胸部X线影像智能诊断系统及其诊断方法与流程

本发明涉及医疗信息领域，更具体地，涉及一种胸部x线影像智能诊断系统及其诊断方法。

背景技术：

胸部x线影像临床检查简称胸片，在临床上应用广泛。正位胸片能显示出肺、纵膈、横膈、胸壁骨和软组织等的形态、位置和轮廓，能观察肺部病变和心脏大血管轮廓，可用于呼吸系统为主的疾病诊断。cnn可以用于胸部x线(chestxray,cxr)智能诊断的研究，但没有成熟产品。现有研究中最重要的工作是胸部x线多分类诊断，一些公司用于结核等疾病的自动检测。

现有的技术没有重视优化的工作流程，胸部x线影像是诊断呼吸系统疾病的一线影像检查方法，在医学影像科日常工作任务中占很大比例。而无发现(正常)的情况最多见，占到胸部x线影像总工作量的一半以上，现有的流程是医生逐个诊断每个影像，浪费了大量的时间对无发现(正常)影像上的诊断，并且诊断的结果没有自动接入结构化报告系统，降低了医生的工作效率。

技术实现要素：

有鉴于此，本发明的主要目的在于提供一种胸部x线影像智能诊断系统及其诊断方法，能够解决现有技术中存在的由于没有形成完整的工作流程而致使医生要逐个诊断每幅影像，医生诊断和撰写报告的效率不高的问题。

为达到上述目的，本发明的技术方案是这样实现的：

一方面，本发明提供了一种胸部x线影像智能诊断系统，包括影像信息管理模块、图像判断模块、图像处理模块、二分类智能诊断模块和结构化报告模块，其中，影像信息管理模块，与图像判断模块相连，用于当患者拍摄完检查项目为胸片的检查时，将该患者的医学数字成像和通信dicom图像通过dicom协议传输给图像判断模块；图像判断模块，分别与所影像信息管理模块和图像处理模块相连，用于识别dicom图像中的正位胸片图像，并基于预设条件，对正位胸片图像进行质量的分析，将符合预设条件的正位胸片图像发送给图像处理模块；其中，符合预设条件的正位胸片图像定义为合格胸片；图像处理模块，分别与图像判断模块和二分类智能诊断模块相连，用于对合格胸片进行位置、大小、亮度、对比度的处理，生成统一规格的图片格式，并将处理后的合格胸片发送给二分类智能诊断模块；二分类智能诊断模块，分别与图像处理模块和结构化报告模块相连，用于对处理后的合格胸片进行正常或异常的诊断，并将正常数据或异常数据发送给结构化报告模块；结构化报告模块，与二分类智能诊断模块相连，用于当接收到正常数据时，则激活结构化报告界面中的无发现相关控件，自动生成合格胸片的诊断报告；当接收到异常数据时，则灭活结构化报告界面中的无发现相关控件。

优选地，图像判断模块还包括反馈单元，与结构化报告模块相连，用于将dicom图像中的非正位胸片图像以及不符合预设条件的正位胸片图像所对应的患者唯一id发送给结构化报告模块，供医生做进一步诊断。

优选地，二分类智能诊断模块包括特征提取单元和计算单元，其中，特征提取单元，与计算单元相连，用于提取处理后的合格胸片的特征数据，并将特征数据发送给计算单元；计算单元，与特征提取单元相连，用于将特征数据与被复数个正常胸片和异常胸片训练过的全连接层进行特征的与或非关系的组合计算，计算处理后的合格胸片的正常概率和异常概率，当正常概率大于第一预设阈值时，则输出正常数据；当异常概率大于第二预设阈值时，则输出异常数据。

优选地，当二分类智能诊断模块对处理后的合格胸片诊断为异常时，二分类智能诊断模块还包括：热力图生成单元，与计算单元相连，用于基于被复数个正常胸片和异常胸片训练过的模型及权重，在该异常的合格胸片上标注可疑的病灶区域，生成热力图发送给结构化报告模块。

