[发明专利]一种基于多维信息融合和深度学习的脑部医学影像分析方法

说明书

一种基于多维信息融合和深度学习的脑部医学影像分析方法，包括如下步骤：S1、开发测试环境平台搭建：搭建深度学习训练用工作站，配置训练框架；S2、对主流深度学习算法和网络模型进行研究：对主流的深度学习算法、网络模型、医学影像分析检测框架和数据集进行测试，并分析各种深度学习算法和卷积网络模型在图像分割、目标检测和疾病分类分级方面的优缺点；S3、制作医学影像训练数据集、验证数据集和测试数据集；S4、基于多个深度学习网络的医学影像分析诊断研究。本发明能分别训练不同的深度学习卷积神经网络，通过构建加权贝叶斯网络，对不同类型医学影像的分析结果进行处理，从而得到最后的分析诊断结果，诊断结果的准确性大大提高。

技术领域

本发明涉及医学影像分析技术领域，尤其涉及一种基于多维信息融合和深度学习的脑部医学影像分析方法。

背景技术

医疗关乎着人民的生命健康。日前，医疗数据量特别是医学影像数据量巨大，但能否利用好这庞大的医学影像数据为医疗事业做出贡献至关重要。源于深度学习在图像检测分类方面的优势，基于深度学习的医学影像分析将在医学影像的分割、分类、分级以及辅助医生进行病症诊断方面发挥重要作用。与医师读片相比，基于深度学习的人工智能医学影像分析具备许多优势：人类做出诊断大多凭借经验印象，基于深度学习的医学影像分析是对图像全信息的识别和利用，通过对多维度医学影像的深度学习，可获得更高的诊断准确性；基于深度学习的医学影像分析模型建立后其阅片重复性很高，能够避免人类阅片受情绪和疲劳度的影响而导致的重复性较差；基于深度学习的医学影像分析模型的知识经验随着病例增多会不断优化，漏诊率误诊率不断降低；基于深度学习的影像分析虽前期建模投入成本大，时间较长，但形成成熟的模型后，读片速度及质量较高，能胜任多名医学影像医师的工作，用工成本较低。因此，基于深度学习的医学影像分析诊断将具有广阔的市场应用前景。

现有基于深度学习的医学影像分析技术存在如下问题：

1、针对医学影像的分割检测和分类分级问题，无适用的公开数据集，需要建立专门的带多级标签的数据集；

2、现有图像分类、目标检测框架和卷积神经网络无法直接应用于医学影像的分割检测和分类分级问题，需要对它们针对医学影像分析的具体应用要求进行改造；

3、不能充分利用医学影像的不同层次特征，来实现对脑部疾病的分类和分级；

4、不能实现不同类型医学影像的配准和融合问题，不能综合利用多种卷积神经网络，提升脑部疾病分类分级诊断的准确度。

发明内容

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种基于多维信息融合和深度学习的脑部医学影像分析方法，能建立专门的带多级标签的数据集，能构建专用于医学影像的分割检测和分类和分级问题的深度学习模型，能分别训练不同的深度学习卷积神经网络，通过构建加权贝叶斯网络，对不同类型医学影像的分析结果进行处理，从而得到最后的分析诊断结果，极大地提高了诊断结果的准确性。

(二)技术方案

本发明提供了一种基于多维信息融合和深度学习的脑部医学影像分析方法，包括如下步骤：

S1、开发测试环境平台搭建：

搭建深度学习训练用工作站，配置训练框架；

S2、对主流深度学习算法和网络模型进行研究：

对主流的深度学习算法、网络模型、医学影像分析检测框架和数据集进行测试，并分析各种深度学习算法和卷积网络模型在图像分割、目标检测和疾病分类分级方面的优缺点；

S3、制作医学影像训练数据集、验证数据集和测试数据集：

针对医学影像分析的要求和特点，选择一定数量的针对典型脑部疾病的医学影像作为样本，对于同一病历，采集多种类型、不同角度的医学影像，加注多级分类标签；