[發(fā)明專利]一種新冠肺炎診斷系統(tǒng)、介質及設備

在審

• 申請?zhí)枺?/td>: 202110302718.6
• 申請日: 2021-03-22
• 公開（公告）號: CN113012133A
• 公開（公告）日: 2021-06-22
• 發(fā)明（設計）人: 張智軍;陳博釗
• 申請（專利權）人: 華南理工大學;佛山市順德致可智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

1.一種新冠肺炎診斷系統(tǒng)，其特征在于，包括圖像輸入模塊、特征提取模塊、專家診斷模塊、綜合評估模塊和診斷結果輸出模塊，

所述圖像輸入模塊用于輸入X光正位胸片圖像；

所述特征提取模塊用于構建并預訓練ResNet深度網絡模型，預訓練完畢后去除末端全連接層，其剩余部分作為圖像特征提取器，采用所述圖像特征提取器提取X光正位胸片圖像的特征形成樣本；

所述專家診斷模塊用于構建多個動態(tài)學習網絡分類器，包括輸入層、隱含層和輸出層，設定輸入神經元個數為訓練集特征樣本維度以及隱含層和輸出層神經元的激活函數，輸入層與隱含層之間各個連接權重分量隨機初始化且保持不變，隱含層與輸出層之間各個連接權重分量隨機初始化并進行訓練；

所述綜合評估模塊用于針對各個動態(tài)學習網絡分類器，構建集成動態(tài)學習網絡模型來對圖像進行診斷，得到診斷預測結果；

所述診斷結果輸出模塊用于輸出最終診斷結果。

2.根據權利要求1所述的一種新冠肺炎診斷系統(tǒng)，其特征在于，所述圖像輸入模塊包括：

預處理單元，用于將X光正位胸片圖像順序變換成RGB次序，并調整各圖像的大小一致；

劃分單元，用于將圖像分為測試圖像和用于訓練模型的訓練圖像。

3.根據權利要求1所述的一種新冠肺炎診斷系統(tǒng)，其特征在于，所述特征提取模塊包括：

預訓練單元，用于搭建ResNet18網絡，并在確定訓練方式、訓練輪數和輸入圖像數目大小后預訓練ResNet18網絡；

去除單元，用于去除訓練得到的ResNet18網絡中的末端全連接層；

圖像特征提取器單元，用于提取輸入的訓練圖像，得到對應的特征樣本。

4.根據權利要求1所述的一種新冠肺炎診斷系統(tǒng)，其特征在于，所述專家診斷模塊包括：

訓練集特征樣本單元，用于存儲訓練圖像；

樣本抽取單元，用于從訓練集特征樣本單元中抽取訓練所需的特征樣本；

訓練單元，用于采用不同類型的變換函數進行訓練，得到相應的不同的動態(tài)學習網絡分類器。

5.根據權利要求4所述的一種新冠肺炎診斷系統(tǒng)，其特征在于，所述樣本抽取單元中，抽取樣本時，在較大數目一類中有放回地隨機抽取，抽取量與較小數目一類中的樣本數目相當，在較大數目一類中每隨機抽取一次得到的特征樣本和小類全部構成一個子集，每個子集訓練一種變換函數類型的動態(tài)學習網絡分類器。

6.根據權利要求4所述的一種新冠肺炎診斷系統(tǒng)，其特征在于，所述變換函數包括線性函數、Tanh函數和Sinh函數。

7.根據權利要求1-6任一所述的一種新冠肺炎診斷系統(tǒng)，其特征在于，所述綜合評估模塊包括：

結合單元，用于將多個動態(tài)學習網絡分類器結合形成集成動態(tài)學習網絡模型；

綜合評估單元，各動態(tài)學習網絡分類器對測試圖像各自進行診斷，得到多個初判結果，通過多個初判結果得出最終的診斷結果。

8.根據權利要求7所述的一種新冠肺炎診斷系統(tǒng)，其特征在于，所述綜合評估單元中，針對多個初判結果，采用基于少數服從多數的投票決策原則得到診斷結果。

9.一種存儲介質，其特征在于，存儲有程序，所述程序被處理器執(zhí)行時實現(xiàn)權利要求1-7任一所述的新冠肺炎診斷系統(tǒng)。

10.一種計算設備，其特征在于，包括處理器和用于存儲處理器可執(zhí)行程序的存儲器，所述處理器執(zhí)行存儲器存儲的程序時，實現(xiàn)權利要求1-7任一所述的新冠肺炎診斷系統(tǒng)。