[發明專利]一種基于DR的肺結核智能識別方法及系統

在審

• 申請號: 201710618397.4
• 申請日: 2017-07-26
• 公開（公告）號: CN107729911A
• 公開（公告）日: 2018-02-23
• 發明（設計）人: 吳文輝;陶信東
• 申請（專利權）人: 江西中科九峰智慧醫療科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 上海天翔知識產權代理有限公司31224
• 代理人: 劉常寶

1.一種基于DR的肺結核智能識別方法，其特征在于，通過大量標注的樣本來訓練形成深度神經網絡，所述深度神經網通過自主學習肺結核影像特征，并以此來識別DR圖像中肺結核影像特征。

2.根據權利要求1所述的基于DR的肺結核智能識別方法，其特征在于，所述樣本包括包含結核病人胸片的正樣本和其他人胸片樣本，在標注時首先從歷史樣本數據中篩選出候選樣本，再對候選樣本進行審核。

3.根據權利要求1所述的基于DR的肺結核智能識別方法，其特征在于，采用隨機梯度下降模型訓練形成深度神經網絡，并利用GPU加速訓練。

4.根據權利要求1所述的基于DR的肺結核智能識別方法，其特征在于，所述深度神經網絡包括5個交替出現的卷積層，ReLU層和池化層，以及2個全連接層。

5.根據權利要求1所述的基于DR的肺結核智能識別方法，其特征在于，所述深度神經網絡通過誤差反向傳播模型進行自主學習肺結核影像特征。

6.根據權利要求1所述的基于DR的肺結核智能識別方法，其特征在于，所述智能識別方法還根據DR圖像中肺結核影像特征的識別結果給出疑似肺結核的概率。

7.一種基于DR的肺結核智能識別系統，其特征在于，包括：

樣本庫，所述樣本庫中存儲大量人工標注的樣本；

神經網絡訓練模塊，所述神經網絡訓練模塊從樣本庫中獲取經過標注的樣本，并進行訓練形成深度神經網絡，自主學習肺結核影像特征；

識別模塊，所述識別模塊調用深度神經網絡對DR圖像進行肺結核影像特征的識別。

8.根據權利要求7所述的基于DR的肺結核智能識別系統，其特征在于，所述識別系統中還包括DR圖像獲取模塊，所述DR圖像獲取模塊與識別模塊數據連接，將待識別的DR圖像傳至識別模塊。

9.根據權利要求7所述的基于DR的肺結核智能識別系統，其特征在于，所述識別系統中還包括概率計算模塊，所述概率計算模塊與識別模塊數據連接，根據識別模塊識別DR圖像中肺結核影像特征的識別結果計算出疑似肺結核的概率。

10.根據權利要求9所述的基于DR的肺結核智能識別系統，其特征在于，所述識別系統中還包括一輸出模塊，所述輸出模塊與概率計算模塊數據連接，輸出概率計算模塊的計算結果。