本申請提供了一種基于多標簽分類的肺部病變識別方法及裝置，所述方法包括：獲取待檢測肺部醫學圖像；將所述待檢測肺部醫學圖像分別輸入第一特征提取結構和第二特征提取結構，得到對應的第一特征和第二特征；對所述第一特征和所述第二特征進行特征提取和融合，得到融合特征圖；對所述融合特征圖進行全連接和分類處理，得到所述病變識別結果。本申請中，通過將多標簽分類網絡模型分為兩個階段進行處理，從而在模型訓練時可以進行獨立訓練，從而大大降低模型訓練的傳播長度，提高模型訓練成功的概率。
【技術實現步驟摘要】
本申請涉及醫療圖像處理，具體而言，涉及一種基于多標簽分類的肺部病變識別方法及裝置。
技術介紹
1、在獲得醫學圖像的基礎上，通過模型進行人體的智能評估，是當前ai應用于醫療圖像的最新課題。但是當前肺部器官的智能評估，均是大型模型設計，訓練的傳播長度過長。
技術實現思路
1、本申請解決的問題是當前模型訓練的傳播長度過長。
2、為解決上述問題，本申請第一方面提供了基于多標簽分類的肺部病變識別方法，包括：
3、獲取待檢測肺部醫學圖像；
4、將所述待檢測肺部醫學圖像分別輸入第一特征提取結構和第二特征提取結構，得到對應的第一特征和第二特征；
5、對所述第一特征和所述第二特征進行特征提取和融合，得到融合特征圖；
6、對所述融合特征圖進行全連接和分類處理，得到所述病變識別結果。
7、本申請第二方面提供了基于多標簽分類的肺部病變識別裝置，其包括：
8、圖像獲取模塊，其用于獲取待檢測肺部醫學圖像；
9、特征提取模塊，其用于將所述待檢測肺部醫學圖像分別輸入第一特征提取結構和第二特征提取結構，得到對應的第一特征和第二特征；
10、特征融合模塊，其用于對所述第一特征和所述第二特征進行特征提取和融合，得到融合特征圖；
11、病變識別模塊，其用于對所述融合特征圖進行全連接和分類處理，得到所述病變識別結果。
12、本申請第三方面提供了一種電子設備，其包括：存儲器和處理器；
>13、所述存儲器，其用于存儲程序；14、所述處理器，耦合至所述存儲器，用于執行所述程序，以用于：
15、獲取待檢測肺部醫學圖像；
16、將所述待檢測肺部醫學圖像分別輸入第一特征提取結構和第二特征提取結構，得到對應的第一特征和第二特征；
17、對所述第一特征和所述第二特征進行特征提取和融合，得到融合特征圖；
18、對所述融合特征圖進行全連接和分類處理，得到所述病變識別結果。
19、本申請第四方面提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述程序被處理器執行實現上述所述的基于多標簽分類的肺部病變識別方法。
20、本申請中，通過將多標簽分類網絡模型分為兩個階段進行處理，從而在模型訓練時可以進行獨立訓練，從而大大降低模型訓練的傳播長度，提高模型訓練成功的概率。
本文檔來自技高網...
【技術保護點】
1.一種基于多標簽分類的肺部病變識別方法，其特征在于，包括：
2.根據權利要求1所述的基于多標簽分類的肺部病變識別方法，其特征在于，所述病變識別結果至少包括：感染性肺病、阻塞性肺病、腫瘤性肺病和限制性肺病。
3.根據權利要求1所述的基于多標簽分類的肺部病變識別方法，其特征在于，所述對所述第一特征和所述第二特征進行特征提取和融合，得到融合特征圖，包括：
4.根據權利要求3所述的基于多標簽分類的肺部病變識別方法，其特征在于，所述對特征一和特征二進行拼接系數處理，得到拼接系數，包括：
5.根據權利要求1-4中任一項所述的基于多標簽分類的肺部病變識別方法，其特征在于，第一特征提取結構和第二特征提取結構為UNet模型；第一特征提取結構在進行下采樣時，得到的對應層級的特征圖在與第二特征提取結構的對應層級的特征圖通過融合模塊處理后，再進行下采樣得到第一特征提取結構的下一層級的特征圖。
6.根據權利要求5所述的基于多標簽分類的肺部病變識別方法，其特征在于，所述融合模塊的處理過程為：
7.根據權利要求5所述的基于多標簽分類的肺部病變識別方法，其特征在于，所述第二特征提取結構獨立進行模型訓練，訓練過程中的損失函數為：
8.一種基于多標簽分類的肺部病變識別裝置，其特征在于，包括：
9.一種電子設備，其特征在于，包括：存儲器和處理器；
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行實現權利要求1-7任一項所述的基于多標簽分類的肺部病變識別方法。
...
【技術特征摘要】
1.一種基于多標簽分類的肺部病變識別方法，其特征在于，包括：
2.根據權利要求1所述的基于多標簽分類的肺部病變識別方法，其特征在于，所述病變識別結果至少包括：感染性肺病、阻塞性肺病、腫瘤性肺病和限制性肺病。
3.根據權利要求1所述的基于多標簽分類的肺部病變識別方法，其特征在于，所述對所述第一特征和所述第二特征進行特征提取和融合，得到融合特征圖，包括：
4.根據權利要求3所述的基于多標簽分類的肺部病變識別方法，其特征在于，所述對特征一和特征二進行拼接系數處理，得到拼接系數，包括：
5.根據權利要求1-4中任一項所述的基于多標簽分類的肺部病變識別方法，其特征在于，第一特征提取結構和第二特征提取結構為unet模型；第一特征提取結構在進行下采樣時...
【專利技術屬性】
技術研發人員：張逸凌，劉星宇，
申請(專利權)人：北京長木谷醫療科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。