一种基于swintransformer的医学影像分类方法与流程

一种基于swin transformer的医学影像分类方法
技术领域
1.本发明属于医学图像处理技术领域，涉及到一种基于swin transformer的医学影像分类方法。


背景技术：

2.结核病是一种由结核分枝杆菌引起的慢性传染病，是全球因单一传染性病原体而死亡的主要原因。肺部是结核好发部位，肺部组织产生结核感染即为肺结核。肺结核具有传染性，而且很容易传播，但是并非所有的肺结核患者都具备传染能力，只有具有排菌能力的患者才能成为传染源。如果能及时有效判别病人是否具有传染性，既可以及时的进行针对性治疗，防止病情加重，也可以控制病情的蔓延，以免致使更多人患肺结核。
3.在临床上通常使用一个金标准来判断肺结核是否具有传染性，那就是痰涂片和痰培养，如果痰涂片或痰培养结果为阳性，那患者不仅患肺结核，而且还具有传染性。尽管当前这仍然是广泛使用的常规方法，也能有效的进行判别，但是它也有着它的局限——及时性，它需要采集患者的痰液，处理结果有着一定的周期。
4.虽然我们也可以通过胸片和ct影像结果中病灶的种类、数量和大小等信息进行一定程度上的诊断，但是这仍然是一项需要专家解释的劳动和时间密集型任务，且容易出现错漏。


技术实现要素：

5.本发明提供了一种医学影像分类方法，可以通过检测与分类相结合实现医学影像的精准分类。
6.本发明采用的技术方案如下：
7.一种基于swin transformer的医学影像分类方法，包括：
8.第一步：获得病人肺部的待测影像，然后将所述待测影像输入至已经训练完成的肺结核传染性相关病灶检测模型中；
9.所述的肺结核传染性相关病灶检测模型通过如下步骤训练得到：
10.1)将一部分样本病例病人肺部的样本影像作为检测样本影像，获取检测样本影像以及检测样本影像相应的肺结核传染性病灶标注结果；
11.2)将检测样本影像和肺结核传染性病灶标注结果作为一个肺结核传染性检测的训练样本，使用多个这样的肺结核传染性检测训练样本对原始目标检测模型进行训练，得到能够检测相应病灶的肺结核传染性相关病灶检测模型。原始目标检测模型包括使用其他网络模型作为骨干网络的深度卷积神经网络模型，其中骨干网络为swin transformer网络模型，深度卷积神经网络为mask-rcnn网络模型。
12.swin transformer网络模型中，输入肺结核传染性检测训练样本并经过相应网络层的处理后，会使用注意力机制对输入信息进行计算，其计算方式如下：
[0013][0014]
其中，k为键，v为值，q为和任务相关的查询向量，dk为键k的维度，同时计算一组查询的注意函数打包成q，键k和值v分别被打包成k和v。
[0015]
在swin transformer网络模型中，swin transformer block部分在滑动窗口分区的计算中由以下公式计算：
[0016][0017]
其中，和分别表示w-msa和sw-msa模块的输出，z
l
和z
l+1
分别表示第一部分和第二部分中mlp模块的输出，w-msa()、sw-msa()、mlp()和ln()为各个模块的计算函数。
[0018]
第二步：肺结核传染性相关病灶检测模型输出肺结核传染性相关病灶检测模型检测结果；
[0019]
第三步：在肺结核传染性相关病灶检测模型检测过程中，通过病灶信息获取方法可以获得输出的检测结果详细信息，并将这些信息整合成一组病灶数据，这些信息包括病灶的种类(k)、病灶的种数(a)、各种类病灶的数量(b)、病灶的位置(w)、病灶的大小(s)和各病灶检测的概率(p)等；将所述病灶信息获取方法得到的数据输入到已经训练完成的肺结核传染性分类模型中；这些数据可以通过如下方法获得：
[0020]
k＝unrepeat(allkind(k
nm
))
[0021]
其中n表示第n个病例的第m个病灶的种类，allkind()函数将所有病例的所有病灶种类存储成一个集合，unrepeat()函数表示将所有这些病灶种类去重的方法；
[0022]bk
＝kindnum(k)
[0023]
a＝kindnum(k1)+kindnum(k2)+...
