[发明专利]用于临床决策支持系统的X射线影像辅助装置及方法在审

专利信息
申请号: 202110232004.2 申请日: 2021-03-02
公开(公告)号: CN112967246A 公开(公告)日: 2021-06-15
发明(设计)人: 魏子麒;杨洁;刘璘;陈俊;黄海峰;陆超 申请(专利权)人: 清华大学;百度在线网络技术(北京)有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 郑朝然
地址: 100084 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 临床 决策 支持系统 射线 影像 辅助 装置 方法
【权利要求书】:

1.一种用于临床决策支持系统的X射线影像辅助装置,其特征在于,包括:

胸片影像采集模块,用于获取待分类的X射线胸片影像,所述X射线胸片影像包括正位X射线胸片影像和/或侧位X射线胸片影像;

胸片影像分类辅助模块,用于将所述X射线胸片影像输入到训练好的X射线影像辅助模型中,得到所述X射线胸片影像的分类结果和病灶标注位置,其中,所述训练好的X射线影像辅助模型是由标注有病种类型的样本X射线胸片影像,对DenseNet-121网络进行训练得到的。

2.根据权利要求1所述的用于临床决策支持系统的X射线影像辅助装置,其特征在于,所述装置还包括:

样本集构建模块,用于根据第一样本正位X射线胸片影像,构建第一训练样本集;根据侧位X射线胸片影像,构建第二训练样本集;根据第二样本正位X射线胸片影像和所述第二样本正位X射线胸片影像对应的侧位X射线胸片影像,构建第三训练样本集;其中,所述第一训练样本集、所述第二训练样本集和所述第三训练样本集中的样本X射线胸片影像标记有病种类型标签;

第一训练模块,用于将所述第一训练样本集输入到DenseNet-121网络进行训练,得到第一正位影像神经网络和第二正位影像神经网络,所述第一正位影像神经网络和所述第二正位影像神经网络的结构是相同的;

第二训练模块,用于将所述第二训练样本集输入到所述第二正位影像神经网络进行训练,得到侧位影像神经网络;

拼接模块,用于通过十字绣结构,将所述第一正位影像神经网络和所述侧位影像神经网络进行拼接,得到预训练的X射线影像辅助模型;

第三训练模块,用于将所述第三训练样本集输入到所述预训练的X射线影像辅助模型进行训练,得到训练好的X射线影像辅助模型。

3.根据权利要求2所述的用于临床决策支持系统的X射线影像辅助装置,其特征在于,所述拼接模块包括:

十字绣结构拼接单元,用于在所述第一正位影像神经网络的第一个池化层和第二个Dense Block层,与所述侧位影像神经网络的第一个池化层和第二个Dense Block层之间增加一个十字绣结构;并在所述第一正位影像神经网络的第二个池化层和第三个DenseBlock层,与所述侧位影像神经网络的第二个池化层和第三个Dense Block层之间增加一个十字绣结构,以得到预训练的X射线影像辅助模型。

4.根据权利要求2所述的用于临床决策支持系统的X射线影像辅助装置,其特征在于,所述十字绣结构为:

其中,αAA表示当前训练任务A的权重,αBB表示当前训练任务B的权重,αAB表示通过训练任务A衡量训练任务B的权重,αBA表示通过训练任务B衡量训练任务A的权重,表示原训练任务A训练得到的各项参数,表示原训练任务B训练得到的各项参数,和分别表示经过十字绣结构处理后对应任务的各项参数。

5.根据权利要求2所述的用于临床决策支持系统的X射线影像辅助装置,其特征在于,所述预训练的X射线影像辅助模型的第三个池化层连接一个连接层,所述连接层的输出端连接多个Dense Block层,且每个Dense Block层的输出端连接一个全局平均池化层。

6.一种用于临床决策支持系统的X射线影像辅助方法,其特征在于,包括:

获取待分类的X射线胸片影像,所述X射线胸片影像包括正位X射线胸片影像和/或侧位X射线胸片影像;

将所述X射线胸片影像输入到训练好的X射线影像辅助模型中,得到所述X射线胸片影像的分类结果和病灶标注位置,其中,所述训练好的X射线影像辅助模型是由标注有病种类型的样本X射线胸片影像,对DenseNet-121网络进行训练得到的。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学;百度在线网络技术(北京)有限公司,未经清华大学;百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110232004.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top