[發(fā)明專利]一種基于深度學(xué)習(xí)的慢阻肺識別與評估裝置

在審

• 申請?zhí)枺?/td>: 202210189050.3
• 申請日: 2022-02-28
• 公開（公告）號: CN114638788A
• 公開（公告）日: 2022-06-17
• 發(fā)明（設(shè)計）人: 王琨;李強(qiáng);孫家興;廖璽銘;張鑫
• 申請（專利權(quán)）人: 上海市東方醫(yī)院（同濟(jì)大學(xué)附屬東方醫(yī)院）
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海泰能知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31233
• 代理人: 宋纓

1.一種基于深度學(xué)習(xí)的慢阻肺識別與評估裝置，其特征在于，包括：

CT圖像獲取模塊：用于獲取CT圖像集；

檢測模型構(gòu)建模塊：用于構(gòu)建慢阻肺檢測模型；

慢阻肺檢測模塊：用于通過所述慢阻肺檢測模型將獲取的CT圖像集識別為慢阻肺或非慢阻肺。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的慢阻肺識別與評估裝置，其特征在于，所述檢測模型構(gòu)建模塊中的慢阻肺檢測模型包括依次連接的特征提取模塊、分類器和softmax層。

3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的慢阻肺識別與評估裝置，其特征在于，所述特征提取模塊為ResNet18特征提取模塊，所述ResNet18特征提取模塊包括依次連接的7*7卷積層、第一批量歸一化層、第一整流線性層、3*3最大池化層、2個c＝64的Resblock單元、c＝128且d＝2的Resblock單元、c＝128的Resblock單元、c＝256且d＝2的Resblock單元、c＝256的Resblock單元、c＝512且d＝2的Resblock單元和c＝512的Resblock單元，其中，c為輸出通道數(shù)量，d為填充大小。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的慢阻肺識別與評估裝置，其特征在于，所述Resblock單元包括依次連接的第一3*3卷積層、第二批量歸一化層、第二整流線性層、第二3*3卷積層和第三整流線性層，所述第一3*3卷積層還和第三整流線性層連接后輸入至第四整流線性層。

5.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的慢阻肺識別與評估裝置，其特征在于，所述分類器包括依次連接的第一1*1卷積層、平均池化層、第一全連接層、第五整流線性層、第二全連接層和tanh層，所述第一1*1卷積層還和tanh層連接后輸入至第二1*1卷積層、并與所述第二1*1卷積層連接后輸入至softmax層。

6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的慢阻肺識別與評估裝置，其特征在于，還包括：

慢阻肺分級模型構(gòu)建模塊：用于構(gòu)建慢阻肺分級模型；

肺實質(zhì)圖像和肺氣腫圖像生成模塊：用于將所述慢阻肺檢測模型識別出具有慢阻肺的CT圖像集中找出肺實質(zhì)圖像集，再從所述肺實質(zhì)圖像集中找出肺氣腫圖像集；

慢阻肺分級模塊：用于通過所述慢阻肺分級模型將所述具有慢阻肺的CT圖像集、肺實質(zhì)圖像集和肺氣腫圖像集匯集并輸入所述慢阻肺分級模型來判斷慢阻肺的嚴(yán)重程度。

7.根據(jù)權(quán)利要求6所述的基于深度學(xué)習(xí)的慢阻肺識別與評估裝置，其特征在于，所述慢阻肺分級模型構(gòu)建模塊中的慢阻肺分級模型包括依次連接的5個Resblock單元組成的3DResNet50網(wǎng)絡(luò)、全連接層。

8.根據(jù)權(quán)利要求7所述的基于深度學(xué)習(xí)的慢阻肺識別與評估裝置，其特征在于，所述Resblock單元包括依次連接的第一3*3卷積層、第二批量歸一化層、第二整流線性層、第二3*3卷積層和第三整流線性層，所述第一3*3卷積層還和第三整流線性層連接后輸入至第四整流線性層。