[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

技術領域

本發明涉及圖像識別技術，具體涉及DR圖像的識別技術。

背景技術

肺結核(pulmonary tuberculosis PTB)是由結核分枝桿菌引發的肺部感染性疾病，一種嚴重威脅人類健康的疾病。世界衛生組織(WHO)統計表明，全世界每年發生結核病800～1000萬，每年約有300萬人死于結核病，是造成死亡人數最多的單一傳染病。1993年WHO宣布“全球結核病緊急狀態”，認為結核病已成為全世界重要的公共衛生問題。中國是世界上結核疫情最嚴重的國家之一。

現有的CAD系統一般基于高分辨率薄片計算層析成象(HRCT)的圖像，自動地在形態學上檢測(識別)所關心部位或可能是臨床相關的其他結構上可檢測的狀態。當再現并顯示醫學圖像時，CAD系統典型地標記或識別所研究的部位。標記是為了引起對所標記的可疑部位的注意，并且更進一步提供對損傷(所關心部位)的分類或表征。

也就是說，CAD(和/或CADx)系統可以識別出胸部研究中的微鈣化(microcalcifications)或者MSCT中的結核為惡性的還是良性的。CAD系統結合了放射科醫師的專業知識，并且基本上提供了與在醫學圖像數據中檢測異常有關的第二種意見，并且可以再現診斷建議。通過支持對懷疑為癌癥的損傷的早期檢測和分類，CAD系統允許較早地介入，理論上會為病人產生較好的預后。

然而現有HRCT成本高，普及率低，實用性不強。由此，由此造成現有肺結核篩查，基本都是依靠純人工閱片，這不僅成本高、效率低、耗時長；而且在人工識別閱片時，極大的依賴于醫生的個人經驗，存在漏診的現象。

由此可見提供一種低成本、高效的肺結核篩查技術是本領域亟需解決的技術問題。

發明內容

針對現有肺結核自動篩查技術所存在的問題，需要一種低成本且高效的肺結核識別方案。

為此，本發明所要解決的技術問題是提供一種基于DR的肺結核智能識別方法及系統。

為了解決上述技術問題，本發明提供的基于DR的肺結核智能識別方法，通過大量人工標注的樣本來訓練一個深度神經網絡，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。

進一步的，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。

進一步的，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。

進一步的，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。

進一步的，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。

進一步的，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。

了解決上述技術問題，本發明提供的基于DR的肺結核智能識別系統，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。

進一步的，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。

進一步的，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。

進一步的，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。

由此構成的肺結核智能識別方案能夠實現對DR圖像中的肺結核影像特征進行自動化識別，可實現基于DR的肺結核自動篩查，有效降低篩查成本。再者，本方案識別效率高，識別精度高，有效避免漏檢未識別的現象，有效解決現有技術所存在的問題。

在此基礎上，本方案通過訓練形成深度神經網絡，通過深度學習DR圖像中肺結核影像特征，能夠精確識別出DR圖像中出現的肺結核影像特征，大大提高識別精度。

附圖說明

以下結合附圖和具體實施方式來進一步說明本發明。

圖1為本發明實例中神經網絡結構示意圖；

圖2為本發明實例中基于DR的肺結核智能識別系統組成示意圖；

圖3為本發明實例中進行胸片異常識別的示意圖。