[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

本發明公開了一種基于深度學習與模糊邏輯的間質性肺炎評估方法，包括以下步驟：收集匯總間質性肺病圖像，制作樣本數據集；輸入病例圖像，訓練深度學習模型，深度學習模型并部署；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；對所有病變區域進行模糊，該發明采用模型訓練和模型預測分離的形式，在胸部縱隔窗CT圖像數據中心的電腦上對間質性肺炎深度學習模型進行訓練和優化，將訓練后深度學習模型部署到搭建了深度學習環境的服務器設備中，通過接收科室主機傳遞的患者CT圖像，由模型讀取圖像，在服務器中進行間質性肺炎推理預測，實現檢測自動化，緩解醫生每天因閱讀大量CT圖像產生的疲勞和誤診，輔助醫生決策的速度和準確度。

技術領域

本發明涉及基于深度學習與模糊邏輯的間質性肺炎評估方法技術領域，具體為一種基于深度學習與模糊邏輯的間質性肺炎評估方法。

背景技術

間質性肺炎屬于肺炎的一種，但是截止到2021年4月，還沒有完整的流行病學數據統計，但臨床較為常見的特發性間質性肺炎，近年來發病率有所升高。2016年的一項調查顯示，韓國每10萬人群中，有74～88人患有特發性間質性肺炎。其中特發性肺纖維化的發病率隨年齡的增長而顯著升高，男性患病率高于女性。在已知病因中，常見病因包括：吸入無機粉塵、有機粉塵和各種刺激性的有毒氣體；各類結締組織病以及藥物或放療相關性間質性肺炎等。部分間質性肺炎的病因雖然還不清楚，但病情的進展與一些危險因素有關。在感染慢性間質性肺炎后，患者會出現不明原因的呼吸困難和干咳，若不及時就醫，不可逆的肺部損傷往往就發生了。在感染急性間質性肺炎，若不及時就醫，可能危及生命。現在，胸透技術仍然是世界范圍內的重要的間質性肺炎診斷方法。

胸部縱膈窗CT圖像需要有完備知識和經驗豐富的專家來仔細閱讀，并且作為間質性肺炎等胸部疾病的最重要依據，它們也會伴隨著其他種類的肺部疾病，比如：肺癌，肺部積液過多，肺結節病等，這些疾病也會顯現出類似與間質性肺炎或者肺炎的視覺信號，從而導致通過人工閱讀胸部CT圖像來檢測患者是否患有間質性肺炎的過程會相當浪費時間，因為閱片專家需要排除一些可疑特征，從而降低了結果的準確度。為此，為了更好的輔助甚至是代替放射科醫生閱讀胸部CT圖像，從而開發一個自動的間質性肺炎檢測的模型是十分有意義的，因此，亟待一種改進的技術來解決現有技術中所存在的這一問題。

發明內容

本發明的目的在于提供一種基于深度學習與模糊邏輯的間質性肺炎評估方法，采用模型訓練和模型預測分離的形式，在胸部縱隔窗CT圖像數據中心的電腦上對間質性肺炎深度學習模型進行訓練和優化，將訓練后的深度學習模型部署到搭建了深度學習環境的服務器設備中，設備通過接收科室主機傳遞的患者CT圖像，由模型讀取圖像，在服務器的環境中進行間質性肺炎推理預測，實現檢測自動化，緩解醫生每天因閱讀大量CT圖像產生的疲勞和誤診，輔助醫生決策的速度和準確度，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：一種基于深度學習與模糊邏輯的間質性肺炎評估方法，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。

優選的，所述S1中樣本數據集上傳至網絡數據庫。