(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210844283.2 (22)申请日 2022.07.18 (71)申请人 华北理工大 学 地址 063210 河北省唐山市曹妃甸新城渤 海大道21号 (72)发明人 山艳　张梅　窦娜　张立祥　李爽　 樊秋红　 (74)专利代理 机构 北京锦信诚泰知识产权代理 有限公司 1 1813 专利代理师 丁博寒 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 基于神经网络模 型的肺炎特征识别方法、 装 置及电子设备 (57)摘要 本发明涉及深度学习技术领域， 尤其涉及一 种基于神经网络模型的肺炎特征识别方法、 装置 及电子设备， 该方法包括以下步骤： 获取待测胸 片图像数据； 输入待测胸片图像数据至神经网络 模型中， 神经网络模型为通过多组数据集训练得 出的， 多组数据训练集中的每组数据均包含具有 肺炎特征的图像、 特征位置标注信息和分类名 称； 运算神经网络模型， 并复制待测胸片图像数 据， 将神经网络模型的识别结果标记在复制图像 数据上， 识别结果包括肺炎特征位置标记和分类 名称标记； 输出待测胸片的图像数据和标记了识 别结果的复制图像数据。 本发明通过同时输出待 测胸片原片和标记识别结果的复制图像数据的 形式， 提高了识别效率的同时也避免了识别结果 对原片的影响。 权利要求书2页 说明书6页 附图4页 CN 115100180 A 2022.09.23 CN 115100180 A 1.一种基于神经网络模型的肺炎特 征识别方法， 其特 征在于， 包括以下步骤： 获取待测 胸片图像数据； 输入所述待测胸片图像数据至神经网络模型中， 所述神经网络模型为通过多组数据集 训练得出的， 所述多组数据训练集中的每组数据均包含具有肺炎特征的图像和特征位置标 注信息； 运算所述神经网络模型， 并复制所述待测胸片图像数据， 将所述神经网络模型的识别 结果标记在复制图像数据上， 所述识别结果包括肺炎特 征位置标记； 输出待测 胸片的图像数据和标记了识别结果的复制图像数据。 2.根据权利要求1所述的基于神经网络模型的肺炎特征识别方法， 其特征在于， 所述神 经网络模型包括主干特 征提取网络、 加强特 征提取网络和预测网络； 其中， 所述主干特 征提取网络用于初步特 征的提取， 并获得三个有效特 征层； 所述加强特征提取网络与 所述主干特征提取网络连接， 用于将三个所述有 效特征层进 行融合； 所述预测网络与所述加强特征提取网络连接， 用于对融合后的有 效特征层进行结果预 测和输出。 3.根据权利要求2所述的基于神经网络模型的肺炎特征识别方法， 其特征在于， 所述神 经网络模型的构建方法包括以下步骤： 将YOLOv4的主干特征提取网络替换为Mobilenetv3的主干网络结构并进行特征提取， 得到三个有效特 征层； 将Mobilenetv3的主干网络结构与YOLOv4的加强特征提取网络和预测网络进行嫁接， 实现三个所述有效特 征层的融合和预测。 4.根据权利要求3所述的基于神经网络模型的肺炎特征识别方法， 其特征在于， 在将 Mobilenetv3的主干网络结构与YOLOv4的加强特征提取网络和预测网络进行嫁接 时， 保留 YOLOv4的S PP和PANet结构， 以提高特 征提取能力。 5.一种基于神经网络模型的肺炎特 征识别装置， 其特 征在于， 包括： 获取单元， 用于获取待测 胸片图像数据； 输入单元， 用于将所述待测胸片图像数据输入至神经网络模型中， 所述神经网络模型 为通过多组数据集训练得出的， 所述多组数据训练集中的每组数据均包含 具有肺炎特征的 图像和特 征位置标注信息； 运算单元， 用于运算所述神经网络模型， 并复制所述待测胸片图像数据， 将所述神经网 络模型的识别结果标记在复制图像数据上， 所述识别结果包括肺炎特 征位置标记； 输出单元， 用于输出待测 胸片的图像数据和标记了识别结果的复制图像数据。 6.根据权利要求5所述的基于神经网络模型的肺炎特征识别装置， 其特征在于， 所述输 入单元中， 所述神经网络模型包括主干特 征提取网络、 加强特 征提取网络和预测网络； 其中， 所述主干特 征提取网络用于初步特 征的提取， 并获得三个有效特 征层； 所述加强特征提取网络与 所述主干特征提取网络连接， 用于将三个所述有 效特征层进 行融合； 所述预测网络与所述加强特征提取网络连接， 用于对融合后的有 效特征层进行结果预 测和输出。权　利　要　求　书 1/2 页 2 CN 115100180 A 27.根据权利要求6所述的基于神经网络模型的肺炎特征识别装置， 其特征在于， 所述输 入单元中， 所述神经网络模型的构建方法包括以下步骤： 将YOLOv4的主干特征提取网络替换为Mobilenetv3的主干网络结构并进行特征提取， 得到三个有效特 征层； 将Mobilenetv3的主干网络结构与YOLOv4的加强特征提取网络和预测网络进行嫁接， 实现三个所述有效特 征层的融合和预测。 8.根据权利要求7所述的基于神经网络模型的肺炎特征识别装置， 其特征在于， 在所述 输入单元中， 在将Mobilenetv3的主干网络结构与YOLOv4的加强特征提取网络和预测网络 进行嫁接时， 保留YOLOv4的S PP和PANet结构， 以提高特 征提取能力。 9.一种电子设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至4任一项所述的基于神经网络 模型的肺炎特 征识别方法。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质内存储有计算机程序， 所述 计算机程序用于执行上述权利要求1至4任一项所述的基于神经网络模型 的肺炎特征识别 方法。权　利　要　求　书 2/2 页 3 CN 115100180 A 3