另一方面，本发明还提供了一种胸部x线影像智能诊断方法，包括：当患者拍摄完检查项目为胸片的检查时，影像信息管理模块将该患者的医学数字成像和通信dicom图像通过dicom协议传输给图像判断模块；图像判断模块识别所述dicom图像中的正位胸片图像，并基于预设条件，对正位胸片图像进行质量的分析，将符合预设条件的所述正位胸片图像发送给图像处理模块；其中，符合预设条件的正位胸片图像定义为合格胸片；图像处理模块对合格胸片进行位置、大小、亮度、对比度的处理，生成统一规格的图片格式，并将处理后的合格胸片发送给二分类智能诊断模块；二分类智能诊断模块对处理后的合格胸片进行正常或异常的诊断，并将正常数据或异常数据发送给结构化报告模块；当接收到正常数据时，结构化报告模块则激活结构化报告界面中的无发现相关控件，自动生成合格胸片的诊断报告；当接收到异常数据时，则灭活结构化报告界面中的无发现相关控件。

优选地，该方法还包括：图像判断模块中的反馈单元将dicom图像中的非正位胸片图像以及不符合预设条件的正位胸片图像所对应的患者唯一id发送给结构化报告模块，供医生做进一步诊断。

优选地，对处理后的合格胸片进行正常或异常的诊断包括：二分类智能诊断模块中的特征提取单元提取处理后的合格胸片的特征数据，并将特征数据发送给计算单元；计算单元将特征数据与被复数个正常胸片和异常胸片训练过的全连接层进行特征的与或非关系的组合计算，计算处理后的合格胸片的正常概率和异常概率，当正常概率大于第一预设阈值时，则输出正常数据；当异常概率大于第二预设阈值时，则输出异常数据。

优选地，当二分类智能诊断模块对处理后的合格胸片诊断为异常时，该方法还包括：二分类智能诊断模块中的热力图生成单元基于被复数个正常胸片和异常胸片训练过的模型及权重，在该异常的合格胸片上标注可疑的病灶区域，生成热力图发送给结构化报告模块。

本发明的技术效果：

1.由于本发明中设置了图像判断模块、图像处理模块、二分类智能诊断模块和结构化报告模块，能够将正位胸片图像识别出来，将符合预设条件的正位胸片图像进行处理，二分类智能诊断模块对处理后的合格胸片进行正常与异常的诊断，结构化报告模块根据正常数据或异常数据激活或灭活结构化报告界面中的无发现相关控件；该系统能够将胸片正位图像智能分为两类：正常和异常，可以将正常的正位胸片图像自动形成结构化诊断报告，减少了医生阅片的工作量，提高了诊断效率和撰写结构化报告的速度；

2.由于本发明设置了反馈单元，将dicom图像中的非正位胸片图像以及不符合预设条件的正位胸片图像所对应的患者唯一id发送给结构化报告模块，以便医生及时了解哪些胸片没有进入二分类智能诊断模块的诊断流程，供医生做进一步诊断，使得该系统的流程更人性化；

3.由于本发明设置了热力图生成单元，可以基于被复数个正常胸片和异常胸片训练过的模型及权重，在该异常的合格胸片上标注可疑的病灶区域，生成热力图发送给结构化报告模块，在结构化报告界面以关键图像的形式呈现给医生，可以辅助医生对该胸片做进一步诊断，降低了医生的工作量。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了根据本发明实施例一的胸部x线影像智能诊断系统结构示意图；

图2示出了根据本发明实施例一的胸部x线影像智能诊断系统中结构化报告模块接收到正常数据时，激活结构化报告界面中的无发现相关控件示意图；

图3示出了根据本发明实施例一的胸部x线影像智能诊断系统中结构化报告模块接收到正常数据时，自动生成合格胸片的诊断报告示意图；

图4示出了根据本发明实施例二的胸部x线影像智能诊断系统结构示意图；

图5示出了根据本发明实施例三的胸部x线影像智能诊断系统结构示意图；

图6示出了根据本发明实施例四的胸部x线影像智能诊断系统结构示意图；

图7示出了根据本发明实施例四的胸部x线影像智能诊断系统中热力图生成单元生成热力图后发送到结构化报告界面示意图；

图8示出了根据本发明实施例五的胸部x线影像智能诊断方法的流程图；

图9示出了根据本发明实施例五的胸部x线影像智能诊断方法中结构化报告模块接收到正常数据时，激活结构化报告界面中的无发现相关控件示意图；

图10示出了根据本发明实施例五的胸部x线影像智能诊断方法中结构化报告模块接收到正常数据时，自动生成合格胸片的诊断报告示意图；

图11示出了根据本发明实施例五的胸部x线影像智能诊断方法中热力图生成单元生成热力图后发送到结构化报告界面示意图；

图12示出了根据本发明实施例六的胸部x线影像智能诊断方法具体处理的流程图。

具体实施方式

下面将参考附图并结合实施例，来详细说明本发明。

实施例一

图1示出了根据本发明实施例一的胸部x线影像智能诊断系统结构示意图；如图1所示，该系统包括：影像信息管理模块10、图像判断模块20、图像处理模块30、二分类智能诊断模块40和结构化报告模块50，其中，

