[發明專利]一種肺結核的智能篩查和上報方法及系統

在審

• 申請號: 201810321938.1
• 申請日: 2018-04-11
• 公開（公告）號: CN110379504A
• 公開（公告）日: 2019-10-25
• 發明（設計）人: 曹捷
• 申請（專利權）人: 天啟慧眼（北京）信息技術有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H30/20;G16H50/80;G06T7/00;G06T7/11;G06K9/62
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 李芙蓉;馮建基

1.一種肺結核的智能篩查和上報方法，其特征在于，所述方法包括：

建立胸片影像數據集，并對所述胸片影像數據集中的胸片樣本進行病癥標注；

基于所述胸片影像數據集訓練圖像分類器，所述圖像分類器用于區分胸片樣本中是否包含表征肺結核的圖像特征；

獲取待識別的臨床圖像，并將所述臨床圖像輸入所述圖像分類器，得到所述臨床圖像對應的診斷結果；

當所述診斷結果表征疑似肺結核時，提取患者信息，并調用信息上報單；

接收醫生輸入的確認指令，將攜帶所述患者信息的信息上報單發送至醫務部，以通過所述醫務部將所述患者信息上報至結核病防治機構。

2.根據權利要求1所述的方法，其特征在于，在基于所述胸片影像數據集訓練圖像分類器時，所述方法還包括：

引入評價系統對訓練的所述圖像分類器進行評價，以生成所述圖像分類器的評價參數；

當所述評價參數達到期望值時，結束圖像分類器的訓練過程；若所述評價參數未達到期望值，對所述胸片影像數據集和當前的卷積網絡參數進行調整，并利用調整后的數據重新訓練圖像分類器，直至評價參數達到期望值為止。

3.根據權利要求2所述的方法，其特征在于，生成所述圖像分類器的評價參數包括：

獲取評價圖像集，并利用所述圖像分類器對所述評價圖像集中的評價樣本進行分類；

根據分類結果，計算所述圖像分類器的精度參數和召回率參數，其中，所述精度參數和所述召回率參數用于表征所述圖像分類器的分類準確度。

4.根據權利要求1所述的方法，其特征在于，基于所述胸片影像數據集訓練圖像分類器包括：

建立肺部局部區域的檢測分割模型，并通過所述檢測分割模型識別并分割胸片樣本中的肺部區域圖像；

基于分割后的肺部區域圖像訓練圖像分類器。

5.根據權利要求1所述的方法，其特征在于，基于所述胸片影像數據集訓練圖像分類器包括：

預先訓練一個淺層神經網絡，并利用所述淺層神經網絡的權值初始化訓練階段的整個神經網絡；

將所述胸片樣本縮放至不同的尺寸，并從縮放后的各個版本中隨機裁取固定大小的圖片，并基于裁取的圖片訓練圖像分類器。

6.一種肺結核的智能篩查和上報系統，其特征在于，所述系統包括：

樣本集建立單元，用于建立胸片影像數據集，并對所述胸片影像數據集中的胸片樣本進行病癥標注；

分類器訓練單元，用于基于所述胸片影像數據集訓練圖像分類器，所述圖像分類器用于區分胸片樣本中是否包含表征肺結核的圖像特征；

診斷結果預測單元，用于獲取待識別的臨床圖像，并將所述臨床圖像輸入所述圖像分類器，得到所述臨床圖像對應的診斷結果；

信息提取單元，用于當所述診斷結果表征疑似肺結核時，提取患者信息，并調用信息上報單；

信息上報單元，用于接收醫生輸入的確認指令，將攜帶所述患者信息的信息上報單發送至醫務部，以通過所述醫務部將所述患者信息上報至結核病防治機構。

7.根據權利要求6所述的系統，其特征在于，所述分類器訓練單元包括：

評價模塊，用于引入評價系統對訓練的所述圖像分類器進行評價，以生成所述圖像分類器的評價參數；

訓練迭代模塊，用于當所述評價參數達到期望值時，結束圖像分類器的訓練過程；若所述評價參數未達到期望值，對所述胸片影像數據集和當前的卷積網絡參數進行調整，并利用調整后的數據重新訓練圖像分類器，直至評價參數達到期望值為止。

8.根據權利要求7所述的系統，其特征在于，所述評價模塊包括：

評價圖像集檢測模塊，用于獲取評價圖像集，并利用所述圖像分類器對所述評價圖像集中的評價樣本進行分類；

參數計算模塊，用于根據分類結果，計算所述圖像分類器的精度參數和召回率參數，其中，所述精度參數和所述召回率參數用于表征所述圖像分類器的分類準確度。