2024年4月20日发(作者：手机怎么连接蓝牙耳机)
一种基于深度学习的新冠肺炎智能诊断系统
技术领域
本发明属于医学图像处理领域，涉及一种基于深度学习的新
冠肺炎智能诊断系统。
背景技术
全球性质的新冠肺炎(COVID-19)传染病，因其传染性强、致
病率高很快引起了医学专家们的广泛关注，而对患者准确地诊断
有助于病情控制与恢复。目前检测新冠肺炎的方法主要有核酸检
测与CT检测两种，但由于核酸检测存在试剂短缺、假阴性误诊
率相对较高的问题，通常将CT检测作为主要诊断依据。而通常
一个病例的CT包含200-500张断层扫描图像，传统的医生阅片
方式往往费时费力，且有些病灶体积微小肉眼不易分辨从而存在
漏诊、误诊的情况。因此计算机辅助检测系统应运而生，通过基
于深度学习的模型对患者的CT进行检测与预判，能有效提高医
生的阅片速度以及检测准确率。
发明内容
有鉴于此，本发明的目的在于提供一种包含了检测+去假阳性
+预测三部分的深度学习的智能新冠肺炎检测系统，进一步提高
新冠肺炎准确率与效率。
为达到上述目的，本发明提供如下技术方案：
一种基于深度学习的新冠肺炎智能诊断系统，包括控制单元、
智能检测与诊断单元、存储单元和三维显示单元，所述控制单元
用于输入和设定系统模式；所述智能检测与诊断单元用于对新冠
肺炎病例进行预测；所述存储单元用于存储系统数据；所述三维
显示单元用于显示预测到的病例数据以及系统设置数据；
所述智能检测与诊断单元包括数据预处理模块、病灶区检测
模块、去假阳性模块、病例预测模块；
所述数据预处理模块用于对CT图像进行预处理，得到肺实
质图像，并发送给病灶区检测模块；
所述病灶区检测模块用于通过引入注意力机制及位置参数的
残差网络对肺实质图像进行特征提取，并通过分类网络输出候选
区域的分类情况：COVID-19、普通肺炎、无感染区三种类型的
概率结果以及对应的病灶区域位置；
所述去假阳性模块用于结合预测的病灶区域位置获取不同大
小的病灶块，通过三维残差网络筛掉误判的病灶区；
所述病例预测模块用于出概率较高的候选区域及其概率通过
优化法得到各类别的概率，并结合各类概率得出最终的病例预
测。
进一步，所述数据预处理模块的运行步骤包括：
首先将CT图像灰度值转换成CT值，具体为：从DICOM文
件中读取rescaleslope值和rescale intercept值，再通过CT值
与像素之间的转换公式HU＝pixel_val*slope+intercept，得到对
应的CT值，单位为HU；
发布者：admin，转转请注明出处：http://www.yc00.com/xitong/1713553530a2271914.html
评论列表（0条）