影像信息管理模块10，与图像判断模块相连，用于当患者拍摄完检查项目为胸片的检查时，将该患者的医学数字成像和通信dicom图像通过dicom协议传输给图像判断模块20；

其中，影像信息管理模块为ris(radiologyinformationsystem)系统；患者的类型为门诊病人、体检病人、住院病人术前常规检查。

图像判断模块20，分别与影像信息管理模块10和图像处理模块30相连，用于识别dicom图像中的正位胸片图像，并基于预设条件，对正位胸片图像进行质量的分析，将符合预设条件的正位胸片图像发送给图像处理模块30；其中，符合预设条件的正位胸片图像定义为合格胸片；

其中，胸片的检查项目有可能是正位图像也有可能是侧位图像，图像判断模块首先识别正位图像，然后再分析该正位图像的图像质量是否符合预设条件。

图像处理模块30，分别与图像判断模块20和二分类智能诊断模块40相连，用于对合格胸片进行位置、大小、亮度、对比度的处理，生成统一规格的图片格式，并将处理后的合格胸片发送给二分类智能诊断模块40。

其中，生成统一规格的图片格式是适合二分类智能诊断模块的格式，二分类智能诊断模块为判定正位胸片图像正常和异常的ai模型，可以用卷积神经网络来训练模型。对合格胸片的处理大小可以为256*256像素，窗宽窗位的处理需要根据dicom文件的meta给定的相应的窗宽窗位进行处理。

二分类智能诊断模块40，分别与图像处理模块30和结构化报告模块50相连，用于对处理后的合格胸片进行正常或异常的诊断，并将正常数据或异常数据发送给结构化报告模块50；

结构化报告模块50，与二分类智能诊断模块40相连，用于当接收到正常数据时，则激活结构化报告界面中的无发现相关控件，自动生成合格胸片的诊断报告；当接收到异常数据时，则灭活结构化报告界面中的无发现相关控件。

图2示出了根据本发明实施例一的胸部x线影像智能诊断系统中结构化报告模块接收到正常数据时，激活结构化报告界面中的无发现相关控件示意图，如图2所示，该结构化报告界面中显示的ai结果为normal(正常)，同时，自动勾选“未见异常”控件。

图3示出了根据本发明实施例一的胸部x线影像智能诊断系统中结构化报告模块接收到正常数据时，自动生成合格胸片的诊断报告示意图，如图3所示，诊断印象为“双肺心膈未见异常”。

本发明的实施例设置了图像判断模块、图像处理模块、二分类智能诊断模块和结构化报告模块，能够将正位胸片图像识别出来，将符合预设条件的正位胸片图像进行处理，二分类智能诊断模块对处理后的合格胸片进行正常与异常的诊断，结构化报告模块根据正常数据或异常数据激活或灭活结构化报告界面中的无发现相关控件；该系统能够将胸片正位图像智能分为两类：正常和异常，可以将正常的正位胸片图像自动形成结构化诊断报告，减少了医生阅片的工作量，提高了诊断效率和撰写结构化报告的速度。

实施例二

图4示出了根据本发明实施例二的胸部x线影像智能诊断系统结构示意图，如图4所示，图像判断模块20还包括反馈单元202，与结构化报告模块50相连，用于将dicom图像中的非正位胸片图像以及不符合预设条件的正位胸片图像所对应的患者唯一id发送给结构化报告模块，供医生做进一步诊断。

比如，接收到的dicom图像中的胸片侧位图像是不符合要求的胸片，或者正位胸片图像由于某些原因导致的图像质量不合格，也是不符合要求的胸片。反馈单元将不符合要求的胸片对应的患者唯一id发送给结构化报告模块，以便于医生分析不符合的原因，供医生做进一步诊断。

