝叶斯模型的中文关键字提取算法。

6.一种基于深度神经网络的医疗图像信息识别系统，其特征在于，所述医疗图像信息识别系统，包括：

预处理模块：用于对获取到的待识别医疗图像信息进行图像预处理，获取预处理后的待识别医疗图像信息；

特征提取模块：用于采用训练好的深度神经网络模型对所述预处理后的待识别医疗图像信息进行深层次特征提取处理，获取所述待识别医疗图像信息的深层次特征；

特征匹配模块：用于采用所述待识别医疗图像信息的深层次特征与医疗图像特征库中的医疗图像特征一一进行识别匹配处理，获取至少一个以上的相似医疗图像信息；

文本信息获取模块：用于获取至少一个以上的相似医疗图像信息对应的文本信息；

关键字提取模块：用于对所述至少一个以上的相似医疗图像信息对应的文本信息进行关键字提取处理，获取文本信息的关键字；

服务反馈模块：用于根据所述关键字向用户反馈与所述待识别医疗图像信息相匹配的医疗服务信息。

7.根据权利要求6所述的基于深度神经网络的医疗图像信息识别系统，其特征在于，所述预处理模块包括：

灰度化单元：用于对所述待识别医疗图像信息进行灰度化处理，获取灰度化处理后的待识别医疗图像信息；

图像区域提取单元：用于对所述度化处理后的待识别医疗图像信息进行图像区域提取处理，获取图像区域提取处理后的待识别医疗图像信息；

图像增强单元：用于对所述图像区域提取处理后的待识别医疗图像信息进行图像增强处理，获取预处理后的待识别医疗图像信息。

8.根据权利要求6所述的基于深度神经网络的医疗图像信息识别系统，其特征在于，所述深度神经网络模型的训练过程，包括：

构建初始神经网络训练模型，所述初始神经网络模型包括输入层、第一卷积池化层、第二卷积池化层、第三卷积池化层、全连接层和输出层；

对用于训练的待训练图像信息依次进行灰度化、图像区域提取和图像增强预处理，获取预处理后的待训练图像信息；

将所述预处理后的待训练图像信息输入所述初始神经网络训练模型进行模型训练，通过所述模型训练调整所述初始神经网络训练模型中第一卷积池化层、第二卷积池化层、第三卷积池化层、全连接层的参数设置；

判断所述初始神经网络训练模型中第一卷积池化层、第二卷积池化层、第三卷积池化层、全连接层的参数设置是否区域稳定，若是，则完成训练，获取训练好的深度神经网络模型；若否，则返回上一步继续进行训练。

9.根据权利要求6所述的基于深度神经网络的医疗图像信息识别系统，其特征在于，所述特征匹配模块包括：

Softmax分类单元：用于采用Softmax分类器对所述待识别医疗图像信息的深层次特征与医疗图像特征库中的医疗图像特征一一进行识别匹配处理，获取至少一个以上与所述待识别医疗图像信息的深层次特征相似的医疗图像特征。

10.根据权利要求6所述的基于深度神经网络的医疗图像信息识别方系统，其特征在于，所述关键字提取模块中的关键字提取方法包括：TF‑IDF关键字提取算法、基于语义的统计语言模型、TF‑IWF文档关键字自动提取算法、基于分离模型的文中关键字提取算法、基于语义的中文文本关键字提取SKE算法、基于朴素贝叶斯模型的中文关键字提取算法。