[发明专利]一种面向多类型疾病的人工智能手术辅助系统

权利要求书

1.一种面向多类型疾病的人工智能手术辅助系统，其特征在于，包括：服务器端和用户端两部分；

所述服务器端包括：网络结构构建模块、数据采集模块、模型建立及训练模块；

所述网络结构构建模块用于构建squeezenet网络；

所述数据采集模块用于采集数据并建立医疗数据集；

所述模型建立及训练模块用于利用所述医疗数据集对所述squeezenet网络进行训练，生成辅助识别模型；

所述用户端包括：选择疾病类型模块、摄像头实时采集图像模块、CPU计算处理模块、输出识别结果模块；

所述选择疾病类型模块用于选择所要识别的疾病类型；

所述摄像头实时采集图像模块用于采集实时手术影像；

所述CPU计算处理模块用于根据所述辅助识别模型、所述实时手术影像得到辅助诊断结果；

所述输出识别结果模块用于输出显示所述辅助诊断结果。

2.根据权利要求1所述的面向多类型疾病的人工智能手术辅助系统，其特征在于，所述用户端还包括：模型存储区；

所述模型存储区用于存储所述辅助识别模型，接收所述实时手术影像。

3.根据权利要求1所述的面向多类型疾病的人工智能手术辅助系统，其特征在于，所述服务器端还包括：验证模块；

所述验证模块用于对所述辅助识别模型的准确度进行验证。

4.根据权利要求1所述的面向多类型疾病的人工智能手术辅助系统，其特征在于，所述squeezenet网络的Fire模型包括：压缩层、扩张层；

所述压缩层为1×1卷积核的卷积层，所述扩张层为1×1和3×3卷积核的卷积层。

5.根据权利要求1所述的面向多类型疾病的人工智能手术辅助系统，其特征在于，所述数据采集模块采集的数据包括：影像图像、临床信息、疾病类型、病灶区域标注信息。

6.根据权利要求1所述的面向多类型疾病的人工智能手术辅助系统，其特征在于，所述数据采集模块采集的数据隐去患者隐私信息和医疗机构信息。

7.根据权利要求1所述的面向多类型疾病的人工智能手术辅助系统，其特征在于，所述生成辅助识别模型包括：将所述squeezenet网络、所述医疗数据集导入TensorFlow框架，在GPU上利用所述医疗数据集对所述squeezenet网络进行训练，得到所述辅助识别模型。

8.根据权利要求1所述的面向多类型疾病的人工智能手术辅助系统，其特征在于，所述摄像头实时采集图像模块还用于对采集的实时手术影像的矩阵进行归一化处理。

9.根据权利要求1所述的面向多类型疾病的人工智能手术辅助系统，其特征在于，通过将病灶位置用红色框进行标定来显示所述辅助诊断结果。

10.根据权利要求3所述的面向多类型疾病的人工智能手术辅助系统，其特征在于，在PC端对所述辅助识别模型的准确度进行验证，若准确度达不到预定标准，则重新建立医疗数据集进行再次验证；若准确度达到预定标准，则保存所述辅助识别模型。