本发明的实施例设置了反馈单元，将dicom图像中的非正位胸片图像以及不符合预设条件的正位胸片图像所对应的患者唯一id发送给结构化报告模块，以便医生及时了解哪些胸片没有进入二分类智能诊断模块的诊断流程，供医生做进一步诊断，使得该系统的流程更人性化。

实施例三

图5示出了根据本发明实施例三的胸部x线影像智能诊断系统结构示意图；如图5所示，二分类智能诊断模块40包括特征提取单元402和计算单元404，其中，

特征提取单元402，与计算单元404相连，用于提取处理后的合格胸片的特征数据，并将特征数据发送给计算单元404；

计算单元404，与特征提取单元402相连，用于将特征数据与被复数个正常胸片和异常胸片训练过的全连接层进行特征的与或非关系的组合计算，计算处理后的合格胸片的正常概率和异常概率，当正常概率大于第一预设阈值时，则输出正常数据；当异常概率大于第二预设阈值时，则输出异常数据。

例如，特征提取单元是利用迁移学习的方法，经过大量图片预训练好的结构为vgg16和resnet101的两个深度学习分类模型的卷积层对胸片特征提取，用多个模型的原因是提高分类(异常和正常)效果。提取的特征是从宏观到微观，主要包含类似纹理、形态等多种抽象特征。

计算单元，是通过被大量正常胸片和异常胸片训练过的全连接层进行特征组合，并对vgg16和resnet101两个模型的输出结果求和再分别对每个类别求平均，最后输出一个数组，计算结果为两个0-1之间的数，可以理解为被识别为每个类别的概率。另外通过医生指定的一组预设阈值，对输出结果进行判断,如[0.5,0.5]代表0.5以上为1，0.5以下为0，最后输出的值，如果为[0，1]代表正常，[1，0]代表异常。

上述对特征提取单元以及计算单元的描述仅是一个实施例，特征提取单元使用的模型个数以及计算单元计算的原理，本发明在此不做任何限定。

实施例四

图6示出了根据本发明实施例四的胸部x线影像智能诊断系统结构示意图；如图6所示，当二分类智能诊断模块40对处理后的合格胸片诊断为异常时，二分类智能诊断模块40还包括：热力图生成单元406，与计算单元404相连，用于基于被复数个正常胸片和异常胸片训练过的模型及权重，在该异常的合格胸片上标注可疑的病灶区域，生成热力图发送给结构化报告模块50。

如果该合格胸片被诊断为异常，热力图生成单元根据计算单元输出的结果以及模型的权重，提炼出被机器识别为异常的主要依据，对该异常的合格胸片标注可疑的病灶区域，生成热力图发送给结构化报告模块。在结构化报告界面以关键图像的形式呈现给医生，例如，标注的方式是将病灶区域显示比较明显的暖色调，标注的方式在此不做任何限定。

其中，生成的热力图格式可以为jpg，在此不做任何限定。

图7示出了根据本发明实施例四的胸部x线影像智能诊断系统中热力图生成单元生成热力图后发送到结构化报告界面示意图；如图7所示，左侧ai结果显示abnormal(异常)，右侧显示该胸片的热力图，有对病灶区域标注的暖色调显示。

本发明的实施例设置了热力图生成单元，可以基于被复数个正常胸片和异常胸片训练过的模型及权重，在该异常的合格胸片上标注可疑的病灶区域，生成热力图发送给结构化报告模块，在结构化报告界面以关键图像的形式呈现给医生，可以辅助医生对该胸片做进一步诊断，降低了医生的工作量。

实施例五

图8示出了根据本发明实施例五的胸部x线影像智能诊断方法的流程图；如图8所示，该方法包括以下步骤：

步骤s501，当患者拍摄完检查项目为胸片的检查时，影像信息管理模块将该患者的医学数字成像和通信dicom图像通过dicom协议传输给图像判断模块；

其中，影像信息管理模块为ris(radiologyinformationsystem)系统；患者的类型为门诊病人、体检病人、住院病人术前常规检查。

步骤s502，图像判断模块识别dicom图像中的正位胸片图像，并基于预设条件，对正位胸片图像进行质量的分析，将符合预设条件的正位胸片图像发送给图像处理模块；其中，符合所述预设条件的正位胸片图像定义为合格胸片；