[0024]
其中kindnum()函数可以计算某病例某病灶种类的病灶数量，“+”表示一种集合操作；
[0025][0026]
其中d为我们设定的一个辅助值，kp()函数为病灶坐标的重计算，position()函数可以将计算结果与预设位置信息进行比对计算。
[0027]
第四步：输出所述肺结核传染性分类模型的分类结果。肺结核传染性相关病灶检测模型检测结果可包括肺结核传染性各类病灶的种类、概率值和病灶的具体形状标示。肺结核传染性分类模型的分类结果可包括分类类别和概率值。
[0028]
第一步中，所述检测样本影像格式是医学影像常用数据存储格式dicom，将对所述待测影像进行数据转换，并在转换后更新所述待测影像，使所述待测影像格式转化为普通基本图像数据类型，该基本图像数据类型可以是png、jpg等，其他简单的图像格式也可接受。对所述检测样本影像进行一系列预处理操作，并在处理后更新待测影像，该检测样本影
像的处理方法包括噪声处理中的均值滤波、小波去噪和高斯滤波等方法、凸显图像特征的数据增强方法和归一化处理。所述的待测影像为使用计算机断层扫描技术得到的计算机断层扫描图像，即ct图像。
[0029]
第三步中，将一部分样本病例病人肺部的样本影像作为分类样本影像，获取分类样本影像；将一个所述分类样本影像输入到所述肺结核传染性相关病灶检测模型进行检测，检测结束后，所述病灶信息获取方法能够获取病灶相关信息，并将这些信息整合成一组病灶数据，这些信息包括病灶的种类、病灶的种数、各种类病灶的数量、病灶的位置、病灶的大小和各病灶检测的概率等。通过所述病灶信息获取方法获取病灶数据；将一组病灶数据作为一个肺结核传染性分类样本数据，使用多个这样的肺结核传染性分类样本数据对原始图像分类模型进行训练，得到能够对肺结核传染性进行分类的肺结核传染性分类模型。所述的原始图像分类模型包括逻辑回归分类器和支持向量机分类器。
[0030]
本发明的有益效果如下：
[0031]
1)本发明的检测与分类相结合，使得检测后的分类更加的简便，后续的分类结果也有着更好的效果，检测的结果也能够对于更加精准的判断分类结果起到一个辅助作用；
[0032]
2)许多医疗数据都具备一个特点，就是数据稀少，本发明能够在医疗数据少的时候对分类问题进行分类，得到相对较高的准确率和相对较好的结果，避免因为数据少而出现乱分类的现象；
[0033]
3)本发明使用病灶信息获取方法，通过获取分类问题相关病灶的方法进行分类，能够对于要解决的分类问题有着更好的针对性，对于某些分类问题的解决有着更好的效果；
[0034]
目前缺少能够对肺结核传染性进行有效分类的手段，本发明能够在对肺结核的传染性的分类上获得一个好的效果，有助于肺结核传染性的鉴别。
附图说明
[0035]
图1(a)是本发明实施例实变例病灶的示意图；
[0036]
图1(b)是本发明实施例空洞例病灶的示意图；
[0037]
图1(c)是本发明实施例树芽征病灶的示意图；
[0038]
图1(d)是本发明实施例干酪性病灶的示意图；
[0039]
图2是本发明实施例1的流程图；
[0040]
图3是本发明实施例2的流程图；
[0041]
图4(a)是本发明ct图像中实变例病灶标注情况示意图；
[0042]
图4(b)是本发明ct图像中空洞例病灶标注情况示意图；
[0043]
图4(c)是本发明ct图像中树芽征病灶标注情况示意图；
[0044]
图4(d)是本发明ct图像中干酪性病灶标注情况示意图；
[0045]
图5(a)是本发明涉及的实验中bbox_map的实验结果；
[0046]
图5(b)是本发明涉及的实验中bbox_map_50的实验结果；
[0047]
图5(c)是本发明涉及的实验中bbox_map_75的实验结果；
具体实施方式
[0048]
在介绍本发明实施例之前，先对本发明实施例的应用场景进行示例性说明：肺结核是一种具有传染性的疾病，患者病情比较严重的时候，不仅会影响身体其他部位，甚至有可能导致死亡，而且其传染性也会变得极强，因此及时且准确的识别患者所患肺结核是否具有传染性可以及时阻止病情的扩散，同时能够及时进行针对治疗。
[0049]
