[發明專利]一種基于數據模擬和深度學習的胸片模糊問題分類系統，方法及存儲介質

在審

• 申請號: 202110018048.5
• 申請日: 2021-01-07
• 公開（公告）號: CN112669310A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 王順;姚覲;吳文輝;李祎;付海鷗
• 申請（專利權）人: 江西中科九峰智慧醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海天翔知識產權代理有限公司 31224
• 代理人: 劉常寶

1.基于數據模擬和深度學習的胸片模糊問題分類系統，其特征在于，包括：

數據模擬模塊，所述數據模擬模塊對輸入的X射線胸片進行數據模擬得到模糊的X射線胸片；

預處理模塊，所述預處理模塊對需要輸入至神經網絡的X射線胸片進行預處理；

神經網絡，所述神經網絡在訓練后，對經過預處理模塊預處理的X射線胸片進行模糊胸片與正常胸片的分類計算；

訓練模塊，所述訓練模塊協調數據模擬模塊與預處理模塊基于正常X射線胸片對神經網絡進行訓練；所述訓練模塊將輸入的正常X射線胸片分成兩部分：一部分正常X射線胸片不做任何處理，另一部正常X射線胸片通過數據模擬模塊進行數據模擬得到模糊的X射線胸片；由預處理模塊對形成的兩類X射線胸片進行預處理，并送至神經網絡進行訓練。

2.根據權利要求1所述的胸片模糊問題分類系統，其特征在于，所述訓練模塊在分類處理正常X射線胸片時，將一部分正常X射線胸片不做任何處理作為負類并打上真實標簽0，將另一部分正常的X射線胸片通過數據模擬的方式得到模糊的X射線胸片作為正類并打上真實標簽1；同時將每一張X射線胸片通過神經網絡后得到的概率與該X射線胸片對應的真實標簽計算交叉熵損失，接著對損失進行求導，然后反向傳播梯度并利用隨機梯度下降法來優化整個神經網絡。

3.根據權利要求1所述的胸片模糊問題分類系統，其特征在于，所述訓練模塊通過數據模擬模塊對正常X射線胸片進行數據模擬時，以0.5的概率選擇高斯模糊方式，0.5的概率選擇定向模糊方式。

4.根據權利要求1所述的胸片模糊問題分類系統，其特征在于，神經網絡完成訓練之后，預處理模塊對需要測試的胸片先進行數據預處理，并將經過預處理的胸片數據輸入到訓練好的神經網絡中；接著神經網絡計算得到該胸片為模糊胸片的概率值P，并對所得到的概率值P進行判斷，以確定胸片為模糊胸片或正常胸片。

5.基于數據模擬和深度學習的胸片模糊問題分類方法，其特征在于，直接通過正常X射線胸片訓練進行胸片模糊問題分類的神經網絡，再利用神經網絡對接收到的X射線胸片進行分類。

6.根據權利要求5所述的胸片模糊問題分類方法，其特征在于，所述方法利用正常X射線胸片訓練神經網絡時，

首先，將輸入到神經網絡中的正常X射線胸片分成兩部分：一部分正常X射線胸片不做任何處理，另一部正常X射線胸片通過數據模擬模塊進行數據模擬得到模糊的X射線胸片；

接著，對形成的兩類X射線胸片進行預處理，并送至神經網絡進行訓練。

7.根據權利要求5所述的胸片模糊問題分類方法，其特征在于，所述方法在分類處理正常X射線胸片時，將一部分正常X射線胸片不做任何處理作為負類并打上真實標簽0，將另一部分正常的X射線胸片通過數據模擬的方式得到模糊的X射線胸片作為正類并打上真實標簽1；同時將每一張X射線胸片通過神經網絡后得到的概率與該X射線胸片對應的真實標簽計算交叉熵損失，接著對損失進行求導，然后反向傳播梯度并利用隨機梯度下降法來優化整個神經網絡。

8.根據權利要求5所述的胸片模糊問題分類方法，其特征在于，所述方法在神經網絡系統完成訓練之后，將需要測試的胸片先進行數據預處理；

接著，將經過預處理的胸片數據輸入到訓練好的神經網絡中；

接著，經由神經網絡計算得到該胸片為模糊胸片的概率值P；

最后，對所得到的概率值P進行判斷，以確定胸片為模糊胸片或正常胸片。

9.存儲介質，所述存儲介質包括存儲的程序，其特征在于，所述程序執行權利要求5-8中任一項所述的胸片模糊問題分類方法。