[发明专利]X光胸片的识别方法及装置

权利要求书

1.一种X光胸片的识别方法，其特征在于，包括：

将多个已经区分出正位和侧位的X光胸片对应的图像数据作为深度卷积网络的第一输入数据，训练所述深度卷积网络；

将多个已经区分出正位和侧位的X光胸片对应的图像数据作为所述深度卷积网络的第二输入数据，对训练后的所述深度卷积网络进行验证；

在验证准确率高于第一阈值的情况下，将待区分正位和侧位的X光胸片输入训练后的所述深度卷积网络，获取识别结果。

2.根据权利要求1所述的方法，其特征在于，将多个已经区分出正位和侧位的X光胸片对应的图像数据作为深度卷积网络的第一输入数据，训练所述深度卷积网络包括：

将多个已经区分出正位和侧位的X光胸片分成多个组，每次将一组X光胸片对应的图像数据输入所述深度卷积网络进行训练；

将所述深度卷积网络全连接图层的最终输出层设置为双输出单元，采用非线性sigmoid激活函数，从所述双输出单元获取所述第一输入数据中各个X光胸片的输出结果；

根据所述输出结果判定是正位的X光胸片、侧位的X光胸片、或是非X光胸片；

根据所述判定结果动态调整所述深度卷积网络的权重参数值。

3.根据权利要求1所述的方法，其特征在于，将多个已经区分出正位和侧位的X光胸片对应的图像数据作为深度卷积网络的第一输入数据，训练所述深度卷积网络包括：

将多个已经区分出正位和侧位的X光胸片分成多个组，每次将一组X光胸片对应的图像数据输入所述深度卷积网络进行训练；

将所述深度卷积网络全连接图层的最终输出层设置为单输出单元，采用非线性sigmoid激活函数，从所述单输出单元获取所述第一输入数据中各个X光胸片的输出结果；

根据所述输出结果判定是正位的X光胸片或是侧位的X光胸片；

根据所述判定结果动态调整所述深度卷积网络的权重参数值。

4.根据权利要求2或3所述的方法，其特征在于，根据所述判定结果调整所述深度卷积网络的权重参数值包括：

随机初始化所述深度卷积网络的权重参数值；

采用自适应矩估计算法的标准参数β1、β2和学习速率动态调整所述深度卷积网络的权重参数值。

5.根据权利要求1所述的方法，其特征在于，将待区分正位和侧位的X光胸片输入训练后的所述深度卷积网络，获取识别结果之后，还包括：

将所述识别结果中正位的X光胸片输入正位胸片疾病检测网络，获取正位的X光胸片对应的患病概率；

将所述识别结果中侧位的X光胸片输入侧位胸片疾病检测网络，获取侧位的X光胸片对应的患病概率。

6.根据权利要求5所述的方法，其特征在于，获取正位的X光胸片对应的患病概率和获取侧位的X光胸片对应的患病概率之后，还包括：

判断所述识别结果中，是否有属于同一个患者的正位的X光胸片和侧位的X光胸片；

如果有，则结合该正位的X光胸片对应的患病概率、侧位的X光胸片对应的患病概率，采用加权平均算法计算得出所述同一个患者的患病概率。

7.一种X光胸片的识别装置，其特征在于，包括：

训练模块，用于将多个已经区分出正位和侧位的X光胸片对应的图像数据作为深度卷积网络的第一输入数据，训练所述深度卷积网络；

验证模块，用于将多个已经区分出正位和侧位的X光胸片对应的图像数据作为所述深度卷积网络的第二输入数据，对训练后的所述深度卷积网络进行验证；

第一获取模块，用于在验证准确率高于第一阈值的情况下，将待区分正位和侧位的X光胸片输入训练后的所述深度卷积网络，获取识别结果。