针对肺结核是否具有传染性，其主要涉及四种典型病灶，实变类病灶、空洞类病灶、树芽征病灶和干酪性病灶。实变类的病灶，在ct上表现的都是大片密度增高，而相对均匀的阴影，且肺实变的胸部ct表现，通常都会伴有不同程度的肺部体积缩小；肺结核空洞ct影像学表现主要是在ct上可以出现明显的空洞、结节、渗出、斑点状阴影；树芽征ct表现为靠近胸膜下区小叶中心直径为3～5mm的分支状线影和与其相连的细支气管横断面结节影；干酪性病灶ct呈大叶性密度均匀磨玻璃样阴影，逐渐出现溶解区呈虫蚀样空洞。示例性的，在ct上肺结核传染性与否相关的四种典型病灶如图1所示。
[0050]
实施例1
[0051]
图2是本发明实施例一中提供的一种基于swin transformer的医学影像分类方法的流程图。本实施例可适用于对医学影像进行分类的情况，尤其适用于对待测影像的肺结核患者是否具有传染性进行分类的情况。
[0052]
参见图2，本发明实施例的方法具体包括如下步骤：
[0053]
第一步，获得病人肺部的待测影像，然后将待测影像输入至已经训练完成的肺结核传染性相关病灶检测模型中。
[0054]
其中，待测影像为使用计算机断层扫描技术得到的计算机断层扫描图像，即ct图像。需要说明的是，之所以使用ct图像，是因为ct能在一个横断解剖平面上，准确地探测各种不同组织间密度的微小差别，其密度分辨率高，而且还能做轴位成像，很多细节都能显示的特别清楚。而且ct采用造影增强扫描后可以明确纵隔和肺门有无肿块或淋巴结增大、支气管有无狭窄或阻塞，肺内间质、实质性病变也可以得到较好的显示，能够更好的适用于本方法。在方法中既可以使用普通ct图像，也可以使用经过注射静脉造影剂的增强ct图像，但是使用后者能够更加直观清晰的观察病灶，本方法也能够更好的识别所需信息，得到更好的结果。
[0055]
在此基础上，待测影像格式是医学影像常用数据存储格式dicom，将对所述待测影像进行数据转换，并在转换后更新所述待测影像，使所述待测影像格式转化为普通基本图像数据类型，该基本图像数据类型可以是png、jpg等，其他简单的图像格式也可接受。需要说明的是，医院中医学影像常用dicom格式存储影像数据，本方法可直接获取原始存储格式，并将其转换为普通格式，其中所说普通格式是模型可以接受的图片格式，其他可接受的格式均可，不会产生影响。
[0056]
在此基础上，可选的，在待测影像数据转换为普通基本图像格式后，可使用图像处理方法对待测影像进行一系列预处理操作，并在处理后更新待测影像，该图像处理方法包括噪声处理中的均值滤波、小波去噪和高斯滤波等方法、凸显图像特征的数据增强方法和归一化处理。具体的，在待测影像噪声比较大的情况下可以进行噪声处理，去除图像中的噪声，使图像更加的清楚。数据增强可以使用相应的方法，使得图像中的特征更加的明显和突出，去掉一些不必要的特征。数据归一化可以对于输入图像做一系列标准的线性和非线性
变换，经过归一化后图像的像素被调整到[0，1]的区间内，使得本方法可以适用于不同尺寸图像的输入需求。
[0057]
还需要说明的是，肺结核传染性相关病灶检测模型可选择性的输出检测结果，该结果包括肺结核传染性各类病灶的种类、概率值和病灶的具体形状标示。该结果输出不仅标示了肺结核传染性各类病灶的种类、概率值，还清晰的标示了病灶的具体形状和边界，并对各类病灶予以颜色区分，可以给使用者提供其他诊断参考，不属于分类结果。
[0058]
第二步，在肺结核传染性相关病灶检测模型检测过程中，病灶信息获取方法可以获得输出的检测结果详细信息并整理成一组病灶数据。
[0059]
其中，病灶信息获取方法能够获取病灶相关信息，并将这些信息整合成一组病灶数据，这些信息包括病灶的种类、病灶的种数、各种类病灶的数量、病灶的位置、病灶的大小和各病灶检测的概率等。需要说明的是病灶的种类分别为实变类病灶(0)、空洞类病灶(1)、树芽征病灶(2)和干酪性病灶(3)，病灶的种数可以在0-4之间，各种类病灶的数量可以大于等于0，病灶的位置为右肺叶尖段(0)、右肺叶后段(1)、右肺叶背段(2)、左肺叶尖后段(3)和左肺叶背段(4)，病灶的大小和各病灶检测的概率为具体数值。
