[发明专利]基于轻量级深度学习的肺部CT辅助筛查系统及筛查方法

权利要求书

1.基于轻量级深度学习的肺部CT辅助筛查系统，其特征在于：包括数据获取模块、人工智能识别模块和预测结果输出模块，所述数据获取模块和人工智能识别模块连接来使得数据获取模块获得的数据传入人工智能识别模块进行数据筛查得到预测结果，所述人工智能识别模块和预测结果输出模块连接来将预测结果进行展示并自动生成报告。

2.根据权利要求1所述的基于轻量级深度学习的肺部CT辅助筛查系统，其特征在于：所述数据获取模块包括历史病例读取模块、待预测CT图像输入模块和修正反馈模块，所述修正反馈模块和预测结果输出模块连接，在误判情况下通过修正反馈模块来修正预测结果。

3.根据权利要求1所述的基于轻量级深度学习的肺部CT辅助筛查系统，其特征在于：所述人工智能识别模块包括用于网络特征提取的轻量化深度学习模块和用于深度特征融合识别的多尺度融合模块。

4.根据权利要求1所述的基于轻量级深度学习的肺部CT辅助筛查系统，其特征在于：所述预测结果输出模块包括预测结果展示模块和预测报告生成模块。

5.基于轻量级深度学习的肺部CT辅助筛查方法，其特征在于：具体包括以下步骤：

(1)先将医院已有的肺部CT电子病例进行图像训练和历史数据标注，通过数据获取模块的历史病例读取模块读训练标注好的历史病例，并统一历史病例数据格式，同时通过数据获取模块的待预测CT图像输入模块获取当前待预测的肺部CT图像并标记；

(2)数据获取模块先将训练标注好的历史病例输入人工智能识别模块，通过人工智能识别模块利用历史病例图像数据完成数据深度学习训练；

(3)在数据深度学习训练完成后，数据获取模块将当前待预测的肺部CT图像输入人工智能识别模块，人工智能识别模块根据训练完成的数据深度学习对待预测的肺部CT图像进行分析，并获取可能的肺部疾病概率结果；

(4)人工智能识别模块将人工智能识别模块获取的概率结果输入预测结果输出模块，预测结果输出模块将概率结果通过预测结果展示模块进行可视化展示，同时通过预测报告生成模块按照模板匹配的方式自动生成概率结果报告。

6.根据权利要求5所述的基于轻量级深度学习的肺部CT辅助筛查方法，其特征在于：所述步骤(3)中人工智能识别模块根据训练完成的数据深度学习对待预测的肺部CT图像进行分析的步骤为：

A.数据获取模块将待预测的肺部CT图像调整到合适大小并输入轻量化深度学习模块，轻量化深度学习模块将输入的原始肺部CT图像按照第一卷积层、第二卷积层、第一池化层、第三卷积层、第二池化层、第四卷积层、第三池化层、第五卷积层的架构依次接入网络，所述第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层对应卷积核大小分别为3×3×8，3×3×16，3×3×32，3×3×64，3×3×128；

B.多尺度融合模块将第五卷积层深度特征通过上采样方式，与第二池化层深度特征融合，形成融合的多尺度深度特征第六卷积层，将第六卷积层通过CT图像的压平层完成维度转换，再依次通过第一全连接层、第二全连接层和Softmax层，通过Softmax运算得到各识别种类的概率预测结果。

7.根据权利要求6所述的基于轻量级深度学习的肺部CT辅助筛查方法，其特征在于：所述步骤B中的第一全连接层输出神经元数为128，第二全连接层输出神经元数为识别种类数。

8.根据权利要求5所述的基于轻量级深度学习的肺部CT辅助筛查方法，其特征在于：所述步骤(4)中传入预测结果输出模块的概率结果，医师根据自身判断结果和系统预测结果比较，判断是否误判，若误判则医师进行二次核查，并通过数据获取模块内的修正反馈模块将概率结果进行修正，并将修正后的概率结果输入预测结果输出模块，进行概率结果报告自动生成，若没有误判，则直接在预测报告生成模块生成概率结果报告。