[發(fā)明專利]一種新型肺病智能輔助檢測方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910059790.3
• 申請日: 2019-01-22
• 公開（公告）號(hào): CN109528152A
• 公開（公告）日: 2019-03-29
• 發(fā)明（設(shè)計(jì)）人: 馮向軍
• 申請（專利權(quán)）人: 湖南蘭茜生物科技有限公司
• 主分類號(hào): A61B1/267
• 分類號(hào): A61B1/267;G16H30/40;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種新型肺病智能輔助檢測方法，其特征在于，所述方法包括：

步驟S1、獲取疑似患有肺部疾病的患者的支氣管鏡檢查圖像；

步驟S2、采用預(yù)先訓(xùn)練的初始神經(jīng)網(wǎng)絡(luò)作為本次建模的神經(jīng)網(wǎng)絡(luò)；

步驟S3、采用順序微調(diào)法對上述步驟獲取的所述神經(jīng)網(wǎng)絡(luò)按照網(wǎng)絡(luò)結(jié)構(gòu)的順序，通過調(diào)整所述神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，微調(diào)所述神經(jīng)網(wǎng)絡(luò)的各層網(wǎng)絡(luò)；所述網(wǎng)絡(luò)參數(shù)包括訓(xùn)練階段數(shù)n、神經(jīng)網(wǎng)絡(luò)層數(shù)m、執(zhí)行步數(shù)x；所述神經(jīng)網(wǎng)絡(luò)包括m層，并采用n個(gè)訓(xùn)練階段進(jìn)行訓(xùn)練，每一步順序微調(diào)包括x個(gè)執(zhí)行步數(shù)；

步驟S4、通過使用加權(quán)交叉熵作為成本函數(shù)來更新所述網(wǎng)絡(luò)參數(shù)，以便更新所述神經(jīng)網(wǎng)絡(luò)；

步驟S5、獲取經(jīng)上述步驟多次調(diào)整后的所述神經(jīng)網(wǎng)絡(luò)為所需的肺病檢測模型。

2.如權(quán)利要求1所述的一種新型肺病智能輔助檢測方法，其特征在于，所述步驟S1中，所述患者的年齡為18至70歲，在所述患者的肝測試、腎測試和/或血液測試中，中性粒細(xì)胞計(jì)數(shù)>2.0g/l，Hb>9g/l，血小板計(jì)數(shù)>100g/l，AST和ALT>0.5ULN，肺結(jié)核IL<1.5ULN，和Cr<1.0ULN。

3.如權(quán)利要求1所述的一種新型肺病智能輔助檢測方法，其特征在于，在所述步驟S2中，所述神經(jīng)網(wǎng)絡(luò)為DenseNet構(gòu)架；所述神經(jīng)網(wǎng)絡(luò)通過使用少于一半的參數(shù)和大約一半的每秒浮點(diǎn)運(yùn)算。

4.如權(quán)利要求1所述的一種新型肺病智能輔助檢測方法，其特征在于，在所述步驟S3中，所述順序微調(diào)法將所述支氣管鏡檢查圖像數(shù)據(jù)擬合到更多子模型中，分別固定了不同的網(wǎng)絡(luò)層來進(jìn)行訓(xùn)練，每次固定對應(yīng)了一個(gè)子模型，為所述支氣管鏡檢查圖像數(shù)據(jù)找到一個(gè)適合的所述肺病檢測模型。

5.一種新型肺病智能輔助檢測系統(tǒng)，其特征在于，所述系統(tǒng)包括：

圖像采集模塊：獲取疑似患有肺部疾病的患者的支氣管鏡檢查圖像；

選取模型模塊：采用預(yù)先訓(xùn)練的初始神經(jīng)網(wǎng)絡(luò)作為本次建模的神經(jīng)網(wǎng)絡(luò)；

順序微調(diào)網(wǎng)絡(luò)模塊：采用順序微調(diào)法對上述步驟獲取的所述神經(jīng)網(wǎng)絡(luò)按照網(wǎng)絡(luò)結(jié)構(gòu)的順序，通過調(diào)整所述神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，微調(diào)所述神經(jīng)網(wǎng)絡(luò)的各層網(wǎng)絡(luò)；所述網(wǎng)絡(luò)參數(shù)包括訓(xùn)練階段數(shù)n、神經(jīng)網(wǎng)絡(luò)層數(shù)m、執(zhí)行步數(shù)x；所述神經(jīng)網(wǎng)絡(luò)包括m層，并采用n個(gè)訓(xùn)練階段進(jìn)行訓(xùn)練，每一步順序微調(diào)包括x個(gè)執(zhí)行步數(shù)；

更新參數(shù)模塊：通過使用加權(quán)交叉熵作為成本函數(shù)來更新所述網(wǎng)絡(luò)參數(shù)，以便更新所述神經(jīng)網(wǎng)絡(luò)；

獲取模型模塊：獲取經(jīng)上述步驟多次調(diào)整后的所述神經(jīng)網(wǎng)絡(luò)為所需的肺病檢測模型。