[發明專利]一種基于深度學習的肺部圖像分析系統及其分析方法

在審

• 申請號: 202010749645.0
• 申請日: 2020-07-30
• 公開（公告）號: CN111862075A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 黃志偉;李沙;許志堅;蔡飛翔;楊懿
• 申請（專利權）人: 西南醫科大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/08;G06N3/04;G16H50/20
• 代理公司: 成都方圓聿聯專利代理事務所(普通合伙) 51241
• 代理人: 宋紅賓

本發明提供一種基于深度學習的肺部圖像分析系統及其分析方法，包括輸入模塊、輸出模塊和檢測模塊；所述的輸入模塊用于獲取待檢測圖像，并將待檢測圖像傳輸到所述檢測模塊；所述檢測模塊用于通過訓練好的卷積神經網絡檢測待檢測圖像中的肺部輪廓區域內的病變區域的形狀特點及顏色的灰度特征，并與網絡訓練所得的肺部疾病的病癥圖像特征進行對比，獲取對比結果；所述輸出模塊用于展示檢測模塊的對比結果。通過構建基于深度學習的卷積神經網絡，并使用所述卷積神經網絡對胸片的肺部是否存在病變來進行初步的分析，給醫生臨床診斷提供輔助的信息分析，解決了傳統檢測技術中核酸檢測周期長，并提高了CT檢測的準確性。

技術領域

本發明涉及一種基于深度學習的肺部圖像分析系統及其分析方法，屬于醫療設備領域中的醫學胸片肺部疾病種類識別，涉及深度學習卷積神經網絡、長短期記憶網絡相結合的相關算法，利用深度學習方法實現醫學影像計算機輔助診斷技術。

背景技術

隨著中國經濟持續增長和社會人口老年化加劇，肺部疾病的致病因素以及患者越來越多，引起了人們的重視。目前，影像學檢查是新型冠狀病毒肺炎的重要檢測方法之一，因其檢測周期短而具有不可替代的作用。

目前臨床上尚無融入成熟可靠的讀取辨識胸片的人工智能圖像分析方法。一個可以準確分辨正常肺部與病變肺部的人工智能(AI)系統可以輔助醫生更早的診斷、規劃與治療，彌補檢查方法復雜緩慢，醫護人員工作繁重等問題。

發明內容

針對上述問題，本發明提供了一種基于深度學習的肺部圖像分析系統及其分析方法。

一種基于深度學習的肺部圖像分析系統，其包括輸入模塊、輸出模塊和檢測模塊；

所述的輸入模塊用于獲取待檢測圖像，并將待檢測圖像傳輸到所述檢測模塊；

所述檢測模塊用于通過訓練好的卷積神經網絡檢測待檢測圖像中的肺部輪廓區域內的病變區域的形狀特點及顏色的灰度特征，并與網絡訓練所得的肺部疾病的病癥圖像特征進行對比，獲取對比結果；

所述輸出模塊用于展示檢測模塊的對比結果。

進一步的，所述檢測模塊包括兩個子模塊：建模子模塊，判斷子模塊；

所述建模子模塊用于建立基于深度學習的卷積神經網絡；

所述判斷子模塊用于判斷所述檢測圖像是否符合肺部疾病的胸片特征，所述對比結果為所述待檢測圖像與網絡訓練所得的肺部疾病的病癥圖像特征對比是否符合。

其中，所述建模子模塊包括神經網絡構建單元、神經網絡訓練單元；

所述神經網絡構建單元用于構建卷積神經網絡；所述神經網絡訓練單元用于對所述卷積神經網絡進行訓練，獲得訓練好的卷積神經網絡。

其中，所述判斷子模塊包括檢測區域識別單元、病灶檢測單元、判斷單元；

所述檢測區域識別單元用于識別出所述待檢測圖像中肺部疾病進行判斷的關鍵區域；

所述病灶檢測單元用于調用所述訓練好的卷積神經網絡檢測所述待檢測圖像中是否存在類似肺部疾病胸片的典型特征；

所述判斷單元用于調用先調用檢測區域識別單元判斷該區域是否為肺部圖像，若是，對所述待檢測圖像進行病癥檢測，否則，不對所述待檢測圖像進行病癥檢測；

所述病癥檢測包括：通過調用所述檢測區域識別單元和病灶檢測單元，判斷所述待檢測圖像是否具有類似肺部疾病胸片的典型特征，若是，則所述檢測結果為符合，否則，所述檢測結果為不符合。

進一步的，所述神經網絡構建單元用于構建卷積神經網絡，包括：

構建包括前端網絡和后端網絡的卷積神經網絡；