[發明專利]一種基于深度學習與模糊邏輯的間質性肺炎評估方法

在審

• 申請號: 202110664376.2
• 申請日: 2021-06-16
• 公開（公告）號: CN113344887A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 王杰華;孫浩宇;丁衛平;高瞻;周川
• 申請（專利權）人: 南通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/194;G16H30/20;A61B6/00;A61B6/03;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習與模糊邏輯的間質性肺炎評估方法，其特征在于：包括以下步驟：

S1：收集匯總間質性肺病圖像，制作樣本數據集；

S2：對肺部CT圖像進行肺實質分割，獲得僅存在雙肺而不包含軀干部分、床板、隔膜等對檢測工作沒有作用的圖像，輸入病例圖像，訓練深度學習模型，深度學習模型并部署；

S3：導入實時肺部CT圖像，通過深度學習模型自動標記出所有病變區域，具體為將深度學習模型遠程部署到醫院的主服務器中，通過科室辦公電腦將病人會診的CT圖像傳送給主服務器，通過主服務器中部署的深度學習模型對CT圖像進行自動識別檢測，得出是否發生間質性肺病現象，并輸出結果，并對異常的圖片進行報警；

S4：對所有病變區域進行模糊化，模糊推理和去模糊化，輸出評估結果。

2.根據權利要求1所述的一種基于深度學習與模糊邏輯的間質性肺炎評估方法，其特征在于：所述S1中樣本數據集上傳至網絡數據庫。

3.根據權利要求1所述的一種基于深度學習與模糊邏輯的間質性肺炎評估方法，其特征在于：所述S2中對肺部CT圖像進行肺實質分割采用OTUS算法將CT圖像分為前景和背景，得到二值圖像，然后對開運算后的二值圖像進行一次區域生長算法提取肺部掩膜。

4.根據權利要求1所述的一種基于深度學習與模糊邏輯的間質性肺炎評估方法，其特征在于：所述S2中訓練深度學習模型采用SoftNMS的FasterRCNN深度學習算法對制作的樣本數據集進行訓練。

5.根據權利要求1所述的一種基于深度學習與模糊邏輯的間質性肺炎評估方法，其特征在于：所述S3中深度學習模型部署到服務器上，并在本地使用模型進行推理預測。

6.根據權利要求1所述的一種基于深度學習與模糊邏輯的間質性肺炎評估方法，其特征在于：所述S4中模糊化通過模糊邏輯控制模塊實現，模糊邏輯控制模塊可以對模型輸出結果進行進一步評估，使得結果更易讀。