[發明專利]基于深度學習的智能醫療輔助診斷系統

在審

• 申請號: 201910367719.1
• 申請日: 2019-05-05
• 公開（公告）號: CN110136826A
• 公開（公告）日: 2019-08-16
• 發明（設計）人: 趙兵
• 申請（專利權）人: 安徽國科新材科技有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H30/20
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 馮子玲

1.基于深度學習的智能醫療輔助診斷系統，其特征在于，包括：會診室上位機、化驗室上位機、閱片室上位機、抽血掛號機、血液化驗檢測儀以及CT儀器；

所述會診室上位機分別與化驗室上位機、閱片室上位機無線通訊連接；所述化驗室上位機與血液化驗檢測儀通訊連接；所述閱片室上位機與CT儀器通訊連接；

所述抽血掛號機分別與語音播報器以及若干LED顯示屏通訊連接；所述抽血掛號機將患者信息存儲到掛號隊列中并存儲；所述抽血掛號機還與若干喊號按鈕電性連接；當按下所述喊號按鈕后，所述喊號按鈕傳遞喊號信號至抽血掛號機；所述抽血掛號機獲取掛號隊列的隊頭序號并傳遞至語音播報器，所述語音播報器對所述隊頭序號喊號；

所述抽血掛號機還傳遞掛號序列至所述血液化驗檢測儀；所述血液化驗檢測儀根據掛號序列依次對患者血液樣本化驗檢測并獲得化驗檢測數據；所述血液化驗檢測儀傳遞患者信息及其對應的化驗檢測數據至化驗室上位機；

所述化驗室上位機包括數據預處理模塊以及DNN預測模塊；所述數據預處理模塊對化驗檢測數據進行特征提取獲取特征向量；所述數據預處理模塊傳遞特征向量至所述DNN預測模塊；所述DNN預測模塊對比血檢病例庫中的DNN特征模型獲取血檢分析結果；所述化驗室上位機傳遞患者信息及其對應的血檢分析結果至會診室上位機；

所述CT儀器對患者進行掃描獲取CT影像；所述CT儀器將患者信息及其對應的CT影像傳遞至閱片室上位機；所述閱片室上位機包括圖像預處理模塊以及U-net模型分割模塊；所述圖像預處理模塊對CT影像進行濾波預處理；所述U-net模型分割模塊采用U-net模型對CT影像進行分割處理獲取分割圖；所述閱片室上位機傳遞患者信息及其對應的CT影像以及分割圖至會診室上位機；

所述會診室上位機包括輔助診斷模塊；所述輔助診斷模塊根據血檢分析結果、CT影像及其分割圖結合醫學知識數據庫分析患病概率。

2.根據權利要求1所述的基于深度學習的智能醫療輔助診斷系統，其特征在于，所述喊號按鈕以及LED顯示屏與抽血窗口對應；所述抽血掛號機還將掛號隊列的隊頭序號傳遞至對應窗口的LED顯示屏顯示。

3.根據權利要求1所述的基于深度學習的智能醫療輔助診斷系統，其特征在于，所述化驗室上位機還包括DNN訓練模塊；所述數據預處理模塊獲取訓練集中的化驗檢測數據并進行特征提取獲取訓練特征向量；所述訓練模塊對DNN特征模型初始化參數后，通過所述訓練特征向量對DNN特征模型訓練并存儲訓練好的DNN特征模型至血檢病例庫中。

4.根據權利要求1所述的基于深度學習的智能醫療輔助診斷系統，其特征在于，所述閱片室上位機還包括U-net模型訓練模塊；所述圖像預處理模塊對CT影像進行預分割獲取預分割圖；所述圖像預處理模塊將CT影像作為原圖、預分割圖作為標簽圖傳遞至U-net模型訓練模塊；所述U-net模型訓練模塊將原圖以及預分割圖輸入到搭建好的U-net模型進行訓練并獲得訓練好的U-net模型。