【技术实现步骤摘要】
一种胸片筛查分类预测方法、装置、电子设备及存储介质
[0001]本专利技术一个或多个实施例涉及医学诊断
,尤其涉及一种胸片筛查分类预测方法、装置、电子设备及存储介质。
技术介绍
[0002]胸部X线片(Chest X
‑
ray,CXR)是诊断呼吸系统疾病的一线影像检查方法,在医学影像科日常工作任务中占很大比例。使用CXR进行检查的临床场景包括:门诊检查、术前常规检查、健康体检,以及急诊检查等。目前临床上,在前三种情况下,CXR结果多数为正常,影像检查或筛查的任务是检出少数的异常者,再做进一步处理。
[0003]但上述方法,在目前的临床工作中是由临床医师人工鉴别诊断的,但由于每个临床医师的经验不同,容易产生误诊和漏诊,且人工鉴别诊断的工作效率低。
技术实现思路
[0004]为解决现有技术中存在的问题,本专利技术提供了一种胸片筛查分类预测方法、装置、电子设备及存储介质,基于深度学习算法利用常规胸片对门诊、急诊、术前常规和体检人群的CXR进行“无发现”和“有发现”的可解释性的分类,以提高临床医师的工作效率、减少漏诊、误诊,同时也为远程医疗或体检中心的质控提供了可能性。
[0005]为实现上述目的,本专利技术提供了以下技术方案:
[0006]第一方面,本专利技术提供了一种胸片筛查分类预测方法,该方法包括以下步骤:
[0007]获取待筛查的胸片图像,并对所述胸片图像进行对比度增强处理,获得对比度增强图像;
[0008]将所述对比度增强图像输入到预先 ...
【技术保护点】
【技术特征摘要】
1.一种胸片筛查分类预测方法,其特征在于,所述方法包括以下步骤:对获取的待筛查的胸片图像进行对比度增强处理,获得对比度增强图像;将所述对比度增强图像输入到预先训练好的分类模型中,确定所述胸片图像的类别及相应的分数、相应的可解释性模型激活示意图。2.根据权利要求1所述的方法,其特征在于,所述对所述胸片图像进行对比度增强处理,获得对比度增强图像,包括以下步骤:估算所述胸片图像的直方图分布,并计算累积分布函数值;根据所述累积分布函数值估算所述胸片图像对比度拉伸的边界值,并利用所述边界值对所述胸片图像进行对比度拉伸处理,确定对比度拉伸图像;根据所述胸片图像的尺寸,确定圆盘形形态学结构单元的半径;根据所述圆盘形形态学结构单元的半径,分别对所述对比度拉伸图像进行形态学top
‑
hat滤波处理和形态学bottom
‑
hat滤波处理,确定形态学top
‑
hat滤波图像和形态学bottom
‑
hat滤波图像;基于所述对比度拉伸图像、所述形态学top
‑
hat滤波图像和所述形态学bottom
‑
hat滤波图像,确定对比度增强图像。3.根据权利要求2所述的方法,其特征在于,根据如下公式确定圆盘形形态学结构单元的半径:R=Max(sx,xy)*3%其中,sx和sy分别表示所述胸片图像的长和宽,Max表示取长和宽中的最大值。4.根据权利要求2所述的方法,其中在于,通过如下公式,基于所述对比度拉伸图像、所述形态学top
‑
hat滤波图像和所述形态学bottom
‑
hat滤波图像,确定对比度增强图像:对比度增强胸片图像=对比度拉伸图像+形态学top
‑
hat滤波图像
‑
形态学bottom
‑
hat滤波图像。5.根据权利要求1所述的方法,其特征在于,所述分类模型由图像特征提取模模块、激活图生成模块和分类模块构成,其中,所述图像特征提取模块,用于提取输入的所述对比度增强图像的图像特征;所述激活图生成模块,用于根据所述图像特征,生成可解释性模型激活示意...
【专利技术属性】
技术研发人员:张晓东,王霄英,孙兆男,任昕,周宇,周雯,李建辉,谢辉辉,刘婧,张虽虽,李津书,刘建新,
申请(专利权)人:北京大学第一医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。