[0060]
第三步，将病灶信息获取方法整理的病灶数据输入到已经训练完成的肺结核传染性分类模型中；
[0061]
其中，病灶信息获取方法整理的病灶数据中，各个数据对于肺结核患者是否具有传染性有着不同程度的影响，根据这些数据之间的相互关系进行综合分析，可以对肺结核是否具有传染性进行分类。
[0062]
第四步，输出肺结核传染性分类模型的分类结果。
[0063]
其中，肺结核传染性分类模型的分类结果可包括分类类别和概率值，使用者可以根据模型的分类结果进行参考诊断。分类结果分别为具有传染性(1)和不具有传染性(0)以及它们相应的概率值，使用者可参考这些信息结合其他诊断信息和实际情况进行诊断，判断肺结核患者是否具有传染性。
[0064]
本发明实施例的技术方案为，通过将获取到的病人肺部的待测影像输入至已经训练完成的肺结核传染性相关病灶检测模型中，使得该模型对影像中涉及到的肺结核传染性相关的病灶进行检测，该肺结核传染性相关病灶检测模型可选择的输出一个检测结果；随后病灶信息获取方法可以根据肺结核传染性相关病灶检测模型获得输出的检测结果的详细信息并整理成一组病灶数据；进一步，将病灶信息获取方法整理的病灶数据输入到已经训练完成的肺结核传染性分类模型中，模型会对病灶信息进行综合分析，然后对与是否具有传染性进行分类；最后，模型可以输出一个患者是否具有传染性的分类结果。使用者可以参考分类结果中的类别和概率值，结合患者其他信息和实际情况判断诊断，同时肺结核传染性相关病灶检测模型输出的检测结果也可以提供一定的参考。这种方法首先能够根据肺结核传染性相关病灶的检测精准的进行分类，能够提高分类方法的分类准确度，同时还能产生一个检测结果对使用者提供更多的参考，同时病灶信息获取方法能够很好的获取整合信息，使得分类方法更好的分析。使用这种方法进行分类能够精确的进行医学影像分类，尽可能地筛查具有传染性的肺结核患者，避免疾病产生蔓延。
[0065]
实施例2
[0066]
图3是本发明实施例二提供的一种基于swin transformer的医学影像分类方法的
流程图。本实施例以上述各技术方案为基础进行优化。在本实施例中，可选的，肺结核传染性相关病灶检测模型和肺结核传染性分类模型通过如下步骤训练得到：将一部分样本病例病人肺部的样本影像作为检测样本影像，获取所述检测样本影像以及所述检测样本影像相应的肺结核传染性病灶标注结果；将检测样本影像和肺结核传染性病灶标注结果作为一个肺结核传染性检测的训练样本，使用多个肺结核传染性检测训练样本对原始目标检测模型进行训练，得到肺结核传染性相关病灶检测模型；将一部分样本病例病人肺部的样本影像作为分类样本影像，将一个分类样本影像输入到所述肺结核传染性相关病灶检测模型进行检测，检测结束后，病灶信息获取方法获取病灶相关信息，并将这些信息整合成一组病灶数据；将一组病灶数据作为一个肺结核传染性分类样本数据，使用多个肺结核传染性分类样本数据对原始图像分类模型进行训练，得到肺结核传染性分类模型。
[0067]
参见图3，本实施例的方法具体可以包括如下步骤：
[0068]
第一步，将一部分样本病例病人肺部的样本影像作为检测样本影像，获取检测样本影像以及检测样本影像相应的肺结核传染性病灶标注结果。
[0069]
其中，病灶标注结果为医院有经验的相关医生根据自身经验对肺结核传染性相关病灶识别并作出标记的结果，示例性的，图4所示为ct图像中不同病灶的标注示例，其中实变病灶记录为标签“consolidation”(如图4(a)中圆形区域所示标注)，空洞病灶记录为标签“cavity”(如图4(b)中矩形区域所示标注)，树芽征病灶记录为标签“tib”(如图4(c)中三角形区域所示标注)，干酪性病灶记录为标签“caseous”(如图4(a)中五边形区域所示标注)，特别的，病灶的边缘部分需要进行精细的标注，能够提供更好的训练效果。
[0070]
第二步，将检测样本影像和肺结核传染性病灶标注结果作为一个肺结核传染性检测的训练样本，使用多个肺结核传染性检测训练样本对原始目标检测模型进行训练，得到肺结核传染性相关病灶检测模型。
[0071]
