[发明专利]判断传染疾病发展的视觉检测方法及装置

权利要求书

1.一种判断传染疾病发展的视觉检测方法，其特征在于：包括以下步骤，

S10、获取预设数量的新冠患者的肺部CT影像及对应的结果标签，组成训练数据集，结果标签记录有新冠患者是否发展为重症患者的结果；

S20、将训练数据集输入预设的卷积神经网络模型进行监督式训练，得到图像分析模型，所述卷积神经网络模型由1×1卷积层结构加densenet结构组合而成；

S30、将待检测新冠患者的肺部CT影像输入到图像分析模型进行病情发展预测，得到待检测新冠患者发展为重症患者的概率。

2.如权利要求1所述的判断传染疾病发展的视觉检测方法，其特征在于：步骤S20中，对卷积神经网络模型进行监督式训练时，让卷积神经网络模型通过反向传播算法在训练数据集上学习并优化权重参数和偏差参数，并将得到的权重参数及偏差参数进行固化，得到图像分析模型。

3.如权利要求2所述的判断传染疾病发展的视觉检测方法，其特征在于：所述卷积神经网络模型由第一卷积层、第一池化层、第二卷积层、第二池化层、第一Densenet模块、第二Densenet模块、第三卷积层、第四卷积层、第一全连接层及第二全连接层依次串联组成。

4.如权利要求3所述的判断传染疾病发展的视觉检测方法，其特征在于：

所述第一卷积层的卷积核大小为3×3，步长为1，提取特征矩阵的深度为16，中间特征矩阵的尺寸为416×416，深度为16；

所述第一池化层卷积核大小为2×2，步长为2，中间特征矩阵的尺寸为208×208，深度为16；

所述第二卷积层的卷积核大小为3×3，步长为1，提取特征矩阵的深度为32，中间特征矩阵的尺寸为208×208，深度为32；

所述第二池化层的卷积核大小为2×2，步长为2，中间特征矩阵的尺寸为104×104，深度为32。

5.如权利要求4所述的判断传染疾病发展的视觉检测方法，其特征在于：

所述第一densenet模块的中间特征矩阵的尺寸为104×104，深度为128；

所述第二densenet模块的中间特征矩阵的尺寸为104×104，深度为512；

所述第三卷积层的卷积核大小为1×1，步长为1，提取特征矩阵的深度为128；

所述第四卷积层的卷积核大小为1×1，步长为1，提取特征矩阵的深度为32。

6.一种判断传染疾病发展的视觉检测装置，其特征在于：包括，

训练数据集获取模块，获取预设数量的新冠患者的肺部CT影像及对应的结果标签，组成训练数据集，结果标签记录有新冠患者是否发展为重症患者的结果；

图像分析模型训练模块，将训练数据集输入预设的卷积神经网络模型进行监督式训练，得到图像分析模型，所述卷积神经网络模型由1×1卷积层结构加densenet结构组合而成；

新冠患者病情预测模块，用于将待检测新冠患者的肺部CT影像输入到图像分析模型进行病情发展预测，得到待检测新冠患者发展为重症患者的概率。

7.如权利要求6所述的判断传染疾病发展的视觉检测装置，其特征在于：所述图像分析模型训练模块，用于对卷积神经网络模型进行监督式训练时，让卷积神经网络模型通过反向传播算法在训练数据集上学习并优化权重参数和偏差参数，并将得到的权重参数及偏差参数进行固化，得到图像分析模型。

8.如权利要求7所述的判断传染疾病发展的视觉检测装置，其特征在于：所述卷积神经网络模型由第一卷积层、第一池化层、第二卷积层、第二池化层、第一Densenet模块、第二Densenet模块、第三卷积层、第四卷积层、第一全连接层及第二全连接层依次串联组成。