申请/专利权人：北京工业大学

申请日：2020-07-08

公开（公告）日：2024-07-05

公开（公告）号：CN111832644B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/045;G06N3/048;G06N3/09;G16H15/00;G16H30/20

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2020.11.13#实质审查的生效;2020.10.27#公开

摘要：本发明实施例提供一种基于序列级别的脑部医疗影像报告生成方法及系统。该方法包括：获取具有预设标准的待判断脑部医疗图像；将所述序列级别待判断脑部医疗图像输入至预先训练好的脑部医疗影像判别模型，得到所述脑部医疗影像判别模型输出的脑部医疗影像报告结果；其中，所述脑部医疗影像判别模型是基于脑部医疗影像的样本集数据，以及按照脑部医疗疾病标准等级进行分类所得的序列级别分类标签进行训练得到的。本发明实施例通过对符合DICOM标准的脑部医疗影像进行模型训练，训练好的模型可以生成辅助医生进行脑部疾病诊断的报告，节约医生诊断的时间和减小工作量，同时减少漏诊、误诊的发生概率。

主权项：1.一种基于序列级别的脑部医疗影像报告生成方法，其特征在于，包括：获取具有预设标准的序列级别待判断脑部医疗图像；将所述序列级别待判断脑部医疗图像输入至预先训练好的脑部医疗影像判别模型，得到所述脑部医疗影像判别模型输出的脑部医疗影像报告结果；其中，所述脑部医疗影像判别模型是基于脑部医疗影像的样本集数据，以及按照脑部医疗疾病标准等级进行分类所得的序列级别分类标签进行训练得到的；所述脑部医疗影像判别模型，通过以下步骤获得：获取脑部医疗影像的样本集数据，并对所述样本集数据进行预处理，得到预处理样本集数据；按照脑部医疗疾病标准等级对所述预处理样本集数据进行分类，得到所述序列级别分类标签；基于所述序列级别的分类标签和所述预处理样本集数据生成用于训练的数据集；构建脑部医疗影像判别网络初始模型；将所述数据集输入所述脑部医疗影像判别网络初始模型进行训练，训练完成得到所述脑部医疗影像判别模型；所述构建脑部医疗影像判别网络初始模型，具体包括：设置主网络、辅助网络和融合网络构成所述脑部医疗影像判别网络初始模型；其中：所述主网络包括特征注意力模块、第一依赖学习模块、切片注意力模块和第一分类器；所述辅助网络包括特征提取模块、第二依赖学习模块和第二分类器；所述融合网络将所述第一依赖学习模块的输出和所述第二依赖学习模块的输出进行知识融合，得到综合判断结果；所述主网络包括特征注意力模块、第一依赖学习模块、切片注意力模块和第一分类器，具体包括：所述特征注意力模块采用注意力机制，为特征向量的不同维度分配不同权重；所述第一依赖学习模块通过双向递归神经网络学习切片之间的依赖关系；所述切片注意力模块为存在预设病变可能性的切片特征向量分配权重；所述第一分类器将经过切片注意力模型的新特征表示放入具有预设激活函数的全连接层中，获得第一概率值；所述辅助网络包括特征提取模块、第二依赖学习模块和第二分类器，具体包括：将所述放大后的可疑切片输入所述特征提取模块，提取切片特征；所述第二依赖学习模块通过双向递归神经网络学习切片之间的依赖关系；所述第二分类器将经过所述第二依赖学习模块后的新的特征表示放入具有预设激活函数的全连接层中，获得第二概率值。

全文数据：

权利要求：

百度查询： 北京工业大学 一种基于序列级别的脑部医疗影像报告生成方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD