基于肺部彩超的儿童肺炎辅助诊断模型的训练方法和训练装置制造方法及图纸

本申请提供了一种基于肺部彩超的儿童肺炎辅助诊断模型的训练方法和训练装置，训练方法包括：获取包括多个儿童肺炎患者的彩超图像的诊疗信息数据库；根据数据库获取多个样本集合；对每个样本集合中的训练集进行训练处理，获得训练模型；根据每个样本集合的测试集对训练模型进行检验，获得训练模型的准确度；基于多个训练模型的准确度，确定诊断模型；其中，每个样本集合包括训练集及对应的测试集。本申请的训练方法获得的诊断模型准确度较高，能够为临床医生的诊断提供帮助，减少漏诊和误诊率，还能够将该诊断模型作为医生学习诊断的工具，也能够为医生的快速成长提供巨大的推动力。也能够为医生的快速成长提供巨大的推动力。也能够为医生的快速成长提供巨大的推动力。

【技术实现步骤摘要】
基于肺部彩超的儿童肺炎辅助诊断模型的训练方法和训练装置


[0001]本申请涉及医学计算机
，特别地涉及一种基于肺部彩超的儿童肺炎辅助诊断模型的训练方法和训练装置。

技术介绍

[0002]据世界卫生组织(WHO)报道，小儿肺炎是儿童致死的首要原因。2015年WHO估算全球约有92万多名儿童死于肺炎，其中5岁以下儿童约占15％。肺炎诊断有时非常困难，因为症状会根据孩子的年龄和感染的原因有不同的变化。此外，有些症状不仅仅指向儿童肺炎，也可以是其他疾病的相关临床表现。肺炎作为婴幼儿威胁性极高的病症，一旦发现，应给予准确的诊断，然后对症治疗，诊断越早、准确性越高越好，有利于提升患儿的治愈率，对于患儿诊断方法的选择应给予重点关注。特别是社区对于小儿肺炎的诊断，更加需要准确的肺炎诊断手段。
[0003]然而，以往小儿肺炎的主要影像学检查方法是胸部X射线和CT检查，针对于同一张胸部X射线和CT检查的医学影像，不同时间点或不同医生的判断结果不一致性很高，就具有很大的观察者差异。

