[发明专利]一种空频域特征融合的医学影像特征识别方法及装置有效

专利信息
申请号: 202210166385.3 申请日: 2022-02-24
公开(公告)号: CN114240935B 公开(公告)日: 2022-05-20
发明(设计)人: 李传富;刘德银;黄莉莉;赵海峰;汤进 申请(专利权)人: 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
主分类号: G06T7/00 分类号: G06T7/00;G06T5/50;G06N3/04;G06V10/774;G06V10/82;G06T7/60;G16H50/20
代理公司: 上海汉之律师事务所 31378 代理人: 冯华
地址: 230094 安徽省合肥市望江西路5089号,*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 空频域 特征 融合 医学影像 识别 方法 装置
【说明书】:

发明涉及医学影像辅助诊断技术领域,尤其涉及一种空频域特征融合的医学影像特征识别方法及装置,方法包括:获取待诊医学影像;对所述待诊医学影像进行空域上的图像预处理,获得空域标准医学影像;对所述待诊医学影像进行频域上的图像预处理,获得频域标准医学影像;将所述空域标准医学影像和所述频域标准医学影像进行融合,获得标准医学影像特征;将所述标准医学影像特征输入经过训练的卷积神经网络模型,获得对应的待诊医学影像的预测值,若预测值大于设定的诊断阈值,则判定诊断结果为正例,否则判定诊断结果为负例。本发明提高了基于医学影像对患者进行疾病诊断的效率,提升了医学影像诊断的一致性与准确性。

技术领域

本发明涉及医学影像辅助诊断技术领域,尤其涉及一种空频域特征融合的医学影像特征识别方法及装置。

背景技术

医学影像诊断行业中存在着专业医生培养周期长导致的高端人才缺口很大、专业医生阅片耗时长,导致的工作效率低下等问题。为了解决这些问题,计算机辅助技术被应用于医学影像诊断中。早期常采用人工定义影像特征而后基于机器学习进行分类的方法。随着深度学习的高速发展,当下的主流方法是利用神经网络模型自动提取和选择影像特征并进行分类。其步骤为:首先对用于训练网络模型的医学影像进行预处理,然后将预处理后的医学影像输入神经网络模型以提取影像的视觉特征并预测分类,利用预测结果计算损失值并更新模型参数,通过不断重复这一过程完成模型训练。模型训练完成后,将待诊的医学影像预处理后输入训练好的模型以获得预测值即诊断结果。

然而,在现有的利用深度学习进行医学影像诊断的方法中,为了避免医学影像分辨率过大导致神经网络模型参数量巨大、训练效率低下的问题,会在预处理阶段人为地大幅度降低图像分辨率。这使得提取的视觉特征丢失原始医学影像上的细粒度信息,影响了医学影像的诊断效果。

发明内容

本发明的目的在于提供一种空频域特征融合的医学影像特征识别方法及装置,能够充分利用原始医学影像上的细粒度信息,提高了基于医学影像对患者进行疾病诊断的效率,提升了医学影像诊断的一致性与准确性。

为实现上述目的及其他相关目的,本发明提供一种空频域特征融合的医学影像特征识别方法,包括:

获取待诊医学影像;

对所述待诊医学影像进行空域上的图像预处理,获得空域标准医学影像;

对所述待诊医学影像进行频域上的图像预处理,获得频域标准医学影像;

将所述空域标准医学影像和所述频域标准医学影像进行融合,获得标准医学影像特征;

将所述标准医学影像特征输入经过训练的卷积神经网络模型,获得对应的待诊医学影像的预测值,若预测值大于设定的诊断阈值,则判定诊断结果为正例,否则判定诊断结果为负例。

在本发明的一可选实施例中,所述对所述待诊医学影像进行空域上的图像预处理,获得空域标准医学影像,包括:

对所述待诊医学影像进行调整,获得第一预设尺寸待诊医学影像;

对所述第一预设尺寸待诊医学影像中的每个像素点的像素值进行归一化处理,获得空域标准医学影像。

在本发明的一可选实施例中,所述对所述待诊医学影像进行频域上的图像预处理,获得频域标准医学影像,包括:

对所述待诊医学影像进行调整,获得尺寸为第一预设尺寸整数倍的待诊医学影像;

对所述尺寸为第一预设尺寸整数倍的待诊医学影像进行离散余弦变换,获得第一预设尺寸频域医学影像;

对所述第一预设尺寸频域医学影像中的每个像素点进行归一化处理,获得归一化频域医学影像;

根据所述归一化频域医学影像中每个通道内所有像素值的平均值和最大值,计算所述归一化频域医学影像中每个通道的权重;

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合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室),未经合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)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/202210166385.3/2.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