[发明专利]基于深度神经网络的慢性阻塞性肺病的检测系统

权利要求书

1.一种基于深度神经网络的慢性阻塞性肺病的检测系统，其特征在于，包括：

预处理模块，用于对获取的第一患者的胸部CT图像进行灰度化处理，并提取经过灰度化处理后的所述胸部CT图像中的多个肺小叶区域图像；

检测模块，用于将获取的所述第一患者的身体质量指数BMI，以及所述多个肺小叶区域图像，输入训练好的深度神经网络模型，获取所述第一患者患慢性阻塞性肺病的概率值。

2.根据权利要求1所述的系统，其特征在于，所述深度神经网络模型包括深度神经网络单元和计算单元，其中，

深度神经网络单元，用于根据获取的所述第一患者的身体质量指数BMI和每个肺小叶区域图像，获取每个肺小叶病变的概率；

计算单元，用于根据每个肺小叶病变的概率，获取所述第一患者患慢性阻塞性肺病的概率。

3.根据权利要求1所述的系统，其特征在于，还包括：

训练模块，用于获取训练样本集，所述训练样本集包含多组训练样本，每组训练样本包含一位样本患者的BMI和病变肺小叶的直径，所述病变肺小叶的直径由所述样本患者的胸部CT图像中获得；

基于所述训练样本集，对所述深度神经网络模型进行训练。

4.根据权利要求1所述的系统，其特征在于，所述训练好的深度神经网络模型的激活函数为：

P(i)=eW*xiΣi=1KeW*xi]]>

其中，P(i)为第i个肺小叶病变的概率，x_i为第i个特征变量，K为特征变量的总数，W为连接权重。

5.根据权利要求2所述的系统，其特征在于，所述根据每个肺小叶病变的概率，获取所述第一患者患慢性阻塞性肺病的概率具体为：

P=1-Πi=1N[1-P(i)]]]>

其中，P为第一患者患慢性阻塞性肺病的概率，P(i)为第i个肺小叶病变的概率，N为第一患者胸部CT图像中的肺小叶区域图像的总数。

6.根据权利要求2或5所述的系统，其特征在于，所述系统还包括：

可视化模块，根据每个肺小叶病变的概率，将病变概率大与预设阈值的肺小叶区域进行可视化处理。

7.一种用于慢性阻塞性肺病检测的电子设备，其特征在于，包括：

存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下步骤：

对获取的第一患者的胸部CT图像进行灰度化处理，并提取经过灰度化处理后的所述胸部CT图像中的多个肺小叶区域图像；

将获取的所述第一患者的身体质量指数BMI，以及所述多个肺小叶区域图像，输入训练好的深度神经网络模型，获取所述第一患者患慢性阻塞性肺病的概率值。