其中，胸片的检查项目有可能是正位图像也有可能是侧位图像，图像判断模块首先识别正位图像，然后再分析该正位图像的质量是否符合预设条件。

步骤s503，图像处理模块对合格胸片进行位置、大小、亮度、对比度的处理，生成统一规格的图片格式，并将处理后的合格胸片发送给二分类智能诊断模块；

其中，生成统一规格的图片格式是适合二分类智能诊断模块的格式，二分类智能诊断模块为判定正位胸片图像正常和异常的ai模型，可以用卷积神经网络来训练模型。对合格胸片的处理大小可以为256*256像素，窗宽窗位的处理需要根据dicom文件的meta给定的相应的窗宽窗位进行处理。

步骤s504，二分类智能诊断模块对处理后的合格胸片进行正常或异常的诊断，并将正常数据或异常数据发送给结构化报告模块；

步骤s505，当接收到正常数据时，结构化报告模块则激活结构化报告界面中的无发现相关控件，自动生成合格胸片的诊断报告；当接收到异常数据时，则灭活结构化报告界面中的无发现相关控件；

图9示出了根据本发明实施例五的胸部x线影像智能诊断方法中结构化报告模块接收到正常数据时，激活结构化报告界面中的无发现相关控件示意图，如图9所示，该结构化报告界面中显示的ai结果为normal(正常)，同时，自动勾选“未见异常”控件。

图10示出了根据本发明实施例五的胸部x线影像智能诊断方法中结构化报告模块接收到正常数据时，自动生成合格胸片的诊断报告示意图，如图10所示，诊断印象为“双肺心膈未见异常”。

其中，该方法还包括：图像判断模块中的反馈单元将dicom图像中的非正位胸片图像以及不符合预设条件的正位胸片图像所对应的患者唯一id发送给结构化报告模块，供医生做进一步诊断。

比如，接收到的dicom图像中的胸片侧位图像是不符合要求的胸片，或者正位胸片图像由于某些原因导致的图像质量不合格，也是不符合要求的胸片。反馈单元将不符合要求的胸片对应的患者唯一id发送给结构化报告模块，以便于医生分析不符合的原因，供医生做进一步诊断。

其中，对处理后的合格胸片进行正常或异常的诊断包括：二分类智能诊断模块中的特征提取单元提取处理后的合格胸片的特征数据，并将特征数据发送给计算单元；计算单元将特征数据与被复数个正常胸片和异常胸片训练过的全连接层进行特征的与或非关系的组合计算，计算处理后的合格胸片的正常概率和异常概率，当正常概率大于第一预设阈值时，则输出正常数据；当异常概率大于第二预设阈值时，则输出异常数据。

例如，特征提取单元是利用迁移学习的方法，经过大量图片预训练好的结构为vgg16和resnet101的两个深度学习分类模型的卷积层对胸片特征提取，用多个模型的原因是提高分类(异常和正常)效果。提取的特征是从宏观到微观，主要包含类似纹理、形态等等多种抽象特征。

计算单元，是通过被大量正常胸片和异常胸片训练过的全连接层进行特征组合，并对vgg16和resnet101两个模型的输出结果求和再分别对每个类别求平均，最后输出一个数组，计算结果为两个0-1之间的数，可以理解为被识别为每个类别的概率。另外通过医生指定的一组预设阈值，对输出结果进行判断,如[0.5,0.5]代表0.5以上为1，0.5以下为0，最后输出的值，如果为[0，1]代表正常，[1，0]代表异常。

上述对特征提取单元以及计算单元的描述仅是一个实施例，特征提取单元使用的模型个数以及计算单元计算的原理，本发明在此不做任何限定。

其中，当二分类智能诊断模块对处理后的合格胸片诊断为异常时，该方法还包括：二分类智能诊断模块中的热力图生成单元基于被复数个正常胸片和异常胸片训练过的模型及权重，在该异常的合格胸片上标注可疑的病灶区域，生成热力图发送给结构化报告模块。

如果该合格胸片被诊断为异常，热力图生成单元根据计算单元输出的结果以及模型的权重，提炼出被机器识别为异常的主要依据，对该异常的合格胸片标注可疑的病灶区域，生成热力图发送给结构化报告模块。在结构化报告界面以关键图像的形式呈现给医生，例如，标注的方式是将病灶区域显示比较明显的暖色调，标注的方式在此不做任何限定。

