[发明专利]一种正位胸片中基于类别关系的异常检测方法及系统

说明书

本发明公开了一种正位胸片中基于类别关系的异常检测方法及系统，包括：遍历所有正位胸片数据，统计各个异常之间的共现频数，并建立异常之间的共现频数关系图；利用邻接矩阵表示不同类别异常的共生关系，并生成类别知识库；使用类别概率向量将类别知识库中的类别知识映射回预测区域，得到预测区域的增强特征；将增强特征与原始特征拼接起来，进行类别分类和位置回归。本发明将类别共生这种先验知识应用到检测过程中，可以得到更为精确的检测结果。

技术领域

本发明涉及医疗影像处理技术领域，尤其涉及一种正位胸片中基于类别关系的异常检测方法及系统。

背景技术

随着医学影像技术的全面高速发展，医疗诊断模式发生了巨大变化，越来越多的医生选择各类医疗影像对患者的病情作出可选的精确诊断。在现代医疗中，计算机辅助的医学影像分析技术已经被广泛使用。具有计算机辅助的诊断方式可有效减少医生的工作负担，提高工作效率。

近年来，随着深度学习技术的快速发展，基于卷积神经网络的医学影像分析研究逐渐成为主流。胸部x线扫描是一种常见的胸部疾病检查方式，专业医师借助胸片图像可对胸部异常区域进行识别和定位。与常规机器视觉方法相比，卷积神经网络具有良好的特征提取和表达能力，检测精度高并具有较好的解释性。

在胸部区域，不同类别的异常具有一定的共生性，某种异常的存在经常会引发另一种异常。其次，由于人体机理的复杂性，某些因素也会诱发多种异常同时出现。因此，在一张正位胸片图像中，经常会出现多种异常同时存在的情况，且异常之间有很强的关联性。

现有的胸片异常检测方法很少将先验知识应用到检测过程中。正位胸片中的异常检测是对异常区域进行识别和定位，类别共生的先验知识对提高异常的检测精度具有很好的有效性。

发明内容

为了克服上述技术问题，本发明提供了一种正位胸片中基于类别关系的异常检测方法及系统，将类别共生这种先验知识应用到检测过程中，可以得到更为精确的检测结果。

本发明解决其技术问题采取的技术方案是：

一种正位胸片中基于类别关系的异常检测方法，包括：

遍历所有正位胸片数据，统计各个异常之间的共现频数，并建立异常之间的共现频数关系图；

利用邻接矩阵表示不同类别异常的共生关系，并生成类别知识库；

使用类别概率向量将类别知识库中的类别知识映射回预测区域，得到预测区域的增强特征；

将增强特征与原始特征拼接起来，进行类别分类和位置回归。

可选的，根据图像标记信息统计各个异常之间的共现频数；使用条件概率函数求得每个类别与其它类别的共现概率，以此生成有向图，图关系用一个邻接矩阵表示。

可选的，引入全局注意力机制对生成的邻接矩阵进行稀疏操作；将胸片图像送入到注意力网络，得到该图像的类别概率向量。

可选的，注意力网络的卷积层与检测框架中的特征提取网络共享参数。

可选的，得到特征图后，使用全局平均池化操作对特征图进行降维操作；之后，在池化层后接一层全连接层以得到类别概率向量。

可选的，用旧分类器的权重参数得到各个预测区域的类别概率向量。

可选的，将增强特征和原始特征拼接起来构成新的特征表达，并送入新的分类器和回归器进行类别分类和位置回归，以得到更好的检测结果。

本发明还提供了一种正位胸片中基于类别关系的异常检测系统，包括：

正位胸片数据遍历模块，用于遍历所有正位胸片数据，统计各个异常之间的共现频数，并建立异常之间的共现频数关系图；