胸部X射线影像分析方法和装置制造方法及图纸

本申请实施例提供了一种胸部X射线影像分析方法和装置，解决了现有影像分析方式的效率低和准确率低的问题。该胸部X射线影像分析方法包括：获取胸部X射线影像；将所述胸部X射线影像输入神经网络检测模型进行分析，其中，所述神经网络检测模型基于预学习的训练过程建立；以及获得所述神经网络检测模型输出的所述胸部X射线影像是否包括病灶的分析结果。

Chest X-ray image analysis method and apparatus

【技术实现步骤摘要】
胸部X射线影像分析方法和装置
本申请涉及影像分析
，具体涉及一种胸部X射线影像分析方法、装置、电子设备和计算机可读存储介质。
技术介绍
结核病是全球十大死因之一，致死率高于艾滋病。目前全球每年的新发病例约1000万，其中9％来自中国，这些新发病例主要集中在经济落后、环境闭塞的地区。由于结核的高传染性，有进行大面积甚至全区域筛查的需求；同时由于这些地区医疗资源匮乏，利用胸部X射线影像来进行初筛也成为了常规手段。目前，对于胸部X射线影像的肺结核筛查，主要依靠放射医师的人工阅片，识别结核病灶的位置、形态、尺寸等特征，从而进行分析。然而，现有基于人工的胸部X射线影像分析方式，在基层医院人手不足时，无法进行全面的筛查，效率较低；或者，当基层医师的水平欠缺时，在对X射线影像进行分析时的准确率也较低。
技术实现思路
有鉴于此，本申请实施例提供了一种胸部X射线影像分析方法和装置，解决了现有影像分析方式的效率低和准确率低的问题。根据本申请的一个方面，本申请一实施例提供的一种胸部X射线影像分析方法包括：获取胸部X射线影像；将所述胸部X射线影像输入神经网络检测模型进行分析，其中，所述神经网络检测模型基于预学习的训练过程建立；以及获得所述神经网络检测模型输出的所述胸部X射线影像是否包括病灶的分析结果。在本申请一实施例中，所述神经网络检测模型包括：特征提取网络、特征融合网络、区域举荐网络、和分类回归网络；其中，所述将所述胸部X射线影像输入神经网络检测模型进行分析包括：将所述胸部X射线影像输入所述特征提取网络以获取目标特征图；将所述胸部X射线影像输入所述区域举荐网络以获取目标区域；基于所述特征提取网络获取所述目标区域的目标区域特征图；将所述目标特征图和所述目标区域特征图输入所述特征融合网络获得融合特征图；以及将所述融合特征图输入所述分类回归网络以获得分类结果，其中，所述分类结果为所述胸部X射线影像是否包括病灶。在本申请一实施例中，所述神经网络检测模型进一步包括：指导检查网络；其中，所述将所述胸部X射线影像输入神经网络检测模型进行分析进一步包括：基于所述指导检查网络获取所述区域举荐网络输出的所述目标区域的重要性参数；以及基于所述重要性参数更新所述区域举荐网络的参数。在本申请一实施例中，所述神经网络检测模型基于如下的训练过程建立：获取带有标准病灶信息的胸部X射线影像样本作为训练集；将所述训练集输入初始深度神经网络进行分析；将所述初始深度神经网络输出的预测病灶结果与所述标准病灶信息对比以计算损失值；以及基于所述损失值以梯度回传的方式更新所述初始深度神经网络的参数。在本申请一实施例中，在将所述胸部X射线影像输入神经网络检测模型进行分析之前，所述方法进一步包括：对所述胸部X射线影像进行图像增强预处理。根据本申请的一个方面，本申请一实施例提供的一种胸部X射线影像分析装置包括：第一获取模块，配置为获取胸部X射线影像；分析模块，配置为将所述胸部X射线影像输入神经网络检测模型进行分析，其中，所述神经网络检测模型基于预学习的训练过程建立；以及第二获取模块，配置为获得所述神经网络检测模型输出的所述胸部X射线影像是否包括病灶的分析结果。在本申请一实施例中，所述神经网络检测模型包括：特征提取网络、特征融合网络、区域举荐网络、和分类回归网络；其中，所述分析模块包括：第一获取单元，配置为将所述胸部X射线影像输入所述特征提取网络以获取目标特征图；第二获取单元，配置为将所述胸部X射线影像输入所述区域举荐网络以获取目标区域；第三获取单元，配置为基于所述特征提取网络获取所述目标区域的目标区域特征图；第四获取单元，配置为将所述目标特征图和所述目标区域特征图输入所述特征融合网络获得融合特征图；以及第五获取单元，配置为将所述融合特征图输入所述分类回归网络以获得分类结果，其中，所述分类结果为所述胸部X射线影像是否包括病灶。在本申请一实施例中，所述神经网络检测模型进一步包括：指导检查网络；其中，所述分析模块进一步包括：第六获取单元，配置为基于所述指导检查网络获取所述区域举荐网络输出的所述目标区域的重要性参数；以及第七获取单元，配置为基于所述重要性参数更新所述区域举荐网络的参数。在本申请一实施例中，所述装置进一步包括：训练模块，包括：第八获取单元，配置为获取带有标准病灶信息的胸部X射线影像样本作为训练集；第一输入单元，配置为将所述训练集输入初始深度神经网络进行分析；第一计算单元，配置为将所述初始深度神经网络输出的预测病灶结果与所述标准病灶信息对比以计算损失值；以及第一更新单元，配置为基于所述损失值以梯度回传的方式更新所述初始深度神经网络的参数。在本申请一实施例中，所述装置进一步包括：预处理模块，配置为在将所述胸部X射线影像输入神经网络检测模型进行分析之前，对所述胸部X射线影像进行图像增强预处理。根据本申请的另一方面，本申请一实施例提供了一种电子设备，包括：处理器；存储器；以及存储在存储器中的计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上述任一项所述的胸部X射线影像分析方法。根据本申请的另一方面，本申请一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如前任一所述的胸部X射线影像分析方法。根据本申请的另一方面，本申请一实施例提供了一种计算机程序产品，包括计算机程序指令，所述计算机程序指令在被处理器运行时使得处理器执行如上述任一所述的胸部X射线影像分析方法。本申请实施例提供的一种胸部X射线影像分析方法、装置、电子设备和计算机可读存储介质，利用经过预学习的训练过程建立的神经网络检测模型，可实现胸部X射线影像的全程自动化分析，可有效避免传统人工分析方式所带来的效率低和准确率低的问题。可使得在医疗人力资源匮乏的经济欠发达地区，使肺结核患者得到及时的检出，进而得到及时的救治。附图说明图1所示为本申请一实施例提供的一种胸部X射线影像分析方法的流程示意图。图2所示为本申请一实施例提供的一种胸部X射线影像分析方法中利用神经网络检测模型分析胸部X射线影像的流程示意图。图3所示为本申请另一实施例提供的一种胸部X射线影像分析方法中利用神经网络检测模型分析胸部X射线影像的流程示意图。图4所示为本申请一实施例提供的一种胸部X射线影像分析方法中训练神经网络检测模型的流程示意图。图5所示为本申请一实施例提供的胸部X射线影像分析装置的结构示意图。图6所示为本申请另一实施例提供的胸部X射线影像分析装置的结构示意图。图7所示为本申请一实施例提供的电子设备的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保本文档来自技高网...