其中，生成的热力图格式可以为jpg，在此不做任何限定。

图11示出了根据本发明实施例五的胸部x线影像智能诊断系统中热力图生成单元生成热力图后发送到结构化报告界面示意图；如图11所示，左侧ai结果显示abnormal(异常)，右侧显示该胸片的热力图，有对病灶区域标注的暖色调显示。

本发明的实施例中的图像判断模块、图像处理模块、二分类智能诊断模块和结构化报告模块，能够将正位胸片图像识别出来，将符合预设条件的正位胸片图像进行处理，二分类智能诊断模块对处理后的合格胸片进行正常与异常的诊断，结构化报告模块根据正常数据或异常数据激活或灭活结构化报告界面中的无发现相关控件；该方法能够将胸片正位图像智能分为两类：正常和异常，可以将正常的胸片正位图像自动形成结构化诊断报告，减少了医生阅片的工作量，提高了诊断效率和撰写结构化报告的速度；由于本发明实施例中的反馈单元，将dicom图像中的非正位胸片图像以及不符合预设条件的正位胸片图像所对应的患者唯一id发送给结构化报告模块，以便医生及时了解哪些胸片没有进入二分类智能诊断模块的诊断流程，供医生做进一步诊断，使得该系统的流程更人性化；由于本发明实施例中的热力图生成单元，可以基于被复数个正常胸片和异常胸片训练过的模型及权重，在该异常的合格胸片上标注可疑的病灶区域，生成热力图发送给结构化报告模块，在结构化报告界面以关键图像的形式呈现给医生，可以辅助医生对该胸片做进一步诊断，降低了医生的工作量。

实施例六

图12示出了根据本发明实施例六的胸部x线影像智能诊断方法具体处理的流程图，如图12所示，该方法有如下步骤：

步骤s601，有无胸片检查项目？若是，执行步骤s602；若否，返回开始；

步骤s602，将该患者的dicom图像发送给图像判断模块；

步骤s603，该diocm图像是否为正位胸片图像？若是，执行步骤s604；若否，执行步骤s603-1；

步骤s603-1，将该患者的唯一id发送给结构化报告模块；

步骤s604，判断该正位胸片图像的质量是否符合预设条件？若是，执行步骤s605；若否，返回步骤s603-1；

步骤s605，对合格胸片进行位置、大小、亮度、对比度的处理；

步骤s606，二分类智能诊断模块判断该合格胸片是否正常？若是，执行步骤s608；若否，执行步骤s607；

步骤s607，热力图生成单元生成热力图；步骤s607-1，二分类智能诊断模块发送异常数据及热力图给结构化报告模块；步骤s607-2，医生可以根据异常数据以及热力图对该合格胸片进行进一步诊断；

步骤s608，二分类智能诊断模块发送正常数据给结构化报告模块；

步骤s608-1，结构化报告模块接收到正常数据后，激活结构化报告界面中的无发现相关控件，自动生成合格胸片的诊断报告。

从以上描述中，可以看出，本发明的上述实施例实现了如下技术效果：由于本发明设置了图像判断模块、图像处理模块、二分类智能诊断模块和结构化报告模块，能够将正位胸片图像识别出来，将符合预设条件的正位胸片图像进行处理，二分类智能诊断模块对处理后的合格胸片进行正常与异常的诊断，结构化报告模块根据正常数据或异常数据激活或灭活结构化报告界面中的无发现相关控件；该系统能够将正位胸片图像智能分为两类：正常和异常，可以将正常的胸片正位图像自动形成结构化诊断报告，减少了医生阅片的工作量，提高了诊断效率和撰写结构化报告的速度；由于本发明设置了反馈单元，将dicom图像中的非正位胸片图像以及不符合预设条件的正位胸片图像所对应的患者唯一id发送给结构化报告模块，以便医生及时了解哪些胸片没有进入二分类智能诊断模块的诊断流程，供医生做进一步诊断，使得该系统的流程更人性化；由于本发明设置了热力图生成单元，可以基于被复数个正常胸片和异常胸片训练过的模型及权重，在该异常的合格胸片上标注可疑的病灶区域，生成热力图发送给结构化报告模块，在结构化报告界面以关键图像的形式呈现给医生，可以辅助医生对该胸片做进一步诊断，降低了医生的工作量。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。