其中，原始目标检测模型包括使用其他网络模型作为骨干网络的深度卷积神经网络模型，所述骨干网络为swin transformer网络模型，所述深度卷积神经网络为mask-rcnn网络模型，使用此种结合模型能够得到更好的效果，达到更高的效率，在训练过程中，还对一些参数和部分结构进行修改调整，得到了更好的分类参数组合和更加优化的结构，尤其对与肺结核传染性的分类效果最好。
[0072]
第三步，将一部分样本病例病人肺部的样本影像作为分类样本影像，将一个分类样本影像输入到所述肺结核传染性相关病灶检测模型进行检测，检测结束后，病灶信息获取方法获取病灶相关信息，并将这些信息整合成一组病灶数据。
[0073]
其中，病灶信息获取方法能够获取病灶相关信息，并将这些信息整合成一组病灶数据，这些信息包括病灶的种类、病灶的种数、各种类病灶的数量、病灶的位置、病灶的大小和各病灶检测的概率等。需要说明的是病灶的种类分别为实变类病灶(0)、空洞类病灶(1)、树芽征病灶(2)和干酪性病灶(3)，病灶的种数可以在0-4之间，各种类病灶的数量可以大于等于0，病灶的位置为右肺叶尖段(0)、右肺叶后段(1)、右肺叶背段(2)、左肺叶尖后段(3)和左肺叶背段(4)，病灶的大小和各病灶检测的概率为具体数值。
[0074]
第四步，将一组病灶数据作为一个肺结核传染性分类样本数据，使用多个肺结核传染性分类样本数据对原始图像分类模型进行训练，得到肺结核传染性分类模型。
[0075]
其中，原始图像分类模型包括逻辑回归分类器和支持向量机分类器。使用逻辑回
归分类器和支持向量机相结合可以很好的学习到各个数据之间的关系。
[0076]
第五步，获得病人肺部的待测影像，然后将所述待测影像输入至已经训练完成的肺结核传染性相关病灶检测模型中。
[0077]
第六步，病灶信息获取方法获得检测模型输出的检测结果的详细信息并整理成一组病灶数据，然后将病灶数据输入到已经训练完成的肺结核传染性分类模型中，输出分类结果。
[0078]
本发明实施例的技术方案，将多组检测样本影像及其相应的肺结核传染性病灶标注结果作为检测训练样本，训练肺结核传染性相关病灶检测模型，再通过训练好的肺结核传染性相关病灶检测模型处理多组分类样本影像，通过病灶信息获取方法获得多组病灶数据，将多组病灶数据作为肺结核传染性分类样本数据用来训练肺结核传染性分类模型。通过这种方法，不仅可以在训练好肺结核传染性相关病灶检测模型的情况下，更好的优化该模型，也能通过该模型产生的数据使得分类模型得到更加精确的结果。同时，医学影像数据数据量比较小，无法通过大量的数据训练来得到更好的效果，通过这种方法也可以在数据量小的情况下完成医学影像的分类任务，等到比较好的效果。
[0079]
我们于某专精于肺结核的大型医院采集了1000例肺结核患者的ct影像图片，数据集划分为500例阳性患者和500例阴性患者，使用本方法对这些数据进行实验，本方法取得的效果如下：
[0080]
我们的方法第一部分为检测病灶，该部分我们的方法检测的四种病灶的平均准确率为81.7％，检测效果如图5所示。图像的横坐标均为step(模型的步数，即更新参数权重的次数)，纵坐标分别为map，图中深色曲线为平滑处理过后的结果，浅色曲线为处理前的曲线。我们可以看到，在bbox_map的图像中，3.5k个step之前map值稳步增长，在3.5k个step之后趋于稳定，最高值约为0.61；与之相似的，在bbox_map_50的图像中，3.5k个step之前map值稳步增长，在3.5k个step之后趋于稳定，在3.3k个step达到最大值，高达0.83；在bbox_map_75图像中，map最高值为0.73。
[0081]
我们的方法第二部分为判断传染性的分类，使用了支持向量机根据病灶的综合信息来分类判断，分类准确率为83％。
[0082]
在上述实验之后又进行了第二个实验，同样1000例肺结核患者的ct影像图片，数据集划分为500例阳性患者和500例阴性患者，分别使用经典网络模型alexnet、vggnet、googlenet和resnet对数据进行实验，可以看出这几个模型在对于这种数据量小的医学数据集上效果一般，具体结果如下表所示。
[0083]