【技术保护点】
1.一种胸部X射线影像分析方法，其特征在于，包括：/n获取胸部X射线影像；/n将所述胸部X射线影像输入神经网络检测模型进行分析，其中，所述神经网络检测模型基于预学习的训练过程建立；以及/n获得所述神经网络检测模型输出的所述胸部X射线影像是否包括病灶的分析结果。/n

【技术特征摘要】
1.一种胸部X射线影像分析方法，其特征在于，包括：
获取胸部X射线影像；
将所述胸部X射线影像输入神经网络检测模型进行分析，其中，所述神经网络检测模型基于预学习的训练过程建立；以及
获得所述神经网络检测模型输出的所述胸部X射线影像是否包括病灶的分析结果。


2.根据权利要求1所述的方法，其特征在于，所述神经网络检测模型包括：特征提取网络、特征融合网络、区域举荐网络、和分类回归网络；
其中，所述将所述胸部X射线影像输入神经网络检测模型进行分析包括：
将所述胸部X射线影像输入所述特征提取网络以获取目标特征图；
将所述胸部X射线影像输入所述区域举荐网络以获取目标区域；
基于所述特征提取网络获取所述目标区域的目标区域特征图；
将所述目标特征图和所述目标区域特征图输入所述特征融合网络获得融合特征图；以及
将所述融合特征图输入所述分类回归网络以获得分类结果，其中，所述分类结果为所述胸部X射线影像是否包括病灶。


3.根据权利要求1所述的方法，其特征在于，所述神经网络检测模型进一步包括：指导检查网络；
其中，所述将所述胸部X射线影像输入神经网络检测模型进行分析进一步包括：
基于所述指导检查网络获取所述区域举荐网络输出的所述目标区域的重要性参数；以及
基于所述重要性参数更新所述区域举荐网络的参数。


4.根据权利要求1所述的方法，其特征在于，所述神经网络检测模型基于如下的训练过程建立：
获取带有标准病灶信息的胸部X射线影像样本作为训练集；
将所述训练集输入初始深度神经网络进行分析；
将所述初始深度神经网络输出的预测病灶结果与所述标准病灶信息对比以计算损失值；以及
基于所述损失值以梯度回传的方式更新所述初始深度神经网络的参数。


5.根据权利要求1所述的方法，其特征在于，在将所述胸部X射线影像输入神经网络检测模型进行分析之前，所述方法进一步包括：
对所述胸部X射线影像进行图像增强预处理。


6.一种胸部X射线影像分析装置，其特征在于，包括：
第一获取模块，配置为获取胸部X射线...

【专利技术属性】
技术研发人员：高凯，郭婷婷，刘敬禹，王亦洲，
申请(专利权)人：北京深睿博联科技有限责任公司，杭州深睿博联科技有限公司，
类型：发明
国别省市：北京;11