[發(fā)明專利]基于深度學(xué)習(xí)的縱隔超聲內(nèi)鏡圖像實時輔助診斷系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 201811430906.1
• 申請日: 2018-11-28
• 公開（公告）號: CN109616195A
• 公開（公告）日: 2019-04-12
• 發(fā)明（設(shè)計）人: 于紅剛;張軍;吳練練;胡珊;宮德馨
• 申請（專利權(quán)）人: 武漢大學(xué)人民醫(yī)院（湖北省人民醫(yī)院）
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06K9/62
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 魏波

本發(fā)明公開了一種基于深度學(xué)習(xí)的縱隔超聲內(nèi)鏡圖像實時輔助診斷系統(tǒng)及方法，系統(tǒng)包括圖像獲取模塊、通信模塊、病灶識別模塊；圖像獲取模塊，用于獲取使用超聲內(nèi)鏡設(shè)備進(jìn)行縱隔檢查得到的圖片和視頻，將視頻解碼為圖片；病灶識別模塊，用于接收圖像獲取模塊的圖片，及時判斷圖像對應(yīng)的特征，得到疾病識別分類結(jié)果；圖像獲取模塊和病灶識別模塊通過通信模塊連接通信。本發(fā)明首選使用圖像獲取模塊獲取縱隔超聲內(nèi)鏡圖片和視頻；然后將縱隔超聲內(nèi)鏡圖片作為參數(shù)，調(diào)用卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行疾病的識別分類；最后接收卷積神經(jīng)網(wǎng)絡(luò)模型分類結(jié)果，輔助醫(yī)生進(jìn)行疾病診斷。本發(fā)明提高了檢測的準(zhǔn)確度和有效性，降低了誤診漏診發(fā)生概率，節(jié)約了人力成本。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像識別技術(shù)領(lǐng)域，涉及一種實時輔助診斷系統(tǒng)及方法，具體涉及一種基于深度學(xué)習(xí)的縱隔超聲內(nèi)鏡圖像實時輔助診斷系統(tǒng)及方法。

背景技術(shù)

超聲內(nèi)鏡(EUS)是將內(nèi)鏡和超聲相結(jié)合的消化道檢查技術(shù)，既可以觀察消化道表面的病變和位置關(guān)系，也可以觀察消化壁各層次關(guān)系，還可以對臨近消化道的各臟器和組織結(jié)構(gòu)進(jìn)行觀察，提高了內(nèi)鏡和超聲的診斷水平。相較CT,MRI，PET-CT影像學(xué)診斷方法，超聲內(nèi)鏡對于縱隔疾病診斷具有一定優(yōu)勢，醫(yī)生通過判斷超聲內(nèi)鏡成像特點，如病變長徑、回聲特點、邊界、血管浸潤、與周圍組織關(guān)系、囊實性、單發(fā)多發(fā)、彈性成像特點等方面可以診斷縱隔良惡性占位、縱隔結(jié)核、縱隔結(jié)節(jié)病、縱膈與肺門淋巴結(jié)腫大等疾病。

超聲內(nèi)鏡進(jìn)行縱隔疾病診斷中，操作者識圖經(jīng)驗和主觀因素對結(jié)果有較大影響。資歷較淺的醫(yī)生可能由于經(jīng)驗水平有限，難以識別出超聲內(nèi)鏡圖像的縱隔病變，出現(xiàn)漏診誤診。隨著計算機和圖像處理技術(shù)的發(fā)展，我們可以充分利用海量的超聲內(nèi)鏡影像數(shù)據(jù)，利用機器學(xué)習(xí)專家標(biāo)記分類的超聲內(nèi)鏡縱隔病變圖像，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型，輔助醫(yī)生診斷，節(jié)約人力成本，提高醫(yī)生診斷的準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是：提供一種基于深度學(xué)習(xí)的超聲內(nèi)鏡實時輔助診斷縱隔疾病的系統(tǒng)及方法，利用深度學(xué)習(xí)對縱隔超聲內(nèi)鏡圖像進(jìn)行分析，輔助醫(yī)生進(jìn)行診斷，提高醫(yī)生發(fā)現(xiàn)縱隔病變的效率和效果。

本發(fā)明的系統(tǒng)所采用的技術(shù)方案是：一種基于深度學(xué)習(xí)的縱隔超聲內(nèi)鏡圖像實時輔助診斷系統(tǒng)，其特征在于：包括圖像獲取模塊、通信模塊、病灶識別模塊；

所述圖像獲取模塊，用于獲取使用超聲內(nèi)鏡設(shè)備進(jìn)行縱隔檢查得到的圖片和視頻，將視頻解碼為圖片；

所述病灶識別模塊，用于接收圖像獲取模塊的圖片，及時判斷圖像對應(yīng)的特征，得到疾病識別分類結(jié)果；

所述圖像獲取模塊和病灶識別模塊通過所述通信模塊連接通信。

本發(fā)明的方法所采用的技術(shù)方案是：一種基于深度學(xué)習(xí)的縱隔超聲內(nèi)鏡圖像實時輔助診斷方法，其特征在于，包括以下步驟：

步驟1：使用圖像獲取模塊進(jìn)行縱隔檢查，獲取縱隔超聲內(nèi)鏡圖片和視頻，將視頻解碼為圖片；

步驟2：接收縱隔超聲內(nèi)鏡圖片作為參數(shù)，調(diào)用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行疾病的識別分類；

步驟3：接收卷積神經(jīng)網(wǎng)絡(luò)模型分類結(jié)果，輔助醫(yī)生進(jìn)行疾病診斷。

本發(fā)明的有益效果為：本發(fā)明的基于深度學(xué)習(xí)的超聲內(nèi)鏡實時輔助診斷縱隔疾病的方法及系統(tǒng)，可以對縱隔的超聲內(nèi)鏡圖像存在的病變進(jìn)行判斷，為醫(yī)生提供可靠的參考，輔助醫(yī)生完成診斷，提高檢查的準(zhǔn)確度及有效性。本發(fā)明既為患者健康提供保障，避免了誤診漏診；也節(jié)省了醫(yī)生的時間精力。

附圖說明

圖1為本發(fā)明實施例的系統(tǒng)結(jié)構(gòu)框圖；

圖2為本發(fā)明實施例的卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練圖。

具體實施方式