技术实现思路

[0004]为了解决或至少部分地解决上述技术问题，本申请提供了一种基于肺部彩超的儿童肺炎辅助诊断模型的训练方法，其包括：获取包括多个儿童肺炎患者的彩超图像的诊疗信息数据库；根据数据库获取多个样本集合；对每个样本集合中的训练集进行训练处理，获得训练模型；根据每个样本集合的测试集对训练模型进行检验，获得训练模型的准确度；基于多个训练模型的准确度，确定诊断模型；其中，每个样本集合包括训练集及对应的测试集。
[0005]本申请基于肺部彩超的儿童肺炎辅助诊断模型的训练方法，包括：获取包括多个儿童肺炎患者的彩超图像的诊疗信息数据库，数据库的来源可以为某医院的儿科，在就诊期间所获得的儿童肺炎患者就诊资料，数据库可以为诊断模型的训练提供数据支持，尽可能地提升诊断模型的准确性。
[0006]接着，根据数据库获取多个样本集合，对于每个样本集合而言，均具有训练集和对应的测试集，一个样本集合可以包含数据库的所有数据，也可以仅包含部分数据。训练集中的诊疗信息用于模型训练，测试集的数量用于模型准确的测试，经过训练后获得的训练模型，再经由测试集的检验，从而能够得到训练模型的准确度。
[0007]其中，对每个样本集合中的训练集进行训练处理，获得训练模型，然后在根据每个样本集合的测试集对训练模型进行检验，获得训练模型的准确度。由于样本集合的数量为多个，当对每个样本集合均进行训练处理时，则会获得多个训练模型，那么对多个训练模型分别进行检验之后，则会获得多个训练模型的准确度。
[0008]最后，基于多个训练模型的准确度，确定诊断模型，诊断模型的准确度较高，能够为医生的诊断提供帮助，减轻儿科医生工作压力，提高各级医院对于肺炎的诊断率，辅助临床医生减少漏诊和误诊率，还能够将该诊断模型作为医生学习诊断的工具，也能够为医生的快速成长提供巨大的推动力。
[0009]值得说明的是，本申请所提供的基于肺部彩超的儿童肺炎辅助诊断模型的训练方法涉及获取数据，而并不作为诊断手段。
[0010]可选地，每个诊疗信息包括超声图像、对应的检验结果以及对应的诊断信息。
[0011]可选地，获得由多个儿童肺炎患者的诊疗信息构成的数据库的步骤，具体包括：获取多个儿童肺炎患者的诊疗信息；对多个诊疗信息中的超声图像进行图像预处理，获得数据库；其中，图像预处理包括裁剪、翻转、旋转、缩放处理。
[0012]可选地，根据数据库获取多个样本集合的步骤，具体包括：在数据库随机获取多个样本集合；其中，任两个样本集合中训练集和测试集的比例不同。
[0013]可选地，多个训练模型包括第一训练模型和第二训练模型，基于多个训练模型的准确度，确定诊断模型的步骤，具体包括：第一训练模型的准确度大于第二训练模型的准确度，确定第一训练模型为诊断模型。
[0014]可选地，诊断模型的网络结构包括AlexNet网络结构、Resnet18网络结构或Resnet50网络结构。
[0015]本申请还提供了一种基于肺部彩超的儿童肺炎辅助诊断模型的训练装置，其特征在于，包括：
[0016]获取模块，用于获取包括多个儿童肺炎患者的彩超图像的诊疗信息数据库，根据数据库获取多个样本集合；
[0017]训练模块，用于对每个样本集合中的训练集进行训练处理，获得训练模型；
[0018]测试模块，根据每个样本集合的测试集对训练模型进行检验，获得训练模型的准确度；
[0019]确定模块，基于多个训练模型的准确度，确定诊断模型；
[0020]其中，每个样本集合包括训练集及对应的测试集。
[0021]本申请中用于儿童肺炎辅助诊断模型训练装置包括获取模块、训练模块、测试模块和确定模块，其中，获取模块用于获取包括多个儿童肺炎患者的彩超图像的诊疗信息数据库，数据库的来源可以为某医院的儿科，在就诊期间所获得的儿童肺炎患者就诊资料，数据库可以为诊断模型的训练提供数据支持，尽可能地提升诊断模型的准确性。
[0022]接着，获取模块还能够根据数据库获取多个样本集合，对于每个样本集合而言，均具有训练集和对应的测试集，一个样本集合可以包含数据库的所有数据，也可以仅包含部分数据。训练集中的诊疗信息用于模型训练，测试集的数量用于模型准确的测试，经过训练后获得的训练模型，再经由测试集的检验，从而能够得到训练模型的准确度。
[0023]其中，训练模块能够每个样本集合中的训练集进行训练处理，获得训练模型，然后再通过训练模块，根据每个样本集合的测试集对训练模型进行检验，获得训练模型的准确度。由于样本集合的数量为多个，当对每个样本集合均进行训练处理时，则会获得多个训练模型，那么对多个训练模型分别进行检验之后，则会获得多个训练模型的准确度。
[0024]最后，确定模块能够基于多个训练模型的准确度，确定诊断模型，也就是说，再多
个训练模型中选取准确度较高的训练模型作为诊断模型，诊断模型的准确度较高，能够为医生的诊断提供帮助，减轻儿科医生工作压力，提高各级医院对于肺炎的诊断率，辅助临床医生减少漏诊和误诊率，还能够将该诊断模型作为医生学习诊断的工具，也能够为医生的快速成长提供巨大的推动力。
[0025]可选地，获取模块还用于：在数据库随机获取多个样本集合，其中，任两个样本集合中训练集和测试集的比例不同。
[0026]本申请还提供了一种计算机设备，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，其特征在于：处理器用于执行如前述基于肺部彩超的儿童肺炎辅助诊断模型的训练方法的步骤。
[0027]本申请中的计算机设备，其包含的处理器用于执行上述任一设计中基于肺部彩超的儿童肺炎辅助诊断模型的训练方法的步骤，因而，该计算机设备能够实现该基于肺部彩超的儿童肺炎辅助诊断模型的训练方法的全部有益效果，在此不再赘述。
[0028]本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于：计算机程序被处理器执行时实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于肺部彩超的儿童肺炎辅助诊断模型的训练方法，其特征在于，包括：获取包括多个儿童肺炎患者的彩超图像的诊疗信息数据库；根据所述数据库获取多个样本集合；对每个所述样本集合中的训练集进行训练处理，获得训练模型；根据每个所述样本集合的测试集对所述训练模型进行检验，获得所述训练模型的准确度；基于多个所述训练模型的准确度，确定所述诊断模型；其中，每个所述样本集合包括训练集及对应的测试集。2.根据权利要求1所述的训练方法，其特征在于，每个所述诊疗信息包括超声图像、对应的检验结果以及对应的诊断信息。3.根据权利要求1所述的训练方法，其特征在于，所述获得由多个儿童肺炎患者的诊疗信息构成的数据库的步骤，具体包括：获取多个儿童肺炎患者的诊疗信息；对多个所述诊疗信息中的超声图像进行图像预处理，获得数据库；其中，所述图像预处理包括裁剪、翻转、旋转、缩放处理。4.根据权利要求1所述的训练方法，其特征在于，所述根据所述数据库获取多个样本集合的步骤，具体包括：在所述数据库随机获取多个样本集合；其中，任两个所述样本集合中训练集和测试集的比例不同。5.根据权利要求1所述的训练方法，其特征在于，多个所述训练模型包括第一训练模型和第二训练模型，所述基于多个所述训练模型的准确度，确定所述诊断模型的步骤，具体包括：所述第一训练模型的准确度大于所述第二训练模型的准确度，确定所述第一训练...

【专利技术属性】
技术研发人员：张金萍，方晓慧，李雯，李维梅，韩彦玲，徐峻，
申请(专利权)人：上海市第六人民医院，
类型：发明
国别省市：