本发明方法alexnetvggnetgooglenetresnet分类准确率83％72.5％48％52％50.7％

技术特征：
1.一种基于swin transformer的医学影像分类方法，其特征在于，包括以下步骤：第一步：获得病人肺部的待测影像，然后将所述待测影像输入至已经训练完成的肺结核传染性相关病灶检测模型中；所述的肺结核传染性相关病灶检测模型，通过如下步骤得到：1)将一部分样本病例病人肺部的样本影像作为检测样本影像，获取检测样本影像以及检测样本影像相应的肺结核传染性病灶标注结果；2)将检测样本影像和肺结核传染性病灶标注结果作为一个肺结核传染性检测的训练样本，使用多个这样的肺结核传染性检测训练样本对原始目标检测模型进行训练，得到能够检测相应病灶的肺结核传染性相关病灶检测模型；所述的原始目标检测模型包括使用其他网络模型作为骨干网络的深度卷积神经网络模型，其中骨干网络为swin transformer网络模型，深度卷积神经网络为mask-rcnn网络模型；第二步：肺结核传染性相关病灶检测模型输出肺结核传染性相关病灶检测模型检测结果；第三步：在肺结核传染性相关病灶检测模型检测过程中，通过病灶信息获取方法可以获得输出的检测结果详细信息；将所述病灶信息获取方法得到的数据输入到已经训练完成的肺结核传染性分类模型中；第四步：输出所述肺结核传染性分类模型的分类结果；肺结核传染性相关病灶检测模型检测结果可包括肺结核传染性各类病灶的种类、概率值和病灶的具体形状标示；肺结核传染性分类模型的分类结果可包括分类类别和概率值。2.根据权利要求1所述的一种基于swin transformer的医学影像分类方法，其特征还在于，第一步中，所述检测样本影像格式是医学影像常用数据存储格式dicom，将对所述待测影像进行数据转换，并在转换后更新所述待测影像，使所述待测影像格式转化为普通基本图像数据类型，该基本图像格式可接受；对所述检测样本影像进行一系列预处理操作，并在处理后更新待测影像，该检测样本影像的处理方法包括噪声处理中的均值滤波、小波去噪和高斯滤波，凸显图像特征的数据增强方法和归一化处理。所述的待测影像为使用计算机断层扫描技术得到的计算机断层扫描图像，即ct图像。3.根据权利要求1所述的一种基于swin transformer的医学影像分类方法，其特征还在于，第三步中，将一部分样本病例病人肺部的样本影像作为分类样本影像，获取分类样本影像；将一个所述分类样本影像输入到所述肺结核传染性相关病灶检测模型进行检测，检测结束后，所述病灶信息获取方法能够获取病灶相关信息，并将这些信息整合成一组病灶数据，这些信息包括病灶的种类、病灶的种数、各种类病灶的数量、病灶的位置、病灶的大小和各病灶检测的概率；通过所述病灶信息获取方法获取病灶数据；将一组病灶数据作为一个肺结核传染性分类样本数据，使用多个这样的肺结核传染性分类样本数据对原始图像分类模型进行训练，得到能够对肺结核传染性进行分类的肺结核传染性分类模型。4.根据权利要求2所述的一种基于swin transformer的医学影像分类方法，其特征还在于，所述的原始图像分类模型包括逻辑回归分类器和支持向量机分类器。

技术总结
本发明公开了一种基于swin transformer的医学影像分类方法，包括：获得病人肺部的待测影像，然后将待测影像输入至已经训练完成的肺结核传染性相关病灶检测模型中；在肺结核传染性相关病灶检测模型检测过程中，病灶信息获取方法可以获得输出的检测结果详细信息并整理成一组病灶数据；将病灶信息获取方法整理的病灶数据输入到已经训练完成的肺结核传染性分类模型中；输出肺结核传染性分类模型的分类结果。本发明首先能够根据肺结核传染性相关病灶的检测精准的进行分类，能够提高分类方法的分类准确度，同时还能产生一个检测结果对使用者提供更多的参考。使用这种方法进行分类能够精确的进行医学影像分类，尽可能地筛查具有传染性的肺结核患者，避免疾病产生蔓延。避免疾病产生蔓延。避免疾病产生蔓延。


技术研发人员：李文军 吴旭辉 朱泽宙 梁伟军 杨红忠
受保护的技术使用者：长沙市中心医院
技术研发日：2023.03.02
技术公布日：2023/7/12