[發(fā)明專利]一種基于人工智能的肺部診斷輔助系統(tǒng)及其方法

在審

• 申請?zhí)枺?/td>: 202110088661.4
• 申請日: 2021-01-22
• 公開（公告）號: CN112820398A
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計）人: 王嘉誠;狄浩成
• 申請（專利權(quán)）人: 神威超算（北京）科技有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/50;G06T7/00;G06K9/46;G06K9/62
• 代理公司: 北京漢之知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11479
• 代理人: 王立紅

1.一種基于人工智能的肺部診斷輔助系統(tǒng)，其特征在于，所述系統(tǒng)包括肺部圖片輸入模塊、肺部診斷輔助模塊以及肺部診斷建議輸出模塊，其中，

所述肺部圖片輸入模塊，接收輸入的待診斷病患肺部圖片；

所述肺部診斷輔助模塊，將所述待診斷病患肺部圖片與目標(biāo)肺部訓(xùn)練模型中的肺部圖片庫進行肺部特征比對，比對得出肺部詳情；所述肺部圖片庫包括多個肺部健康圖片和多種類型肺部病患圖片，所述肺部詳情包括與所述待診斷病患肺部圖片相似度最高的肺部病患圖片、和與肺部健康圖片相比的差異特征；

所述肺部診斷建議輸出模塊，用于輸出所述肺部詳情對應(yīng)的診斷建議，所述診斷建議包括與待診斷病患肺部圖片相似度最高的肺部病患圖片對應(yīng)的肺部診斷信息、和與肺部健康圖片相比的差異特征對應(yīng)的肺部異常原因信息。

2.根據(jù)權(quán)利要求1所述基于人工智能的肺部診斷輔助系統(tǒng)，其特征在于，所述肺部特征包括肺部密度特征、肺部紋理特征以及肺部形狀特征。

3.根據(jù)權(quán)利要求1所述基于人工智能的肺部診斷輔助系統(tǒng)，其特征在于，所述肺部診斷輔助模塊包括肺部診斷模型訓(xùn)練單元，其中，所述肺部診斷模型訓(xùn)練單元用于執(zhí)行以下步驟：

將待深度學(xué)習(xí)的肺部圖片，輸入初始肺部訓(xùn)練模型中，且輸出訓(xùn)練肺部詳情，并輸出訓(xùn)練肺部詳情對應(yīng)的診斷建議；所述待深度學(xué)習(xí)的肺部圖片包括肺部健康圖片和肺部病患圖片；

將所述訓(xùn)練肺部診斷建議與目標(biāo)肺部診斷建議，進行相似度比較；其中，目標(biāo)肺部診斷建議包括與待深度學(xué)習(xí)肺部圖片相似度最高的肺部病患圖片對應(yīng)的肺部診斷信息、和與肺部健康圖片相比的差異特征對應(yīng)的肺部異常原因信息；

若相似度低于第一預(yù)設(shè)相似度閾值，則將待深度學(xué)習(xí)的肺部圖片及其對應(yīng)的目標(biāo)肺部診斷建議加入到初始肺部訓(xùn)練模型中，重復(fù)上述訓(xùn)練過程。

4.根據(jù)權(quán)利要求3所述基于人工智能的肺部診斷輔助系統(tǒng)，其特征在于，所述肺部診斷模型訓(xùn)練單元還用于執(zhí)行以下步驟：

若相似度大于或等于第一預(yù)設(shè)相似度閾值，則所述初始肺部訓(xùn)練模型完成訓(xùn)練，且得到中間肺部訓(xùn)練模型；

調(diào)整第一預(yù)設(shè)相似度閾值為第二預(yù)設(shè)相似度閾值；其中，所述第二預(yù)設(shè)相似度閾值大于所述第一預(yù)設(shè)相似度閾值；

根據(jù)所述中間肺部訓(xùn)練模型，重復(fù)上述訓(xùn)練過程。

5.根據(jù)權(quán)利要求3或4所述基于人工智能的肺部診斷輔助系統(tǒng)，其特征在于，所述肺部診斷模型訓(xùn)練單元還用于執(zhí)行以下步驟：

當(dāng)所述第二預(yù)設(shè)相似度閾值調(diào)整為目標(biāo)預(yù)設(shè)相似度閾值時，所述相似度大于或等于目標(biāo)預(yù)設(shè)相似度閾值，則得到目標(biāo)肺部訓(xùn)練模型。

6.一種基于人工智能的肺部診斷輔助方法，其特征在于，應(yīng)用于如權(quán)利要求1-5任意一項所述的權(quán)利要求中，所述方法包括：

接收輸入的待診斷病患肺部圖片；

將所述待診斷病患肺部圖片與目標(biāo)肺部訓(xùn)練模型中的肺部圖片庫進行肺部特征比對，比對得出肺部詳情；所述肺部圖片庫包括多個肺部健康圖片和多種類型肺部病患圖片，所述肺部詳情包括與所述待診斷病患肺部圖片相似度最高的肺部病患圖片、和與肺部健康圖片相比的差異特征；

輸出所述肺部詳情對應(yīng)的診斷建議，所述診斷建議包括與待診斷病患肺部圖片相似度最高的肺部病患圖片對應(yīng)的肺部診斷信息、和與肺部健康圖片相比的差異特征對應(yīng)的肺部異常原因信息。

7.根據(jù)權(quán)利要求6所述基于人工智能的肺部診斷輔助方法，其特征在于，所述肺部特征包括肺部密度特征、肺部紋理特征以及肺部形狀特征。