[发明专利]一种基于深度学习与模糊逻辑的间质性肺炎评估方法

权利要求书

1.一种基于深度学习与模糊逻辑的间质性肺炎评估方法，其特征在于：包括以下步骤：

S1：收集汇总间质性肺病图像，制作样本数据集；

S2：对肺部CT图像进行肺实质分割，获得仅存在双肺而不包含躯干部分、床板、隔膜等对检测工作没有作用的图像，输入病例图像，训练深度学习模型，深度学习模型并部署；

S3：导入实时肺部CT图像，通过深度学习模型自动标记出所有病变区域，具体为将深度学习模型远程部署到医院的主服务器中，通过科室办公电脑将病人会诊的CT图像传送给主服务器，通过主服务器中部署的深度学习模型对CT图像进行自动识别检测，得出是否发生间质性肺病现象，并输出结果，并对异常的图片进行报警；

S4：对所有病变区域进行模糊化，模糊推理和去模糊化，输出评估结果。

2.根据权利要求1所述的一种基于深度学习与模糊逻辑的间质性肺炎评估方法，其特征在于：所述S1中样本数据集上传至网络数据库。

3.根据权利要求1所述的一种基于深度学习与模糊逻辑的间质性肺炎评估方法，其特征在于：所述S2中对肺部CT图像进行肺实质分割采用OTUS算法将CT图像分为前景和背景，得到二值图像，然后对开运算后的二值图像进行一次区域生长算法提取肺部掩膜。

4.根据权利要求1所述的一种基于深度学习与模糊逻辑的间质性肺炎评估方法，其特征在于：所述S2中训练深度学习模型采用SoftNMS的FasterRCNN深度学习算法对制作的样本数据集进行训练。

5.根据权利要求1所述的一种基于深度学习与模糊逻辑的间质性肺炎评估方法，其特征在于：所述S3中深度学习模型部署到服务器上，并在本地使用模型进行推理预测。

6.根据权利要求1所述的一种基于深度学习与模糊逻辑的间质性肺炎评估方法，其特征在于：所述S4中模糊化通过模糊逻辑控制模块实现，模糊逻辑控制模块可以对模型输出结果进行进一步评估，使得结果更易读。